Desarrollo de Nanomateriales para el geo-almacenamiento de CO2 en yacimientos someros
Bibliographic record
Abstract
El proceso de captura y almacenamiento de carbono (CCS por sus siglas en ingles) ha sido propuesto como un metodo efectivo para la reduccion de las emisiones de CO2 provenientes de la industria, pero su implementacion a nivel industrial no ha sido exitosa debido a consideraciones tecnico-economicas asociadas a dos etapas principales: 1) Separacion inicial del CO2 de los gases de combustion y 2) Inyeccion del CO2 en depositos geologicos profundos, mas de 300 m, en donde el CO2. A estas condiciones el CO2 se encuentra en condiciones supercriticas y su almacenamiento se debe principalmente al llenado de la estructura porosa del yacimiento. Este trabajo propone por primera vez en el mundo, un proceso mejorado de captura y almacenamiento de carbono, e-CCS, en el cual la etapa inicial de captura/separacion de CO2 es suprimida y los gases de combustion son inyectados directamente al yacimiento superficial (<300 m). En este caso, el proceso de selectiva adsorcion controla la captura in-situ de CO2 gaseoso y su almacenamiento. Para esto, es indispensable modificar la superficie de yacimiento con el fin de incrementar la capacidad de adsorcion y la selectividad del CO2. Adicional a esto, el agente modificante no debe obstruir la estructura porosa natural del yacimiento con el fin de evitar problemas operacionales. En este sentido, la nanotecnologia, por primera vez en el mundo, podria ser usada como agente modificador de la superficie del yacimiento, debido a ventajas relacionadas con la sintesis a medida, obteniendo materiales con caracteristicas fisicoquimicas especificas al proceso de adsorcion selectiva; Ademas, su tamano nanometrico permite su uso sin obstruccion del medio poroso del yacimiento. En este trabajo fueron sintetizadas y caracterizadas diversas nanoestructuras. Luego, arenisca tipo Ottawa y arenisca de yacimientos reales de crudo, fueron impregnadas con nanofluidos compuestos por nanomateriales dispersos en agua desionizada. El desempeno de estos sistemas en el proceso de adsorcion fue evaluado a diferentes condiciones de temperatura (0, 25 and 50 ° C) y presion (3 × 10-3 MPa a 3.0 MPa), tratando de simular las condiciones de un yacimiento. Para los mejores nanomateriales el sistema fue modelado y simulado a diferentes condiciones de presion y concentraciones de CO2-N2, por medio de la Teoria de la Solucion Ideal Adsorbida (IAST por sus siglas en ingles), usando datos experimentales obtenidos y el software libre PyIAST. Los resultados obtenidos son prometedores y competitivos en comparacion con los reportado en la literatura, ademas en la aplicacion se obtienen incrementos de mas de 60000% en la capacidad de adsorcion de CO2 con concentraciones de 20% en masa de nanomaterial.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".