Nouvelles

May 24, 2023

Nouveaux modèles basés sur la structure moléculaire pour l'estimation de la solubilité du CO2 dans différents chlorures de choline

Rapports scientifiques volume 13,

Rapports scientifiques volume 13, Numéro d'article : 8495 (2023) Citer cet article

311 accès

1 Altmétrique

Détails des métriques

Dans cette étude, la solubilité du CO2 dans différents solvants eutectiques profonds (DES) à base de chlorure de choline a été étudiée à l'aide de la relation quantitative structure-propriété (QSPR). À cet égard, l'effet de différentes structures du donneur de liaison hydrogène (HBD) dans des solvants eutectiques profonds (DES) à base de chlorure de choline (ChCl) a été étudié à différentes températures et différents rapports molaires de ChCl en tant qu'accepteur de liaison hydrogène (HBA) à HBD. 12 ensembles de données différents avec 390 données sur la solubilité du CO2 ont été choisis dans la littérature pour le développement du modèle. Huit modèles prédictifs, qui contiennent la pression et un descripteur structurel, ont été développés à la température fixe (c'est-à-dire 293, 303, 313 ou 323 K), et le rapport molaire constant de ChCl à HBD égal à 1:3 ou 1:4. De plus, deux modèles ont également été introduits, qui prennent en compte les effets de la pression, de la température et des structures HBD, simultanément dans des rapports molaires égaux à 1:3 ou 1:4. Deux ensembles de données supplémentaires ont été utilisés uniquement pour la validation externe supplémentaire de ces deux modèles à de nouvelles températures, pressions et structures HBD. Il a été identifié que la solubilité du CO2 dépend du descripteur « EEig02d » de HBD. "EEig02d" est un descripteur moléculaire dérivé de la matrice d'adjacence des bords d'une molécule qui est pondérée par les moments dipolaires. Ce descripteur est également lié au volume molaire de la structure. L'évaluation statistique des modèles proposés pour les ensembles de données de température non fixes et fixes a confirmé la validité des modèles développés.

L'émission importante de gaz à effet de serre comme le CO2 a conduit à deux défis mondiaux importants, qui sont appelés « réchauffement planétaire » et « changement climatique »1. Au cours de la dernière décennie, la présence de gaz CO2 dans l'atmosphère a dépassé les limites acceptables (soit 350 ppm)2,3,4. Par conséquent, un effort considérable est nécessaire pour éliminer le gaz CO2 de l'atmosphère. Il existe des technologies avancées pour réduire les émissions de CO2, comme le captage et le stockage du carbone (CCS). Les technologies CSC sont principalement classées en trois groupes : pré-combustion, post-combustion (PCC) et oxy-combustion (oxy-fuel)5. Parmi ces méthodes, la méthode PCC est la plus pratique et la plus économique. Il est encore nécessaire de résoudre plusieurs défis économiques, technologiques, environnementaux et de sécurité tels que (i) l'amélioration de l'efficacité de la capture du CO2, (ii) la réduction des coûts du processus et (iii) la garantie d'un stockage du CO2 durable sur le plan environnemental6. L'application de solvants aqueux d'alcanolamine (par exemple MEA) dans le procédé PCC est classique en raison de sa forte réactivité avec le CO2, de sa disponibilité, de son faible coût et de sa faible viscosité. Cependant, l'utilisation de ces types de solvants présente encore plusieurs défauts, notamment une perte élevée de solvant, une dégradation, une corrosion, une consommation d'énergie élevée pendant le processus de régénération, des problèmes environnementaux et des coûts de régénération élevés7,8,9. En conséquence, il est essentiel de développer de nouveaux solvants verts et bon marché pour les procédés de captage du CO2.

Ces dernières années, la recherche s'est de plus en plus concentrée sur le développement de nouveaux solvants tels que les liquides ioniques (IL) et les solvants eutectiques profonds (DES) pour remplacer les composés organiques volatils (COV) conventionnels dans différents procédés chimiques et industriels10,11,12.

Par rapport aux solvants de capture de CO2 conventionnels (c'est-à-dire les amines), les IL sont plus capables en raison de leurs propriétés intrinsèques attrayantes telles qu'une faible volatilité, une stabilité thermique élevée et une excellente solubilité du CO213,14. Il est bien connu que les IL sont des sorbants physiques efficaces du CO2, que leurs spécifications peuvent être ajustées en sélectionnant les cations et anions appropriés. Malgré ces avantages, l'utilisation des IL pour la capture du CO2 dans les applications industrielles présente plusieurs inconvénients, notamment leur viscosité élevée, leurs processus de synthèse et de purification compliqués et coûteux, et leur coût élevé. Une préoccupation croissante existe concernant la toxicité de plusieurs IL15. Il existe de nouvelles classes de solvants connus sous le nom de DES, qui présentent des avantages supplémentaires de faible coût, de faible toxicité, de biodégradabilité, de préparation facile et d'absence de nécessité de purification16. Les DES peuvent être synthétisés en mélangeant un donneur de liaison hydrogène (HBD) (par exemple des acides carboxyliques, des amides, des amines, un alcool ou des halogénures métalliques) avec un accepteur de liaison hydrogène (HBA) (par exemple des sels de phosphonium ou d'ammonium quaternaire) dans les rapports molaires appropriés17. La propriété la plus prometteuse des DES est la diversité des structures. En raison de leurs avantages inhérents, notamment une faible pression de vapeur, une stabilité thermique et chimique élevée, une ininflammabilité et une large gamme de possibilités de réglage, les DES ont suscité une attention considérable18,19. En particulier, les DES à base de choline ont été étudiés de manière intensive. Les DES à base de choline étant majoritairement constitués de composés naturels ; par conséquent, ils n'ont aucune influence nocive sur l'environnement. Parmi les sels de choline largement utilisés, le chlorure de choline (ChCl) est un matériau non toxique, biodégradable et peu coûteux, soit synthétisé à partir de produits ou de sous-produits de réserves fossiles (c'est-à-dire de pétrole), soit extrait de la biomasse19.

Les études théoriques et expérimentales des DES ont été menées dans différentes applications telles que la capture du CO220, la désulfuration21,22 et le processus de séparation23. Il existe plusieurs études expérimentales dans la littérature sur la mesure de la solubilité du CO2 dans différents types de DES.

