Microfluidic devices, materials, and recent progress for petroleum applications: A review
Notice bibliographique
Résumé
Abstract Microfluidic devices are miniaturized systems that manipulate fluids on a small scale, typically at microlitre or nanolitre volumes. They have received significant attention in various industries, including petroleum applications. The recent advancements in microfluidic devices for petroleum applications have the potential to improve oil recovery efficiency, reduce costs, and provide valuable insights into fluid behaviour and reservoir characterization. This paper aims to provide a comprehensive overview of microfluidic devices, their materials, and their applications in the petroleum industry. The first section of the paper focuses on describing the materials used in microfluidic devices specifically tailored for energy sector applications. In the second section, the paper highlights relevant applications and discoveries in petroleum research, showcasing the innovative techniques and special features enabled by microfluidic devices. These applications include but are not limited to asphaltenes characterization, enhanced oil recovery (EOR), and water treatment. The versatility and customization of microfluidic devices have allowed researchers to accurately represent fractures, ensure chemical conformance, simulate high pressure–high temperature conditions and reservoir heterogeneity, and study geochemical interaction. Additionally, molecular tagging and machine learning techniques have been employed for image analysis, further enhancing the capabilities of microfluidic devices. Throughout the paper, the advantages and disadvantages of implementing microfluidic devices and utilizing specific materials are thoroughly discussed. This analysis provides valuable insights into the challenges and potential limitations associated with this technology. To conclude, the paper offers suggestions, ideas, and highlights for future research paths, pointing toward promising directions for further exploration in this field.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».