相关实验视频
Updated: Jun 19, 2026
08:04
Preparation of Functional Silica Using a Bioinspired Method
Published on: August 1, 2018
17.1K
使用双子表面活性剂和功能化纳米颗粒优化从表面脱离油:一个结合分子动力学和机器学习的方法
Gourav Chakraborty1, Keka Ojha2, Ajay Mandal2
1Department of Chemistry and Chemical Biology, Indian Institute of Technology (ISM) Dhanbad, 826004, India. npatra2@iitism.ac.in.
Physical chemistry chemical physics : PCCP
|February 11, 2025
概括
这项研究使用分子动力学来测试双子表面活性剂和纳米粒子,以提高石油回收率. 这些组合改善了与水淹相比,表面的油分离,机器学习预测了最佳注射剂.
科学领域:
- 石油工程是石油工程中的一个.
- 材料科学 材料科学 材料科学
- 计算化学的计算化学
背景情况:
- 新油田勘探量下降,需要改善现有油库的回收.
- 了解石油表面相互作用对于优化增强石油回收 (EOR) 策略至关重要.
研究的目的:
- 通过使用双子表面活性剂 (GS) 和纳米粒子 (SNPs) 来研究表面的油分离.
- 与标准水淹相比,评估GS-SNP组合的疗效.
- 开发机器学习模型,用于预测EOR的最佳GS-SNP组合.
主要方法:
- 分子动力学 (MD) 模拟以模拟油吸附和脱离.
- 密度配置和辐射分布函数 (rdf) 的分析.
- 监督机器学习 (ML) 模型 (XGBoost,AdaBoost,回归,SVR) 用于预测注射剂性能.
主要成果:
- 在GS-SNP组合中,油分离效率高于标准水淹.
- 增加的表面疏水性降低了油相互作用能量,但降低了GS-SNP的有效性.
- 在水库表面上,SNP有效地减轻了表面活性剂的吸附.
- 机器学习模型,特别是增强算法和SVR,准确地预测了最佳的GS-SNP组合.
结论:
- GS-SNP组合为增强石油回收提供了一个有希望的方法.
- 表面的疏水性在油分离机制中起着至关重要的作用.
- 机器学习可以简化EOR的化学注射剂的数据驱动设计.