Dans la première étude expérimentale, Li et al.24 ont examiné les DES à base de ChCl en tant qu'absorbants de CO2 à différentes pressions (0,85 - 12,52 MPa), températures (313,15 - 333,15 K) et rapports molaires (1:1,5, 1:2 ou 1:2,5). Leurs résultats ont démontré que la solubilité du CO2 diminuait avec l'augmentation de la température et augmentait avec l'augmentation de la pression. En outre, il a été confirmé que le rapport molaire a un effet important sur la solubilité du CO2 dans les DES. Par conséquent, le ChCl/Urea (1:2) (le soi-disant système reline) a indiqué une valeur de solubilité du CO2 plus élevée par rapport aux autres DES à partir d'un rapport molaire ChCl/Urea de 1:1,5 et 1:2,5. Li et al.25 ont également étudié une série de DES à base de ChCl, notamment ChCl/Phénol (1:2, 1:3, 1:4), ChCl/Triéthylène glycol (1:3 et 1:4) et ChCl/Diéthylène glycol (1:3 et 1:4). Il a été constaté que la solubilité du CO2 dans ChCl/Triéthylène glycol (1:4) est la plus élevée par rapport aux autres DES. Dans un autre travail, Leron et al.26 ont mesuré la solubilité du CO2 dans le système de regarnissage dans la plage de température étendue de 303,15 à 343,15 K. Leron et al.27,28 ont également rapporté la solubilité du CO2 dans les DES contenant ChCl/Glycérol (1:2) ou ChCl/Éthylène glycol (1:2) et ont présenté une solubilité plus élevée du CO2 par rapport aux IL à base d'imidazolium. Sarmad et al.20 ont rapporté 209 points de données sur la solubilité du CO2 dans 35 DES différents à 298,15 K et à une pression inférieure à 2 MPa. Chen et al.29 ont étudié la solubilité du CO2 dans le ChCl/1,2-propanediol, le 1,4-butanedioland et le 2,3-butanediol (1:3 et 1:4). Leurs résultats ont confirmé que ChCl/2,3-Butanediol (1:4) avait la capacité d'absorption de CO2 la plus élevée. Lu et al.30 ont étudié la solubilité du CO2 dans le ChCl/acide lévulinique ou ChCl/alcool furfurylique (1:3, 1:4 et 1:5). Selon leurs résultats, ChCl/acide lévulinique (1:5) a indiqué une plus grande capacité d'absorption de CO2 par rapport à l'alcool furfurylique. Par conséquent, on peut conclure que la présence d'un HBD spécifique avec un HBA fixe (c'est-à-dire ChCl) peut influencer de manière significative la solubilité du CO2 dans le DES. Il a été vérifié que la solubilité du CO2 dans les DES dépend du type de HBD et HBA, du rapport molaire HBA sur HBD, de la viscosité et de la teneur en eau des DES, ainsi que de la pression et de la température de fonctionnement31.

Il convient de mentionner que de nombreux DES peuvent être synthétisés en combinant différents HBA et HBD. Il est difficile de sélectionner les DES les plus appropriés pour les processus de capture du CO2 sur la base des études expérimentales. Par conséquent, une méthode théorique efficace est nécessaire pour prédire la solubilité du CO2 dans les DES.

L'une des méthodes les plus populaires d'apprentissage automatique (ML) pour compléter les techniques analytiques expérimentales est la relation quantitative structure-propriété (QSPR). Pour développer des modèles QSAR/QSPR, les structures chimiques sont fragmentées en groupes structurels et des algorithmes mathématiques sont appliqués aux données. L'idée générale est de dériver une expression dans Propriété = f (X1, X2, X3, …Xn), où chaque variable peut être une caractéristique de structure chimique (c'est-à-dire des descripteurs moléculaires) ou une propriété physico-chimique. La fonction dérivée peut aider de manière significative à acquérir des connaissances moléculaires plus approfondies sur les relations entre les propriétés des molécules pertinentes pour le processus et à prédire les relations de propriétés pour des matériaux nouveaux mais apparentés, et également à expliquer les caractéristiques mesurées32.

Lemaoui et al. ont présenté de nouveaux modèles QSPR pour prédire la viscosité, la densité et la conductivité électrique des DES par une analyse de régression multilinéaire (MLR). Leurs résultats ont confirmé que les modèles développés pour les propriétés des DES étudiés étaient capables de prédire la densité, la viscosité et la conductivité électrique des DES avec une précision satisfaisante (c'est-à-dire des valeurs R2 de 0,9839, 0,9874 et 0,985, respectivement)33,34. Balali et al.22 ont présenté des modèles QSPR pour prendre en compte l'effet des structures HBD sur la distribution du thiophène (β2) entre les phases hydrocarbonées et les DES à base de ChCl dans les systèmes ternaires. Le tableau S1 du fichier d'informations complémentaires montre les modèles QSPR disponibles dans la littérature pour la prédiction des différentes propriétés des DES.

De nombreuses études ont été rapportées dans la littérature pour prédire la solubilité du CO2 dans les DES en utilisant différentes approches. La solubilité du CO2 dans les DES à base de chlorure de choline a été prédite avec succès à l'aide d'approches de modélisation thermodynamique telles que la modification Peng-Robinson (PR) EoS35,36, la théorie fonctionnelle de la densité (DFT)37,38 et la simulation de la dynamique moléculaire (MD)38,39,40. Zubeir et al.41 ont appliqué la théorie des fluides associatifs statistiques à chaîne perturbée (PC-SAFT) pour exprimer la solubilité du CO2 dans les DES à des pressions allant jusqu'à 2 MPa et des plages de température de 298,15 et 318,5 K en utilisant deux composants pseudo-purs et des stratégies de composant individuel. Kamgar et al.42 ont utilisé les modèles COSMO-RS et NRTL pour prédire la solubilité du CO2, du CH4, du CO, du N2 et du H2 dans le regarnissage. Leurs résultats ont indiqué que les modèles ne pouvaient prédire la solubilité qu'à haute température et basse pression. Récemment, Alioui et al.43 ont combiné les méthodes MD et COSMO-RS pour étudier la solubilité du CO2 dans sept ChCl et DES à base de phosphonium. Liu et al.44 ont évalué COSMO-RS pour prédire la solubilité du CO2 et les constantes de Henry du CO2 dans les DES sur la base des données expérimentales. Différentes méthodes thermodynamiques développées pour la solubilité du CO2 dans différents DES sont résumées dans le tableau S2 du dossier d'informations complémentaires.

Comme on peut le voir dans le tableau S2, peu de modèles QSPR ont été développés pour prédire la solubilité du CO2 dans les DES.

Dans la première étude QSPR sur la prédiction de la solubilité du CO2 dans les DES, Wang et al.45 ont développé des modèles linéaires et non linéaires en utilisant des descripteurs dérivés de COSMO-RS des structures HBA et HBD, de la température, de la pression et du rapport molaire de HBA à HBD. Outre les nombreux avantages de leur travail, quelques inconvénients ont également été observés. Bien qu'ils aient utilisé un grand nombre de descripteurs pour chaque composant des DES (c'est-à-dire HBA et HBD), leur modèle linéaire développé a une capacité de prédiction limitée. De plus, leur modèle développé n'était pas descriptif en raison de l'application de descripteurs de profil sigma, qui ne sont pas interprétables. De plus, ils ont utilisé le rapport molaire comme variable indépendante dans leur modèle linéaire. La relation entre le rapport molaire HBA sur HBD et la solubilité n'est pas linéaire (voir Fig. S1 dans le fichier d'informations complémentaires). Par conséquent, dans la présente étude, on a essayé de trouver le descripteur interprétable le plus important du HBD en présence du HBA fixe (c'est-à-dire le chlorure de choline).

