Direct simulation results for stationary gas transport through pure silica zeolite membranes (MFI, LTA and DDR types) are presented using a hybrid, non-equilibrium molecular dynamics simulation methodology introduced recently. The intermolecular potential models for the investigated CH$_{4}$ and H$_{2}$ gases were taken from literature. For different zeolites, the same atomic (Si and O) interaction parameters were used, and the membranes were constructed according to their real (MFI, LTA, or DDR) crystal structures. A realistic nature of the applied potential parameters was tested by performing equilibrium adsorption simulations and by comparing the calculated results with the data of experimental adsorption isotherms. The results of transport simulations carried out at 25$^0$C and 125$^0$C, and at 2.5, 5 or 10 bar clearly show that the permeation selectivities of CH$_{4}$ are higher than the corresponding permeability ratios of pure components, and significantly differ from the equilibrium selectivities in mixture adsorptions. We experienced a transport selectivity in favor of CH$_{4}$ in only one case. A large discrepancy between different types of selectivity data can be attributed to dissimilar mobilities of the components in a membrane, their dependence on the loading of a membrane, and the unlike adsorption preferences of the gas molecules.


翻译:利用混合、非平衡分子分子动态模拟方法,最近采用了混合、非平衡分子动态模拟法,从文献中提取了被调查的CH$4美元和H$2美元气体的中间分子潜在模型;不同的热热量,使用了同样的原子(Si和O)互动参数,并根据其实际(MFI、LTA或DDR)晶体结构建造了膜膜;通过均衡吸附模拟和将计算的结果与实验吸附数据进行比较,对应用的潜在参数的现实性质进行了测试;对被调查的CH$4美元和H$2美元气体的中间分子潜在模型进行了取自文献的中间模型;对不同的热量、2美元和2美元、5美元或10巴明确显示,同样的原子(Si和O)互动参数高于纯成分的相应渗透率比率,并且与混合物吸附的平衡度有很大差异。 在高比例的化学-4BA类中,我们得到的运输偏向性偏向性数据。

0
下载
关闭预览

相关内容

生产能够跟 iPod iPad iPhone 设备兼容的产品必须事先获得 MFi 授权。 > Join the MFi licensing program and get the hardware components, tools, documentation, technical support, and certification logos needed to create AirPlay audio accessories and electronic accessories that connect to iPod, iPhone, and iPad.

via MFi Program - Apple Developer
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Nature 一周论文导读 | 2019 年 5 月 30 日
科研圈
15+阅读 · 2019年6月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Revealing the Dark Secrets of BERT
Arxiv
4+阅读 · 2019年9月11日
Accelerated Methods for Deep Reinforcement Learning
Arxiv
6+阅读 · 2019年1月10日
Arxiv
6+阅读 · 2018年4月24日
Arxiv
6+阅读 · 2018年3月28日
Arxiv
4+阅读 · 2018年2月13日
VIP会员
相关资讯
Nature 一周论文导读 | 2019 年 5 月 30 日
科研圈
15+阅读 · 2019年6月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员