Advances in multiscale atomistic modelling for enhanced oil and gas recovery and CO₂ sequestration
Notice bibliographique
Résumé
A thorough understanding of gas-fluid interactions, competitive adsorption mechanisms, transport behaviour, and reactive transformations is fundamental for improving enhanced oil and gas production and ensuring permanent CO2 storage. The combined application of classical and ab initio molecular dynamics, grand-canonical Monte Carlo, and emerging machine learning approaches enables a comprehensive elucidation these mechanisms across multiple spatial and temporal scales. This view integrates our recent multiscale modelling efforts with state-of-the-art computational techniques to chart an agenda for predictive subsurface workflows. Document Type: Perspective Cited as: Shi, J., Zhang, T. Advances in multiscale atomistic modelling for enhanced oil and gas recovery and CO2 sequestration. Computational Energy Science, 2025, 2(1): 1-3. https://doi.org/10.46690/compes.2025.01.01 References Cygan, R. T., Liang, J., Kalinichev, A. G. Molecular models of hydroxide, oxyhydroxide, and clay phases and the development of a general force field. The Journal of Physical Chemistry B, 2004, 108(4): 1255-1266. Fentaw, J. W., Emadi, H., Hussain, A., et al. Geochemistry in geological CO2 sequestration: A comprehensive review. Energies, 2024, 17(19): 5000. Gbadamosi, A. O., Junin, R., Manan, M. A., et al. An overview of chemical enhanced oil recovery: Recent advances and prospects. International Nano Letters, 2019, 9: 171-202. Gong, L., Shi, J., Ding, B., et al. Molecular insight on competitive adsorption and diffusion characteristics of shale gas in water-bearing channels. Fuel, 2020, 278: 118406. Grimme, S. Semiempirical GGA-type density functional constructed with a long-range dispersion correction. Journal of computational chemistry, 2006, 27(15): 1787-1799. Kühne, T. D., Iannuzzi, M., Del Ben, M., et al. CP2K: An electronic structure and molecular dynamics software package-Quickstep: Efficient and accurate electronic structure calculations. The Journal of Chemical Physics, 2020, 152(19): 194103. Martin, M. G., Siepmann, J. I. Transferable potentials for phase equilibria. 1. United-atom description of n-alkanes. The Journal of Physical Chemistry B, 1998, 102(14): 2569-2577. Perdew, J. P., Burke, K., Ernzerhof, M. Generalized gradient approximation made simple. Physical review letters, 1996, 77(18): 3865-3868. Shi, J., Gong, L., Sun, S., et al. Competitive adsorption phenomenon in shale gas displacement processes. Rsc Advances, 2019, 9(44): 25326-25335. Shi, J., Zhang, T., Xie, X., et al. Characterizing competitive ad sorption and diffusion of methane and carbon dioxide in kerogen type-III slit model. Computational Geosciences, 2024, 28(5): 955-965. Shi, J., Zhang, T., Sun, S., et al. Ab initio insights into the CO2 adsorption mechanisms in hydrated silica nanopores. Chemical Engineering Science, 2025, 313: 121741. Sun, H. Compass: An ab initio force-field optimized for condensed-phase applications overview with details on alkane and benzene compounds. The Journal of Physical Chemistry B, 1998, 102(38): 7338-7364. VandeVondele, J., Hutter, J. Gaussian basis sets for accurate calculations on molecular systems in gas and condensed phases. The Journal of chemical physics, 2007, 127(11): 114105. Zhang, T., Zhang, Y., Katterbauer, K., et al. Deep learning assisted phase equilibrium analysis for producing natural hydrogen. International Journal of Hydrogen Energy, 2024, 50: 473-486.
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 | 0,000 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».