Kumar et al.46 ont présenté 12 modèles QSPR pour la prédiction de la capacité de capture du CO2 des DES en tenant compte de l'effet des structures HBA et HBD, du rapport molaire HBA sur HBD, de la température et de la pression. La méthode de Monte Carlo a été utilisée pour déterminer les coefficients appropriés de chaque descripteur quasi-SMILES pour 72 DES différents (dont 19 HBA différents et 20 HBD différents). Leurs modèles développés comprenaient quatre fractionnements aléatoires à partir d'ensembles de données ainsi que trois fonctions cibles avec et sans critère d'examen du potentiel prédictif (c'est-à-dire l'indice d'idéalité de corrélation (IIC) et l'indice d'intensité de corrélation (CII)). Ensuite, ils ont introduit le modèle avec la plus grande précision en fonction de différents paramètres statistiques. Bien que leur travail ait été très complet et précieux en raison de l'utilisation de divers ensembles de données et de la grande précision de prédiction du modèle, il semble que les paramètres de leur modèle ne peuvent pas être interprétés et que l'effet de chaque paramètre dans le mécanisme d'absorption du CO2 ne peut pas être étudié. En d'autres termes, il semble qu'ils aient accordé plus d'attention à la prévisibilité du modèle au lieu de décrire pourquoi et comment chacune des variables du modèle développé affecte la capacité de captage du CO2. Par conséquent, dans la présente étude, il a été tenté de développer des modèles QSPR descriptifs et prédictifs avec un descripteur significatif et interprétable.

Halder et al.47 ont appliqué des techniques de décision multicritères pour développer des modèles multi-objectifs afin d'étudier simultanément deux propriétés (c'est-à-dire la viscosité et la capacité d'absorption de CO2). Leur travail est précieux car la viscosité des DES joue un rôle important dans le choix final du solvant. Ils ont développé deux modèles QSPR linéaires pour prédire séparément la capacité d'absorption de CO2 et la viscosité des DES. Ensuite, ils ont utilisé la fonction de désirabilité de Derringer pour intégrer ces deux modèles pour l'identification des DES à haute capacité d'absorption de CO2 et à faible viscosité. Bien que leur travail ait été très innovant et complet, il y a peu de défauts dans leur travail. Tout d'abord, selon la simulation MD réalisée par Alizadeh et al.48, il existe un fort effet des structures HBD et de la partie anionique du HBA et un léger effet de la partie cationique du HBA sur la solubilité du CO2 dans les DES. Pendant ce temps, à une pression plus basse, l'interaction HBD-CO2 est dominante, et à une pression plus élevée, c'est l'interaction anion-CO2. En d'autres termes, les structures HBD ont un effet plus important sur l'absorption de CO2 à basse pression et les structures HBA à haute pression. Cependant, Halder et al.47 ont considéré que l'efficacité de l'HBA (parties cationiques et anioniques) et de l'HBD dans toutes les conditions était la même. Deuxièmement, les variables de température et de pression n'étaient pas présentes dans leur modèle et la prédiction n'a été faite que par des variables structurelles. Alors qu'il a été prouvé que la température et la pression ont un effet significatif sur l'absorption de CO2. Ainsi, dans la présente étude, un effort a été fait pour étudier l'effet des structures HBD sur la solubilité du CO2 à basse pression (c'est-à-dire l'absorption physique) tout en considérant les paramètres clés de température et de pression dans le modèle développé. Par conséquent, dans cette étude, il a été tenté de combler les lacunes observées dans les récentes recherches inestimables.

Dans cette étude, la méthode QSPR est appliquée comme un outil robuste pour développer des modèles prédictifs de solubilité du CO2 dans les DES avec un HBA fixe (c'est-à-dire ChCl) avec le rapport molaire de HBA à HBD égal à 1: 3 et 1: 4. Dans un premier temps, certains modèles QSPR sont développés, qui peuvent considérer l'effet des structures HBD et de la pression à température fixe (c'est-à-dire 293, 303, 313 ou 323 K). Ensuite, la dépendance de la solubilité du CO2 à la température a été considérée avec la pression et le descripteur HBD. Cette approche peut prédire efficacement la solubilité du CO2 pour les nouveaux DES à base de ChCl à de nouvelles températures. De plus, deux ensembles de données supplémentaires ont été appliqués pour une validation externe supplémentaire afin de confirmer la robustesse des modèles de température non fixes.

Les données expérimentales disponibles sur la solubilité du CO2 dans les DES à base de ChCl avec des rapports molaires de 1:3 et 1:4 ont d'abord été recueillies dans la littérature. La plage de solubilité du P, du T et du CO2 pour chaque ensemble de données est indiquée dans le tableau 1. Le nombre total de points de données de solubilité du CO2 est de 390. Comme on peut le voir dans le tableau 1, la variation du HBD impliqué dans les DES était de neuf. Dans la présente étude, les valeurs de solubilité du CO2 (x : mole de CO2 par mole de DES) ont été converties sous la forme du logarithme népérien (c'est-à-dire ln(x)) pour le développement du modèle. Une technique courante utilisée pour assurer la fiabilité des modèles QSPR développés consiste à diviser les ensembles de données en deux ensembles distincts appelés «train» et «test». Il convient de mentionner que le modèle QSPR a été développé à l'aide de l'ensemble de train, et la technique de validation interne peut être appliquée à cet ensemble. Le modèle QSPR développé doit être validé en externe en retirant certains DHB des ensembles de données et en les plaçant dans l'ensemble de test. Grâce à ce travail, la capacité de prédiction et la précision du modèle développé peuvent être évaluées. Afin d'augmenter la robustesse de la validation externe, il a été essayé de sélectionner l'ensemble de test de manière à ce qu'il soit constitué de certaines structures HBD, qui sont différentes des structures impliquées dans la rame. En outre, les ensembles de données n° (11) et (12) ont été utilisés pour une validation externe supplémentaire des modèles développés dans l'état de température non fixe et ont appliqué les modèles à de nouvelles températures, pressions et structures HBD. En outre, le domaine d'applicabilité des modèles construits a également été vérifié pour les ensembles de train et de test, ce qui indique que les deux contiennent des DES avec des différences considérables du point de vue de la structure moléculaire.

Avant de calculer les descripteurs de chaque DHB, il est indispensable d'optimiser leurs structures moléculaires. Les structures 3D de 9 molécules HBD ont été dessinées à l'aide d'un logiciel gauss-view51 puis ont été soumises à une optimisation géométrique à l'aide de la théorie de la fonctionnelle de la densité (DFT) au niveau de B3LYP et 6–31 + G (d,p)52. Ensuite, le logiciel Dragon53 a été appliqué pour calculer les différents types de descripteurs 1D, 2D et 3D. Afin de réduire le nombre de descripteurs calculés (ie 3224), les descripteurs constants et semi-constants, ainsi que les descripteurs à forte intercorrélation (> 98%) ont été éliminés. Par conséquent, les 444 descripteurs moléculaires restants des structures HBD ont été utilisés pour la construction du modèle.

La solubilité du CO2 dans les systèmes gaz-liquide (c'est-à-dire le CO2 dans le DES) est définie comme suit :

Selon Li et al.24, la solubilité du CO2 dépend de la température et de la pression ainsi que du rapport molaire HBA sur HBD.

