Applications of nanotechnology in oil and gas industry: Progress and perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Nanotechnology has been successfully implemented in many applications, such as nanoelectronics, nanobiomedicine, and nanodevices. However, this technology has rarely been applied to the oil and gas industry, especially in upstream exploration and production. The oil and gas industry needs to improve oil recovery and exploit unconventional resources. The cost of research and oil production is under immense pressure, and it is becoming more difficult to justify such investment when the crude oil price is weak and depressed. There is a widespread belief that nanotechnology may be exploited to develop novel nanomaterials with enhanced performance to combat these technological barriers. Increasing funding resources from governmental and global oil industry have been allocated to exploration, drilling, production, refining, and wastewater treatment. For example, nanosensors allow for precise measurement of reservoir conditions. Nanofluids prepared using functional nanomaterials may exhibit better performance in oil production processes, and nanocatalysts have improved the efficiency in oil refining and petrochemical processes. Nanomembranes enhance oil, water and gas separation, oil and gas purification, and the removal of impurities from wastewater. Functional nanomaterials can play an important role in the production of smart, reliable, and more durable equipment. In this review paper, we summarize the research progress and prospective applications of nanotechnology and nanomaterials in the oil and gas industry.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle