项目名称: 新型含氟有机萃取剂的高效合成及其在锂同位素分离中的应用

项目编号: No.21302206

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 数理科学和化学

项目作者: 张伟

作者单位: 中国科学院上海有机化学研究所

项目金额: 25万元

中文摘要: 锂元素的两种天然同位素Li-7和L-6i是非常重要的能源材料和战略资源,如Li-6是核聚变堆中的燃料,Li-7是必不可少的熔盐冷却剂。然而,锂同位素分离仅有的汞齐法工艺毒性非常大、维护成本高。因此,开发新型的有机萃取剂,即通过合成特殊的有机分子,筛选出用于特定锂同位素分离的萃取剂,是十分重要的研究课题。 本项目将在已有的萃取剂基础上,结合有机氟化学的特色,巧妙地设计含氟有机萃取剂,通过高效地引入含氟基团,合成新型的含氟锂同位素萃取剂。含氟基团的引入,将会调节锂原子的配位环境和改变锂氧键的力常数,因而会提高萃取剂的萃取能力和同位素分离能力,同时含氟萃取剂还具有化学稳定性好和油溶性好的特点。因此,设计和合成出新型的含氟萃取剂,筛选优化得到萃取能力强、分离系数高的含氟分子结构,将是一项有意义的工作,势必会在锂同位素分离中发挥重要作用。

中文关键词: 氟化学;有机萃取剂;锂同位素分离;合成;

英文摘要: The lithium element has two natural isotopes: Li-7 and Li-6, and both of them are very important energy materials and strategic resources. Li-6 is the nuclear fusion fuel, and Li-7 is the essential molten salt coolant. However, only lithium amalgam process was used for lithium isotope separation, which is very toxicity and high maintenance costs. So, the development of new organic extractants, synthesis of special organic molecules, and screening out the specific extractants for lithium isotope separation, are very important research topics. This project will combine the characteristics of organic fluorine chemistry with traditional extractants. Through cleverly designing the structures of fluorinated organic extractants, and the efficient introduction of fluorine-containing groups, new fluorinated lithium isotopes extractants will be synthesized. The introduction of the fluorine-containing group will adjust the ligand environment of lithium atoms, and change the force constant of lithium-oxygen bond, which will increase the extraction ability of the extractant and isotope separation ability, while the fluorine-containing extractants also having a good chemical stability and oil solubility. Therefore, the design and synthesis of new fluorinated extractants, screening and obtaining the fluorinated extractants wi

英文关键词: fluoirne chemistry;organic extractants;lithium isotopes separation;synthesis;

成为VIP会员查看完整内容
0

相关内容

光声层析成像技术的最新进展
专知会员服务
11+阅读 · 2022年5月23日
人工智能到深度学习:药物发现的机器智能方法
专知会员服务
37+阅读 · 2022年5月6日
专知会员服务
43+阅读 · 2021年9月7日
专知会员服务
33+阅读 · 2021年5月7日
专知会员服务
26+阅读 · 2021年4月21日
专知会员服务
88+阅读 · 2020年8月2日
高效医疗图像分析的统一表示
专知会员服务
35+阅读 · 2020年6月23日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年5月27日
Arxiv
0+阅读 · 2022年5月26日
More Recent Advances in (Hyper)Graph Partitioning
Arxiv
0+阅读 · 2022年5月26日
Arxiv
0+阅读 · 2022年5月25日
小贴士
相关主题
相关VIP内容
光声层析成像技术的最新进展
专知会员服务
11+阅读 · 2022年5月23日
人工智能到深度学习:药物发现的机器智能方法
专知会员服务
37+阅读 · 2022年5月6日
专知会员服务
43+阅读 · 2021年9月7日
专知会员服务
33+阅读 · 2021年5月7日
专知会员服务
26+阅读 · 2021年4月21日
专知会员服务
88+阅读 · 2020年8月2日
高效医疗图像分析的统一表示
专知会员服务
35+阅读 · 2020年6月23日
微信扫码咨询专知VIP会员