A rapport molaire HBA sur HBD constant, la relation entre ln(x) et ln(P) peut être considérée comme suit (voir Fig. S2 dans le fichier complémentaire) :

où a et b représentent les paramètres réglables. Comme il est clair, la structure moléculaire des HBD peut jouer un rôle clé dans différents processus tels que la désulfuration22 et la solubilité du CO220. Dans cette étude, la méthode QSPR sera utilisée pour corréler ln(x) à ln(P) et à un descripteur moléculaire pertinent des DHB par le remplacement du paramètre "b". Afin d'étudier l'effet de la structure moléculaire du HBD sur la solubilité du CO2, huit ensembles de données distincts ont été appliqués avec une température fixe compte tenu de l'Eq. (3):

Les valeurs de solubilité du CO2 ne peuvent être prédites qu'à la température fixe (c'est-à-dire 293, 303 313 ou 323 K) à l'aide de l'équation. (3). Afin de prendre en compte l'effet de la température avec le descripteur et ln(P), l'Eq. (4) a été considéré par le remplacement du paramètre "c" dans l'Eq. (3) avec le terme " \(b\fois T\)". Selon la tendance observée pour la solubilité du CO2 avec la température (voir Fig. S3 dans les matériaux supplémentaires), T a été considéré comme une variable linéaire dans les modèles développés en tenant compte de l'effet de la température :

Dans la présente étude, deux types de modèles QSPR ont été développés. L'équation (3) est appliquée pour le développement du modèle pour les ensembles de données de température fixe. L'équation (4) est appliquée pour le développement du modèle prenant en compte l'effet de la température sur la solubilité du CO2. En utilisant l'éq. (4), le modèle de régression linéaire multiple (MLR) à trois variables (c'est-à-dire ln(P), T et le descripteur moléculaire des DHB) a été utilisé pour dériver un modèle QSPR prédictif et descriptif. Il est important de noter que le descripteur approprié des DHB doit être sélectionné dans un ensemble contenant divers descripteurs différents de DHB (c'est-à-dire 444), les variables ln(P) et T. La sélection de variables pour les modèles QSPR peut être effectuée selon plusieurs approches54. Dans cette étude, l'algorithme génétique (AG) a été appliqué pour sélectionner les variables du modèle QSPR. De plus amples informations sur l'algorithme génétique-régression linéaire multiple (GA-MLR) peuvent être consultées ailleurs55,56. Il convient de noter que les modèles GA-MLR ont été construits à l'aide du logiciel QSARINS57.

La capacité d'estimation de tous les modèles QSPR doit être évaluée en mettant en œuvre des évaluations des performances prédictives internes et des performances prédictives externes. L'ensemble d'apprentissage est utilisé pour la validation interne, tandis que l'ensemble de test est utilisé pour effectuer la validation externe. Plusieurs paramètres statistiques peuvent être appliqués pour examiner la capacité du modèle QSPR construit, notamment le coefficient de détermination (R2), le coefficient de détermination ajustable (R2adj), l'erreur standard (S), le critère de Fisher (F), l'erreur quadratique moyenne (RMSE), le coefficient de détermination à validation croisée Leave One Out (Q2 LOO-CV) et l'écart relatif absolu moyen (AARD%). Plus de détails sur les paramètres statistiques sont fournis dans le fichier d'informations complémentaires (c'est-à-dire le tableau S3 dans le fichier complémentaire). Dans la présente étude, des méthodes de validation internes et externes ont été appliquées. Le résultat de cette analyse est présenté dans la section suivante.

Le tableau 2 montre les modèles développés pour la température non fixée (jeux de données n° (1) et (2)) et la température fixe (jeux de données n° (3)–(10)).

Il était surprenant que le même descripteur (c'est-à-dire "EEig02d") apparaisse dans tous les modèles développés aux températures fixes et non fixes. Le descripteur "EEig02d" est un descripteur moléculaire dérivé de la matrice d'adjacence des bords d'une molécule qui est pondérée par les moments dipolaires. Le descripteur « EEig02d » est lié au volume molaire de la molécule58.

Comme on peut le voir dans le tableau 2 et pour les jeux de données no. (3)–(10), les meilleures combinaisons de la variable ln(P) et du descripteur sélectionné ont été obtenues pour chaque température fixe (c'est-à-dire 293, 303, 313 ou 323 K) avec leur rapport molaire correspondant (c'est-à-dire 1:3 et 1:4). En outre, les modèles contenant trois variables (c'est-à-dire ln(P), T et le descripteur sélectionné) ont été développés pour les ensembles de données de température non fixes.

Il convient de mentionner que les modèles développés (c'est-à-dire les équations (11) à (26)) pour les ensembles de données à température fixe peuvent être appliqués pour la température associée de 293, 303, 313 ou 323 K. Alors que les modèles de températures non fixes (c'est-à-dire les équations (6), (7), (9), (10)) peuvent être utilisés pour prendre en compte l'effet de la température sur la solubilité du CO2.

Selon Sarmad et al.20, la corrélation entre ln(x) et ln(P) a été testée pour chaque système impliqué dans tous les ensembles de données (veuillez consulter le tableau S4 et la figure S2 dans le fichier supplémentaire).

Afin d'évaluer les performances des modèles QSPR développés, une validation externe doit être effectuée. Premièrement, le découpage des données en ensembles d'apprentissage et de test a été créé par la méthode d'analyse en composantes principales (ACP)59. Selon l'analyse PCA, pour tous les jeux de données, les jeux de test doivent être choisis de manière à contenir de nouvelles structures par rapport à la rame.

Concernant les jeux de données no. (3) et non. (4), toutes les données connexes d'une structure de HBD (c'est-à-dire le diéthylène glycol) ont été mises de côté dans l'ensemble de test en raison du manque de variations structurelles. Contrairement aux jeux de données no. (3) et non. (4), il convient d'ajouter que toutes les données liées de deux structures de HBD (c'est-à-dire l'alcool furfurylique et le diéthylène glycol) ont été considérées comme l'ensemble de test pour les autres ensembles de données (c'est-à-dire (5)–(10)). Il convient d'ajouter que tous les points de données disponibles dans les deux ensembles de données restants (c'est-à-dire n° (11) et (12)) ont été pris en compte uniquement pour une validation externe ultérieure. Ensuite, il a été essayé de choisir le descripteur moléculaire le plus approprié de HBD comme Eq. (3) pour les ensembles de données à température fixe et Eq. (4) pour les ensembles de données de température non fixes. Comme le montre le tableau 2, les modèles obtenus avec une ou deux variables et une, deux ou trois variables ont été présentés pour des ensembles de données de température fixes et non fixes, respectivement. Le descripteur apparu dans chaque modèle QSPR développé était le même (c'est-à-dire "EEig02d"). Les valeurs des paramètres statistiques pour les modèles fixes ou non fixes sont données dans le tableau 3 pour les ensembles d'entraînement et de test.

Selon le tableau 3, la capacité de prédiction des modèles développés à deux variables (c'est-à-dire ln(P) et "EEig02d"), qui prennent en compte l'effet des structures HBD (c'est-à-dire les équations (12), (14), (16), (18), (20), (22), (24) et (26)), est supérieure par rapport aux modèles à une variable (c'est-à-dire ln(P)) (c'est-à-dire les équations (11), (13), (15), (17), ( 19), (21), (23) et (25)) en tenant compte des ensembles de données de température fixe. De plus, les modèles à une variable (c'est-à-dire ln(P)) et à deux variables (c'est-à-dire ln(P) et T) (c'est-à-dire les équations (5), (6), (8), (9)) ne sont pas appropriés pour les ensembles de données de température non fixes car ils ne peuvent pas prendre en compte l'effet de la structure HBD sur la solubilité du CO2. Ensuite, il est essentiel d'ajouter une variable moléculaire avec d'autres variables pour distinguer l'effet des différentes structures des HBD sur la solubilité du CO2 (Eqs. (7) et (10)). On peut conclure que la prise en compte de l'effet de la structure HBD à l'aide du descripteur "EEig02d" a considérablement amélioré l'estimation de la solubilité du CO2. Il convient de mentionner que les valeurs des paramètres statistiques dans l'échelle non logarithmique ont été rapportées avec l'échelle logarithmique dans le tableau 3.

