Effect of Ethanol Concentration on AOT Clustering in Supercritical CO <sub>2</sub> : A Molecular Dynamics Study
Notice bibliographique
Résumé
CO 2 foam flooding has emerged as a promising enhanced oil recovery (EOR) strategy for shale/tight reservoirs, but the intrinsically low solubility of surfactants in supercritical CO 2 (scCO 2 ) remains a major barrier to practical application. While experiments have shown that ethanol can improve surfactant solubility, the molecular mechanisms remain unclear. Here, molecular dynamics simulations were performed to investigate the effect of ethanol concentration (5–20 wt %) on the aggregation of AOT in scCO 2 at reservoir-relevant conditions (333 K, 200 bar). Across all systems, AOT assembled into clusters within 600 ns, but increasing the ethanol concentration produced smaller and more dispersed clusters, indicating enhanced solubilization. Structural analyses identified two key drivers of this behavior: (i) stronger solvation of Na + ions by ethanol and (ii) increased hydrogen bonding between ethanol and AOT headgroups, both of which suppress AOT–AOT association. Potential of mean force calculations further revealed that interactions between clusters become progressively less favorable with increasing ethanol content, confirming ethanol’s dispersive role. These molecular-level insights establish the mechanistic basis by which ethanol improves surfactant solubility in scCO 2, providing theoretical guidance for optimizing surfactant- co -solvent formulations to enhance foam stability and injectivity in low-permeability reservoirs.
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 | 0,000 | 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) | 0,001 | 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 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 ».