4 февраля 2022, 2:00

Новая математическая модель объяснила причину неидеальной селективности полимерных мембран

Российские ученые предложили математическую модель, которая поможет предсказывать проницаемость полимерных мембран для смесей различных газов. В такой системе селективность газоразделения может заметно отклоняться от «идеальной», рассчитанной по экспериментальным значениям проницаемости индивидуальных газов. Авторы объяснили, почему это происходит и доказали правильность своих расчетов на практике. Предложенная модель позволит без проведения сложных экспериментов определять свойства селективных материалов и возможность их использования в производстве, промышленности и медицине. Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в журнале Membranes.

Новая математическая модель объяснила причину неидеальной селективности полимерных мембран
Экспериментальная установка для измерения селективности полимерных мембран
Источник: Владимир Волков

Полимерные мембраны используются для разделения летучих компонентов при очистке нефтяных газов, детектировании опасных или загрязняющих соединений в воздухе, а также в аппаратах искусственного кровообращения. Принцип их работы заключается в том, что материал мембраны преимущественно пропускает через себя молекулы, обладающие определенными химическими и физическими свойствами, в частности, размерами, сопоставимыми с его порами. В противном случае соединения проходят медленно или задерживаются мембраной.

Проницаемость — способность материала пропускать через себя молекулы газа — и селективность — избирательный перенос одного из компонентов смеси — основные характеристики, на которые обращают внимание при использовании полимерных мембран в практических целях. Для большинства материалов эти свойства легко можно измерить при пропускании через них чистых, или индивидуальных, газов. В этом случае ученые измеряют скорость, с которой соединение проходит через мембрану, и по ней рассчитывают так называемую идеальную селективность материала. Однако это может привести к ошибочным заключениям, поскольку реальная селективность полимерной мембраны при разделении смеси газов может существенно (на порядок) отклоняться от идеального значения.

Исследовательская группа из Института нефтехимического синтеза имени А. В. Топчиева РАН (Москва) разработала математическую модель, которая позволяет предсказать реальную селективность мембран при пропускании газовых смесей на основе экспериментальных данных по проницаемости чистых компонентов. Новизна предложенного подхода заключалась в учете диффузионного взаимодействия, то есть взаимного «трения» между компонентами газовой смеси.

Согласно модели, если газ, который предпочтительно пропускается мембраной, более подвижен, чем партнер в смеси, то его проницаемость снизится по сравнению с проницаемостью индивидуального газа. Напротив, менее подвижный («медленный») газ в составе смеси станет проходить через мембрану быстрее, чем в чистом состоянии. Расчеты показали, что реальная селективность может отличаться от идеальной в несколько раз.

Полученную модель ученые проверили экспериментально. Для этого через полимерную мембрану пропускали смесь углеводородов метана и бутана. Оказалось, что способность преодолевать мембрану у более легкого и быстрого метана снизилась на 84%, а у тяжелого и медленного бутана увеличилась на 39%. В итоге реальная селективность бутан/метан выросла в девять раз по сравнению с идеальной. Такие экспериментальные результаты согласуются с предсказаниями модели.

«Предложенная нами модель впервые позволила оценить реальную селективность полимерных мембран по отношению к газовым смесям. Это позволит избежать неучтенных потерь, например, в процессе очистки водорода при получении топлива. В будущем мы планируем более подробно исследовать отклонение от идеальной селективности для различных типов мембранных материалов», — рассказывает Владимир Волков, руководитель проекта по гранту РНФ, доктор химических наук, главный научный сотрудник лаборатории полимерных мембран Института нефтехимического синтеза имени А. В. Топчиева РАН.

Источник:  Пресс-служба РНФ

Публикации из новости

Читайте также

С помощью ИИ ученые смогли описывать солнечную активность в реальном времени
Это важно для прогнозирования и ее негативных эффектов на линии электропередач, космическую технику и авиацию
Астрофизика
Искусственный интеллект
Математическое моделирование
Новые методики
16 июля 2023
Ученые предложили способ расчета нанотвердости
Не нужны тщательная подготовка и калибровка оборудования - все делается на компьютере
Математическое моделирование
Материаловедение
Нанотехнологии
Новые методики
4 февраля 2022
Микроволновые разряды помогут управлять сверхзвуковыми летательными аппаратами
Физики и механики разработали теоретическую модель, описывающую процесс формирования нитевидных микроволновых разрядов в газах. В этом случае газ нагревается до температур порядка 830°С и выше, и в нем формируется большое количество заряженных и возбужденных частиц. Это явление можно использовать в аэродинамике и космонавтике, чтобы воздействовать на потоки газа вблизи летательных аппаратов и тем самым управлять полетом, поскольку эти структуры влияют на скорость и траекторию движения аппарата.
Космонавтика
Космос
Математическое моделирование
Физика плазмы
22 марта 2024
Разработан «полуслепой» метод описания квантовых систем
Ученые предложили подход, который позволяет определять состояние квантовой системы, зная лишь часть данных от общего их числа, необходимого для полного описания этой системы. Разработанный метод может помочь предсказывать физические и химические процессы, связанные со свойствами квантовых систем. Помимо использования в химии и физике, предсказание квантовых процессов поможет ученым реализовать алгоритмы для самых различных отраслей — от дизайна лекарств до моделирования материалов.
Квантовая физика
Квантовая химия
Новые методики
8 февраля 2024
Цифровые астроциты улучшили память нейросети на 20%
Ученые разработали первую в мире нейронную сеть, полностью построенную на принципах взаимодействия клеток реального головного мозга. Так, модель воспроизводит передачу сигналов не только между нервными клетками, но и между нейронами и астроцитами — вспомогательными клетками мозга. Эксперименты показали, что «подключение» астроцитов в работу нейросети улучшает ее способность «запоминать», то есть воспроизводить ранее полученную информацию, на 20%.
Когнитивные науки
Математическое моделирование
Нейросети
30 января 2024
Микробы в вечной мерзлоте могут помешать резкому потеплению климата
Ученые выяснили, что высокое разнообразие микроорганизмов, населяющих зону вечной мерзлоты, может значительно снизить скорость потепления атмосферы у поверхности Земли. По мере таяния многолетнемерзлых грунтов микробы начинают выделять метан и, если видов бактерий мало, в определенный момент произойдет массовый выброс этого парникового газа. Высокое же видовое богатство приведет к меньшему — в масштабе нескольких градусов — нагреву воздуха планеты.
Геология
Математическое моделирование
Микробиология
13 декабря 2023