Les valeurs expérimentales par rapport aux valeurs prédites de la solubilité du CO2 sont présentées dans les Fig. 1 et 2 pour le jeu de données no. (1) avec température variable et dataset no. (5) à température fixe, respectivement. Ces chiffres pour d'autres ensembles de données peuvent être trouvés dans le fichier d'informations complémentaires (Figs. S4a–S13a).

Valeurs prédites par rapport aux valeurs expérimentales de la solubilité du CO2 pour l'ensemble de données de températures non fixées (c'est-à-dire l'ensemble de données n ° (1)) en utilisant (a) Eq. (5) et (b) Éq. (7).

Valeurs prédites par rapport aux valeurs expérimentales de la solubilité du CO2 pour un ensemble de données à température fixe (c'est-à-dire l'ensemble de données n° (5)) en utilisant (a) Eq. (15) et (b) Éq. (16).

Comme on peut le voir sur les Fig. 1a et 2a, la capacité de prédiction des modèles utilisant les équations. (5) et (15) n'est pas acceptable car ces modèles ne considèrent que l'effet de la pression sur la solubilité du CO2. Cependant, selon les Fig. 1b et 2b, en tenant compte de l'effet structurel HBD dans les équations. (7) et (16) conduisent à une amélioration considérable de l'estimation de la solubilité du CO2 pour les ensembles de train et de test.

Les figures 3a et 4a montrent les valeurs expérimentales par rapport aux valeurs résiduelles de solubilité du CO2 pour l'ensemble de données no. (1) en utilisant l'éq. (7) et jeu de données no. (5) en utilisant l'éq. (16), respectivement. Comme on peut l'observer, une distribution normale des valeurs résiduelles pour les données d'entraînement et d'essai est obtenue. Les figures 3b et 4b montrent l'erreur standard par rapport aux valeurs de levier (c'est-à-dire le diagramme de William) pour l'ensemble de données no. (1) avec température variable et dataset no. (5) à température fixe. Comme on peut le constater, il n'y a pas de données aberrantes pour ces ensembles de données. Ces chiffres permettent d'identifier le domaine d'applicabilité des modèles construits. Des chiffres supplémentaires correspondant aux ensembles de données restants sont disponibles dans le fichier supplémentaire (parties b et c des figures S4 à S13a).

Résidus par rapport aux valeurs expérimentales de la solubilité du CO2 (a) et Résidus standard par rapport à l'effet de levier (b) pour l'ensemble de données de températures non fixées (ensemble de données n° (1)) à l'aide de l'équation. (7).

Résidus par rapport aux valeurs expérimentales de la solubilité du CO2 (a) et Résidus standard par rapport à l'effet de levier (b) pour l'ensemble de données à température fixe (ensemble de données n° (5)) à l'aide de l'équation. (16).

Selon les modèles développés, le descripteur "EEig02d" est la variable structurelle appropriée pour la prédiction de la solubilité du CO2. Il est clair que le descripteur "EEig02d" est apparu dans tous les modèles, on peut donc conclure qu'il n'a pas été sélectionné au hasard. Les valeurs de la solubilité du CO2 prévue par les modèles QSPR mentionnés dans le tableau 2 pour chaque point de données de tous les ensembles de données sont disponibles dans le fichier Excel de support. Le tableau 3 présente le résultat de l'examen statistique des modèles construits. Comme on peut l'observer dans le tableau 3, les modèles incluant le descripteur EEig02d, ont montré les meilleurs paramètres statistiques dans les échelles logarithmiques et non logarithmiques en tenant compte des validations internes et externes.

Afin d'étudier l'applicabilité des modèles de température non fixes à de nouvelles températures et pressions, les jeux de données no. (11) et (12) ont été utilisés. En d'autres termes, ces ensembles de données contiennent de nouveaux DBC (c'est-à-dire le glycérol dans l'ensemble de données n° (11) et l'urée et l'éthylène glycol dans l'ensemble de données n° (12)). De plus, les deux ensembles de données ont de nouvelles températures (c'est-à-dire 298 et 333 K) et des pressions (c'est-à-dire 10 bar) qui étaient différentes en comparant les ensembles de données no. (1) et (2) appliqués pour le développement du modèle. Selon la figure S14 dans le fichier de mots supplémentaire, tous les points de données de ces deux nouveaux ensembles de données étaient sous le contrôle de l'applicabilité. Par conséquent, l'équation. (7) et (10) pour le jeu de données no. (11) et (12) peuvent être appliqués, respectivement. La figure 5 montre les valeurs expérimentales par rapport aux valeurs prédites de la solubilité du CO2 pour l'ensemble de données no. (11) en utilisant l'éq. (7) et jeu de données no. (12) en utilisant l'éq. (10), respectivement. Étonnamment, les modèles proposés ont montré une très bonne capacité de prédiction de la solubilité à basse pression (c'est-à-dire une faible solubilité). À haute pression (c'est-à-dire à haute solubilité), la prédiction de la solubilité montre un écart acceptable, ce qui confirme la robustesse et l'applicabilité des modèles à différentes températures et pressions même pour de nouvelles structures.

Valeurs prédites par rapport aux valeurs expérimentales de la solubilité du CO2 pour (a) l'ensemble de données no. (11)) en utilisant l'équation. (7) et (b) ensemble de données no. (12) Éq. (dix).

Il doit être prouvé que le descripteur sélectionné présente les meilleures performances pour la prédiction de la solubilité du CO2. À cet égard, certains sous-ensembles de données ont été sélectionnés au hasard parmi les ensembles de données no. (1) et (2) de telle sorte que dans chaque sous-ensemble de données, la température, la pression et le rapport molaire étaient presque constants et seule la structure des DBC était variable. Ensuite, certains modèles à une seule variable (ie, descripteur structurel) ont été développés et comparés statistiquement. Par exemple, la figure 6 montre les valeurs de R2 et Q2 pour l'un de ces sous-ensembles de données constitués de données avec une pression d'environ 5 bar, une température de 313 K et un rapport molaire HBA à HBD de 1:4. Les chiffres correspondant aux autres sous-ensembles de données sont indiqués dans le fichier de mots supplémentaires.

R2 et Q2 pour le sous-ensemble de données avec P = 5 bar, T = 313 K et rapport molaire 1:4.

Comme il ressort clairement de la Fig. 6 et de la Fig. S15, il existe plusieurs modèles dont les paramètres statistiques satisfont au critère de Golbraikh (R2 > 0,6 et Q2 > 0,5)60. Les valeurs des descripteurs avec des paramètres statistiques acceptables sont indiquées dans le tableau 4. Les valeurs de certains descripteurs (c'est-à-dire H6m et RDF065u) sont nulles pour plusieurs DBC. Cela signifie que ces descripteurs ne sont pas appropriés pour le développement du modèle car ces descripteurs ne peuvent pas faire la distinction entre certaines structures. En dehors de ce point, il est évident qu'il est préférable de choisir un descripteur non seulement répété dans tous les sous-ensembles de données, mais ayant des paramètres statistiques acceptables. Par conséquent, il est confirmé que le descripteur sélectionné (c'est-à-dire EEig02d) est un descripteur moléculaire approprié dans les modèles développés.

