Automating Surfactant Design for Enhanced Oil Recovery: Accelerating Innovation in Oil and Gas Industry
Notice bibliographique
Résumé
Designing a robust surfactant formulation for chemical enhanced oil recovery (EOR) application in oil and gas industry is challenging and robust.Speed and accuracy at design stage are critical.This work presents a novel methodology distinguished by its highly automated workflow, which combines patent search, analysis, structure generation, simulation and analysis to revolutionize surfactant design for enhanced oil recovery.At its core, this work utilizes computational chemistry simulations as the primary tool for surfactant development, eliminating the need for resource-intensive experimental testing.The main goal is to measure interfacial properties and uncover insights into the intricate relationship between molecule composition, structural modifications, and oil recovery potential.This dramatic paradigm shift holds the promise of accelerating chemical development by an astounding 90%.This study is a good illustration of the difficulty behind designing a surfactant from patent information.It revolves around the automated creation and optimization of surfactant structures gathered from relevant patents.The automated pipeline generates multiple structure candidates from each patent, then systematically investigating the influence of different factors on surfactant efficacy.Together with the automated molecule parameterization, new molecules are quickly created within an hour, while simulations can be halted based on early data assessment.The structure can then be directly redesigned using the learnt information from the computation.Therefore, this iterative approach enables rapid refinements on several molecules based on computational insights in a single day.The study's remarkable outcomes are rooted in its automated design prowess.Automation remains at the forefront even when dealing with complex patent information.By harnessing the power of automation, researchers can expedite the design and testing of novel chemicals for diverse applications, spanning from oil production to demulsification.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».