Мембрана DUCKY улучшит процесс дистилляции нефти

Ученые из США и Великобритании разработали мембрану DUCKY, способную улучшить процессы дистилляции на нефтеперерабатывающих заводах, на долю которых приходится 1% мирового потребления энергии, сообщает Технологический институт Джорджии. Новую технологию, описанную в журнале Nature Materials, можно применять в производстве как биотоплива и биоразлагаемых пластиков, так и целлюлозно-бумажной продукции.

Нефть в сыром виде включает в себя тысячи соединений, которые необходимо переработать и очистить, чтобы получить полезные материалы — газ и другое топливо, а также пластмассы, текстиль, пищевые добавки, медицинские товары и многое другое. Производство такого «чистого» материала состоит из десятков этапов и начинается с дистилляции — водо- и энергоемкого процесса.

Исследователи попытались разработать мембраны, которые выполняли бы эту работу, отфильтровывая нужные молекулы. Преимущество мембран состоит в том, что они не используют тепло или горение, а работают на электричестве. DUCKY ученые сделали из нового семейства полимеров. Эти полимеры состоят из спироциклических мономеров, которые собираются вместе в цепочки с множеством поворотов на 90 градусов, образуя извилистый материал, который образует поры, пропускающие нужные молекулы. Эти полимеры не жесткие, а это значит, что их легче производить в больших количествах. Также они гибкие и подвижные, что позволяет порам правильной фильтрующей структуры то появляться, то исчезать.

Полимеры DUCKY создаются в результате химической реакции CuAAC, которую легко воспроизводить в промышленных масштабах. Она относится к реакциям, известным как клик-химия.

По отдельности, отмечают ученые, ключевые характеристики полимерных мембран не новы. Но именно их уникальное сочетание позволило получить новую эффективную мембрану.

Чтобы понять, какой должна быть мембрана, какие у нее свойства и как она будет работать, ученые использовали модели искусственного интеллекта. Они помогают быстрее разрабатывать новые мембраны с нужными характеристиками. Как и какие алгоритмы машинного обучения примеряли для разработки мембран, ученые описали в статье, опубликованной в журнале Nature Communications.