Après le développement du modèle, le descripteur moléculaire qui est apparu dans les modèles QSPR (c'est-à-dire "EEig02d") doit être interprété pour expliquer pourquoi il est lié à la solubilité du CO2 dans les DES. Le descripteur "EEig02d", développé par Estrada et al.58,61, correspond à la deuxième valeur propre de la matrice d'adjacence des bords de la molécule, qui est pondérée par les moments dipolaires des atomes. La matrice d'adjacence des arêtes est obtenue grâce à un graphe moléculaire appauvri en hydrogène, un graphe dont les nœuds sont liés aux atomes de la molécule et les arêtes sont liées aux liaisons chimiques. Les graphiques moléculaires sont convertis en expression mathématique comme des matrices pour corréler quantitativement la structure et les propriétés. La matrice d'adjacence des arêtes (EA(G)) d'un graphe G est définie comme suit62 :

Pour la matrice d'adjacence d'un graphe pondéré, Eq. (27) doit être modifié comme Ref.62 :

où ei et ej sont les liaisons chimiques, et K les poids des arêtes.

Le tableau 5 montre les valeurs de EEig02d ainsi que le volume molaire et la structure moléculaire de tous les HBD impliqués dans les ensembles de données. Il convient de mentionner que le descripteur EEig02d peut être lié au volume molaire de la molécule58.

Il est plausible que les valeurs de l'EEig02d augmentent en augmentant la longueur de la chaîne alkyle du HBD. Par exemple, la valeur de EEig02d pour le 1,2-propanediol avec trois carbones dans sa chaîne alkyle et le 1,4-butanediol et le 2,3-butanediol avec quatre carbones dans leurs chaînes alkyle sont respectivement de 1,054 et 1,519. On observe également que la présence du groupe éther augmente également la valeur du descripteur EEig02d. À cet égard, les valeurs de l'EEig02d pour le gaïacol sont plus élevées par rapport au phénol (1,983 contre 1,521), en raison de la présence du groupe éther dans la structure du gaïacol. Il convient de noter que l'augmentation de la longueur de la chaîne alkyle entraîne une augmentation du volume moléculaire libre dans les DES. De plus, la présence de groupes éther augmente la flexibilité de la chaîne alkyle et conduit ainsi à une augmentation du volume libre, et par conséquent améliore la solubilité du CO2 dans le DES en raison de la nature physique de l'absorption (mécanisme de volume libre)16,20.

De plus, selon Li et al.24, l'augmentation de pression et de température a un effet positif et négatif sur la solubilité du CO2, respectivement. Ces résultats sont cohérents avec les modèles développés indiqués dans le tableau 2 puisque EEig02d et la pression sont apparus avec un signe positif, et la température est apparue avec un signe négatif. L'amélioration de la solubilité du CO2 en augmentant la longueur du groupe de la chaîne alkyle a également été démontrée par des travaux expérimentaux.

Dans la présente étude, l'approche QSPR a été utilisée pour développer des modèles linéaires pour prédire la solubilité du CO2 dans les DES. L'objectif principal était d'étudier l'effet de la structure des HBD sur la solubilité du CO2 dans les DES à base de ChCl. Les principales constatations sont les suivantes :

Il convient de noter que le même descripteur (c'est-à-dire EEig02d) avec ln(P) est apparu dans tous les modèles développés, indépendamment de l'effet de la température. Il a été constaté que le descripteur EEig02d est lié au volume molaire et au moment dipolaire d'une molécule. L'examen des modèles a indiqué que la solubilité augmente avec l'augmentation des valeurs du descripteur EEig02d car il existe une relation directe entre l'absorption physique et le volume libre de la molécule.

Deux modèles généraux de rapports molaires HBA à HBD égaux à 1: 3 et 1: 4 ont été construits par la combinaison de ln (P), T et EEig02d comme variable de description structurelle pour prédire la solubilité du CO2 dans les DES à base de ChCl à n'importe quelle température souhaitée. Ces modèles ont été examinés par une validation externe supplémentaire à l'aide de deux ensembles de données supplémentaires contenant de nouvelles structures HBD.

Cette étude a fourni des modèles QSPR fiables et simples pour prédire la solubilité du CO2 dans les DES à base de ChCl, qui peuvent être appliqués dans le criblage préliminaire des DES dans les procédés PCC.

Il doit être justifié que "Toutes les données générées ou analysées au cours de cette étude sont incluses dans cet article publié [et ses fichiers d'informations complémentaires]".

Aizebeokhai, AP Réchauffement planétaire et changement climatique : Réalités, incertitudes et mesures. Int. J.Phys. Sci. 4(13), 868–879 (2009).

CAS Google Scholar

Ghannadzadeh, A. & Meymivand, A. Évaluation de la durabilité environnementale d'un processus de production d'oxyde d'éthylène par la demande exergétique cumulative et ReCiPe. Technologie propre. Environ. Politique 21(9), 1765-1777 (2019).

Article CAS Google Scholar

Kussainova, D. & Shah, D. DESS à base de monoéthanolamine pour l'absorption du CO2 : aperçus des simulations de dynamique moléculaire. Sept. Purif. Technol. 231, 115931 (2020).

Article CAS Google Scholar

Torkashvand, A., Ramezanipour Penchah, H. & Ghaemi, A. Exploration du comportement d'adsorption du CO2 par un adsorbant polymère hyperréticulé à base de carbazole à l'aide d'un apprentissage en profondeur et d'une méthodologie de surface de réponse. Int. J. Environ. Sci. Technol. https://doi.org/10.1007/s13762-022-04122-x (2022).

Article Google Scholar

Rubin, ES, Davison, JE & Herzog, HJ Le coût du captage et du stockage du CO2. Int. J. Greenh. Contrôle des gaz 40, 378–400 (2015).

Article CAS Google Scholar

Pires, J., Martins, F., Alvim-Ferraz, M. & Simões, M. Développements récents sur la capture et le stockage du carbone : un aperçu. Chim. Ing. Rés. Dés. 89(9), 1446-1460 (2011).

Article CAS Google Scholar

Olajire, AA Technologies de captage et de séparation du CO2 pour les applications en bout de ligne—Un examen. Énergie 35(6), 2610–2628 (2010).

Article CAS Google Scholar

Resnik, KP, Yeh, JT & Pennline, HW Procédé à l'ammoniac aqua pour l'élimination simultanée de CO2, SO2 et NOx. Int. J. Environ. Technol. Géré. 4(1–2), 89–104 (2004).

Article CAS Google Scholar

Yu, C.-H., Huang, C.-H. & Tan, C.-S. Revue du captage du CO2 par absorption et adsorption. Aérosol Air Qual. Rés. 12(5), 745–769 (2012).

Article CAS Google Scholar

Abbott, AP, Boothby, D., Capper, G., Davies, DL & Rasheed, RK Solvants eutectiques profonds formés entre le chlorure de choline et les acides carboxyliques : alternatives polyvalentes aux liquides ioniques. Confiture. Chim. Soc. 126(29), 9142–9147 (2004).

