Evaluation of the effect of the mineralogical composition of samples from the Carbonera Formation and Ottawa Sand on the adsorption of a surfactant formulation in enhanced recovery processes.
Bibliographic record
Abstract
Este trabajo estudió los mecanismos de adsorción de una formulación binaria de surfactantes (80% Novel TDA-6 no iónico y 20% Petrostep S13D aniónico) en dos sustratos mineralógicos contrastantes: la Formación Carbonera (arenisca cuarzosa con arcillas y carbonatos) y la Arena Ottawa (cuarzo puro). La investigación combinó caracterización mineralógica (DRX), mediciones de tensión interfacial y análisis de isotermas de adsorción estática para evaluar cómo la composición mineral afecta la adsorción de surfactantes. Los resultados demostraron diferencias significativas en los mecanismos de adsorción entre ambos sustratos. En la Formación Carbonera, se identificaron tres procesos clave: adsorción electrostática del surfactante aniónico en bordes de arcillas y calcita, formación de puentes de hidrógeno con el surfactante no iónico, y rechazo hidrófobo. La concentración micelar crítica (CMC) de la formulación fue de 91.25 ppm. En contraste, la Arena Ottawa mostró una adsorción notablemente menor, dominada por interacciones débiles (van der Waals) debido a su homogeneidad mineralógica y ausencia de sitios activos. El estudio reveló que la heterogeneidad mineralógica incrementa la capacidad adsorbente al proporcionar múltiples mecanismos de interacción. Las isotermas siguieron el modelo de dos pasos (Zhu & Gu), mostrando una correlación directa entre la complejidad mineralógica y la eficiencia de adsorción. Estos hallazgos tienen relevancia práctica para la selección de surfactantes en procesos de recuperación mejorada de petróleo (EOR), particularmente en yacimientos con alta contenido de arcillas o carbonatos. La investigación aporta un marco metodológico para predecir el comportamiento de surfactantes en medios porosos naturales
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".