Article CAS PubMed Google Scholar

AP Abbott, G. Capper, DL Davies, HL Munro, RK Rasheed et V. Tambyrajah, « Préparation de nouveaux liquides ioniques acides de Lewis, stables à l'humidité, contenant des sels d'ammonium quaternaire avec des chaînes latérales fonctionnelles. b1/b106357j. Chemical Communications, n° 19, pages 2010-2011, 2001.

Abbott, AP, Capper, G., Davies, DL, Rasheed, RK & Tambyrajah, V. Nouvelles propriétés de solvant des mélanges chlorure de choline/urée. Chim. Commun. 1, 70–71 (2003).

Article Google Scholar

Huang, J. & Rüther, T. Pourquoi les liquides ioniques sont-ils attractifs pour l'absorption du CO2 ? Un aperçu. Aust. J. Chem. 62(4), 298–308 (2009).

Article CAS Google Scholar

Zhang, X. et al. Captage du carbone avec des liquides ioniques : aperçu et état d'avancement. Énergie Environ. Sci. 5(5), 6668–6681 (2012).

Article CAS Google Scholar

Wang, C. et al. Les stratégies d'amélioration de la chimisorption du dioxyde de carbone par des liquides ioniques fonctionnalisés. RSC Adv. 3(36), 15518–15527 (2013).

Article ADS CAS Google Scholar

Sarmad, S., Mikkola, JP & Ji, X. Capture du dioxyde de carbone avec des liquides ioniques et des solvants eutectiques profonds : une nouvelle génération de sorbants. Chemsuschem 10(2), 324–352 (2017).

Article CAS PubMed Google Scholar

Hayyan, M. et al. Les solvants eutectiques profonds sont-ils bénins ou toxiques ?. Chimiosphère 90(7), 2193–2195 (2013).

Article ADS CAS PubMed Google Scholar

Carriazo, D., Serrano, MC, Gutiérrez, MC, Ferrer, ML & del Monte, F. Solvants eutectiques profonds jouant de multiples rôles dans la synthèse des polymères et des matériaux associés. Chim. Soc. Rév. 41(14), 4996–5014 (2012).

Article CAS PubMed Google Scholar

Zhang, Q., Vigier, KDO, Royer, S. & Jérôme, F. Solvants eutectiques profonds : synthèses, propriétés et applications. Chim. Soc. Rév. 41(21), 7108–7146 (2012).

Article CAS PubMed Google Scholar

Sarmad, S., Xie, Y., Mikkola, J.-P. & Ji, X. Criblage de solvants eutectiques profonds (DES) en tant que sorbants de CO 2 verts : de la solubilité à la viscosité. New J. Chem. 41(1), 290–301 (2017).

Article CAS Google Scholar

Shekaari, H., Zafarani-Moattar, MT et Mohammadi, B. Équilibres liquide-liquide pour les solvants eutectiques profonds benzène/thiophène + cyclohexane/hexadécane + : données et corrélation. J. Chem. Ing. Données 64(9), 3904–3918.

Article CAS Google Scholar

Balali, M., Sobati, MA & Gorji, AE Modélisation QSPR de la distribution du thiophène entre le solvant eutectique profond (DES) et les phases hydrocarbonées : effet de la structure du donneur de liaison hydrogène (HBD). J. Mol. Liquide. Rév.342, 117496 (2021).

Article CAS Google Scholar

Tang, B., Zhang, H. & Row, KH Application de solvants eutectiques profonds dans l'extraction et la séparation de composés cibles à partir de divers échantillons. J. Sep. Sci. 38(6), 1053–1064 (2015).

Article CAS PubMed Google Scholar

Li, X., Hou, M., Han, B., Wang, X. & Zou, L. Solubilité du CO2 dans un mélange eutectique chlorure de choline + urée. J. Chem. Ing. Données 53(2), 548–550 (2008).

Article CAS Google Scholar

Li, G., Deng, D., Chen, Y., Shan, H. & Ai, N. Solubilités et propriétés thermodynamiques du CO2 dans les solvants eutectiques profonds à base de chlorure de choline. J. Chem. Thermodyn. 75, 58-62 (2014).

Article CAS Google Scholar

Leron, RB, Caparanga, A. & Li, M.-H. Solubilité du dioxyde de carbone dans un solvant eutectique profond à base de chlorure de choline et d'urée à T = 303,15–343,15 K et à des pressions modérées. J. Taïwan Inst. Chim. Ing. 44(6), 879–885 (2013).

Article CAS Google Scholar

Leron, RB & Li, M.-H. Solubilité du dioxyde de carbone dans un mélange eutectique de chlorure de choline et de glycérol à des pressions modérées. J. Chem. Thermodyn. 57, 131-136 (2013).

Article CAS Google Scholar

Leron, RB & Li, M.-H. Solubilité du dioxyde de carbone dans un solvant eutectique profond à base de chlorure de choline et d'éthylène glycol. Thermochim. Acta 551, 14–19 (2013).

Article ADS CAS Google Scholar

Chen, Y. et al. Solubilités du dioxyde de carbone dans les mélanges eutectiques de chlorure de choline et d'alcools dihydriques. J. Chem. Ing. Données 59(4), 1247–1253 (2014).

Article CAS Google Scholar

Lu, M. et al. Solubilités du dioxyde de carbone dans le mélange eutectique d'acide lévulinique (ou alcool furfurylique) et de chlorure de choline. J. Chem. Thermodyn. 88, 72-77 (2015).

Article CAS Google Scholar

Wazeer, I., Hadj-Kali, MK & Al-Nashef, IM Utilisation de solvants eutectiques profonds pour réduire le rejet de gaz dangereux dans l'atmosphère : un examen critique. Molécules 26(1), 75 (2021).

Article CAS Google Scholar

Hansen, BB et al. Solvants eutectiques profonds : un examen des principes fondamentaux et des applications. Chim. Rév.121(3), 1232-1285 (2020).

Article PubMed Google Scholar

Lemaoui, T. et al. Prédiction de la conductivité électrique des solvants eutectiques profonds à l'aide des profils COSMO-RS sigma comme descripteurs moléculaires : une étude quantitative de la relation structure-propriété. Ing. ind. Chim. Rés. 59(29), 13343–13354 (2020).

Article CAS Google Scholar

Lemaoui, T. et al. Relation quantitative des propriétés de la structure pour les solvants eutectiques profonds utilisant le profil Sσ comme descripteurs moléculaires. J. Mol. Liquide. 309, 113165 (2020).

Article CAS Google Scholar

Ali, E. et al. Solubilité du CO2 dans les solvants eutectiques profonds : expérimentations et modélisation à l'aide de l'équation d'état de Peng-Robinson. Chim. Ing. Rés. Dés. 92(10), 1898-1906 (2014).

Article CAS Google Scholar

Mirza, NR et al. Expériences et modélisation thermodynamique de la solubilité du dioxyde de carbone dans trois différents solvants eutectiques profonds (DES). J. Chem. Ing. Données 60(11), 3246–3252 (2015).

Article CAS Google Scholar

García, G., Atilhan, M. & Aparicio, S. Une étude théorique sur l'atténuation du CO2 par des solvants eutectiques profonds avancés. Int. J. Greenh. Contrôle des gaz 39, 62–73 (2015).

Article Google Scholar

Ullah, R. et al. Une étude détaillée du système de solvant eutectique profond de chlorure de cholinium et d'acide lévulinique pour la capture du CO 2 via des approches expérimentales et de simulation moléculaire. Phys. Chim. Chim. Phys. 17(32), 20941–20960 (2015).

Article CAS PubMed Google Scholar

Altamash, T. et al. Solubilité des gaz et comportement rhéologique des solvants eutectiques profonds naturels (NADES) via des techniques combinées expérimentales et de simulation moléculaire. ChemistrySelect 2(24), 7278–7295 (2017).

Article CAS Google Scholar

Garcia, G., Atilhan, M. & Aparicio, S. Propriétés interfaciales des solvants eutectiques profonds concernant la capture du CO2. J.Phys. Chim. C 119(37), 21413–21425 (2015).

Article CAS Google Scholar

Zubeir, LF, Held, C., Sadowski, G. & Kroon, MC Modélisation PC-SAFT des solubilités du CO2 dans les solvants eutectiques profonds. J.Phys. Chim. B 120(9), 2300–2310 (2016).

Article CAS PubMed Google Scholar

Kamgar, A., Mohsenpour, S. & Esmaeilzadeh, F. Prévision de la solubilité du CO2, CH4, H2, CO et N2 dans le chlorure de choline/urée en tant que solvant eutectique à l'aide des modèles NRTL et COSMO-RS. J. Mol. Liquide. 247, 70–74 (2017).

Article CAS Google Scholar

Alioui, O., Benguerba, Y. & Alnashef, IM Etude de la solubilité du CO2 dans des solvants eutectiques profonds à l'aide de COSMO-RS et de méthodes de dynamique moléculaire. J. Mol. Liquide. 307, 113005 (2020).

Article CAS Google Scholar

Liu, Y. et al. Criblage de solvants eutectiques profonds pour la capture de CO2 avec COSMO-RS. Devant. Chim. 8, 82 (2020).

Article ADS PubMed PubMed Central Google Scholar

Wang, J. et al. Prédiction de la solubilité du CO2 dans les solvants eutectiques profonds à l'aide d'un modèle de forêt aléatoire basé sur des descripteurs dérivés de COSMO-RS. Chimie Verte. Ing. 2(4), 431–440 (2021).

Article Google Scholar

Kumar, P., Kumar, A., Sindhu, J. & Lal, S. Quasi-SMILES comme base pour le développement de modèles QSPR pour prédire la capacité de capture de CO2 des solvants eutectiques profonds en utilisant l'indice d'intensité de corrélation et la modélisation consensuelle. Carburant 345, 128237 (2023).

Article CAS Google Scholar

Halder, AK, Ambure, P., Perez-Castillo, Y. & Cordeiro, MND Transformer les solvants eutectiques profonds en produits à valeur ajoutée pour la capture du CO2 : une étude de sélection virtuelle basée sur la désirabilité. J. CO2 Util. 58, 101926 (2022).

Article CAS Google Scholar

Alizadeh, V., Esser, L. & Kirchner, B. Comment le CO2 est-il absorbé dans un solvant eutectique profond ?. J. Chem. Phys. 154(9), 094503 (2021).

Article ADS CAS PubMed Google Scholar

Haider, MB, Jha, D., Marriyappan Sivagnanam, B. & Kumar, R. Études thermodynamiques et cinétiques de la capture de CO2 par des solvants eutectiques profonds à base de glycol et d'amine. J. Chem. Ing. Données 63(8), 2671–2680 (2018).

Article CAS Google Scholar

Liu, X., Gao, B., Jiang, Y., Ai, N. & Deng, D. Solubilités et propriétés thermodynamiques du dioxyde de carbone dans des solvants eutectiques profonds à base de gaïacol. J. Chem. Ing. Données 62(4), 1448–1455 (2017).

Article CAS Google Scholar

Nielsen, A. & Holder, A. Gauss vue 5.0, Référence de l'utilisateur (GAUSSIAN Inc., 2009).

Google Scholar

MJ Frisch, AB Nielsen et A. Frisch, Gaussian 98. U. Référence de l'utilisateur. Gaussian Incorporated, 1998.

R. Todeschini, V. Consonni, A. Mauri et M. Pavan, "DRAGON version 6, Talete srl, Milan, Italie," ed, 2011.

Shahlaei, M. Méthodes de sélection des descripteurs dans les études quantitatives sur les relations structure-activité : une étude de synthèse. Chim. Rév. 113(10), 8093–8103 (2013).

Article CAS PubMed Google Scholar

Haupt, RL & Haupt, SE Algorithmes génétiques pratiques (Wiley, 2004).

MATH Google Scholar

J. Holland, M. Mahajan, S. Kumar et R. Porwal, "Adaptation in Natural and Artificial Systems, the University of Michigan Press, Ann Arbor, MI. 1975," dans Application d'un algorithme génétique pour augmenter l'efficacité d'une approche de génération de données de test basée sur le flux de données, 1975, pp. 1–5.

Gramatica, P., Chirico, N., Papa, E., Cassani, S. & Kovarich, S. QSARINS : Un nouveau logiciel pour le développement, l'analyse et la validation des modèles QSAR MLR. J. Comput. Chim. https://doi.org/10.1002/jcc.23361 (2013).

Article PubMed Google Scholar

Estrada, relations de contiguïté E. Edge et un nouvel indice topologique lié au volume moléculaire. J. Chem. Inf. Calcul. Sci. 35(1), 31–33 (1995).

Article CAS Google Scholar

Jolliffe, Analyse en composantes principales des technologies de l'information pour des types particuliers de données (Springer, 2002).

Google Scholar

Golbraikh, A. & Tropsha, A. Méfiez-vous de q2 !. J. Mol. Graphique. Modèle. 20(4), 269-276 (2002).

Article CAS PubMed Google Scholar

Estrada, E. Relations de contiguïté des bords dans les graphes moléculaires contenant des hétéroatomes : un nouvel indice topologique lié au volume molaire. J. Chem. Inf. Calcul. Sci. 35(4), 701–707 (1995).

Article CAS Google Scholar

B. Mishra, « Caractéristiques moléculaires (graphiques) de certains hydrocarbures par la théorie des graphes », technique Rapport. (Cité à la page 67.).

Télécharger les références

École de génie chimique, Université iranienne des sciences et technologies (IUST), Téhéran, Iran

Farnoosh Dehkordi, Mohammad Amin Sobati et Ali Ebrahimpoor Gorji

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

FD : Enquête ; Méthodologie; Analyse formelle ; Logiciel; Rédaction—Brouillon original ; Visualisation. MAS : Conceptualisation ; Surveillance; Rédaction—Révision et édition ; Gestion de projet ; Validation. AEG : Analyse formelle ; Logiciel; Rédaction—Brouillon original ; Visualisation.

Correspondance à Mohammad Amin Sobati.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui autorise l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Dehkordi, F., Sobati, MA & Gorji, AE Nouveaux modèles basés sur la structure moléculaire pour l'estimation de la solubilité du CO2 dans différents solvants eutectiques profonds (DES) à base de chlorure de choline. Sci Rep 13, 8495 (2023). https://doi.org/10.1038/s41598-023-35747-8

Télécharger la citation

Reçu : 26 novembre 2022

Accepté : 23 mai 2023

Publié: 25 mai 2023

DOI : https://doi.org/10.1038/s41598-023-35747-8

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.