さまざまな塩化コリンにおける CO2 溶解度を推定するための新しい分子構造ベースのモデル

Rapporti scientifici Volume 13,

Scientific Reports volume 13、記事番号: 8495 (2023) この記事を引用

311 アクセス

1 オルトメトリック

メトリクスの詳細

この研究では、さまざまな塩化コリンベースの深共晶溶媒 (DES) における CO2 の溶解度が、定量的構造特性関係 (QSPR) を使用して調査されました。これに関して、塩化コリン (ChCl) ベースの深共晶溶媒 (DES) 中の水素結合ドナー (HBD) のさまざまな構造の影響が、さまざまな温度および水素結合アクセプター (HBA) としての ChCl とさまざまなモル比で研究されています。 HBD。モデル開発のために、CO2 溶解度に関する 390 データを含む 12 の異なるデータセットが文献から選択されました。圧力と 1 つの構造記述子を含む 8 つの予測モデルが、固定温度 (つまり 293、303、313、または 323 K)、および ChCl と HBD のモル比が 1:3 または 1:3 に等しい一定で開発されました。 4. さらに、圧力、温度、HBD 構造の影響をモル比 1:3 または 1:4 で同時に考慮した 2 つのモデルも導入されました。 2 つの追加のデータセットは、新しい温度、圧力、および HBD 構造におけるこれら 2 つのモデルのさらなる外部検証のみに使用されました。 CO2 溶解度は HBD の「EEig02d」記述子に依存することが確認されました。「EEig02d」は、双極子モーメントによって重み付けされた分子のエッジ隣接行列から導出される分子記述子です。この記述子は、構造のモル体積にも関連します。非固定および固定温度データセットに対して提案されたモデルの統計的評価により、開発されたモデルの妥当性が確認されました。

CO2 などの温室効果ガスの大量排出は、「地球温暖化」と「気候変動」と呼ばれる 2 つの重大な世界的課題を引き起こしています1。過去 10 年間、大気中の CO2 ガスの存在は許容限界 (つまり 350 ppm) を超えています 2、3、4。したがって、大気中から CO2 ガスを除去するには多大な努力が必要です。二酸化炭素回収・貯留 (CCS) など、CO2 排出量を削減するための先進技術がいくつかあります。 CCS 技術は主に、前燃焼、後燃焼 (PCC)、および酸素燃焼 (酸素燃料) の 3 つのグループに分類されます。これらの方法のうち、ＰＣＣ方式がより実用的で経済的である。 (i) CO2 回収効率の向上、(ii) プロセスのコスト削減、(iii) CO2 貯留が環境的に持続可能であることの確保など、経済的、技術的、環境的、安全性に関するいくつかの課題を解決する必要がある6。 PCC 法で水性アルカノールアミン溶媒 (例: MEA) を適用することは、CO2 との反応性が高く、入手可能であり、低コストであり、粘度が低いため、一般的です。しかし、このような種類の溶剤の使用には、溶剤の大量損失、劣化、腐食、再生プロセス中の高エネルギー消費、環境問題、高額な再生コストなど、依然としていくつかの欠点があります7、8、9。その結果、CO2 回収プロセスには環境に優しく安価な新しい溶媒を開発することが不可欠です。

近年の研究では、さまざまな化学プロセスや工業プロセスにおいて従来の揮発性有機化合物（VOC）に代わるイオン液体（IL）や深共晶溶媒（DES）などの新規溶媒の開発にますます重点が置かれています10、11、12。

従来の CO2 捕捉溶媒 (アミンなど) と比較して、IL は低揮発性、高い熱安定性、優れた CO2 溶解度などの魅力的な固有特性により、より高い能力を備えています 13,14。 IL は CO2 の効率的な物理吸着剤であり、適切なカチオンとアニオンを選択することでその仕様を調整できることはよく知られています。これらの利点にもかかわらず、産業用途で CO2 回収に IL を使用することには、粘度が高い、合成と精製のプロセスが複雑で高価である、コストが高いなどのいくつかの欠点があります。いくつかの IL の毒性に関して懸念が高まっています 15。 DES として知られる新しい種類の溶媒があり、低コスト、低毒性、生分解性、調製の容易さ、精製の必要がないというさらなる利点があります 16。 DES は、水素結合供与体 (HBD) (カルボン酸、アミド、アミン、アルコール、金属ハロゲン化物など) と水素結合受容体 (HBA) (第 4 級ホスホニウム塩やアンモニウム塩など) を適切なモル比で混合することによって合成できます。。 DES の最も有望な特性は、構造の多様性です。 DES は、低い蒸気圧、高い熱的および化学的安定性、不燃性、幅広い調整可能性などの固有の利点により、かなりの注目を集めています 18,19。特に、コリンベースの DES は集中的に研究されています。コリンベースの DES は主に天然化合物で構成されているため、したがって、環境に有害な影響を及ぼしません。広く使用されているコリン塩の中でも、塩化コリン (ChCl) は、化石埋蔵量 (つまり石油) からの生成物または副産物から合成されるか、バイオマスから抽出される、無毒で生分解性で安価な材料です19。

DES の理論的および実験的研究は、CO2 回収 20、脱硫 21、22、分離プロセス 23 などのさまざまな用途で実施されています。文献には、さまざまな種類の DES における CO2 溶解度の測定に関するいくつかの実験研究があります。

最初の実験研究で、Li ら 24 は、さまざまな圧力 (0.85 〜 12.52 MPa)、温度 (313.15 〜 333.15 K)、およびモル比 (1:1.5、1:2、または1:2.5）。彼らの結果は、CO2 の溶解度は温度の上昇により減少し、圧力の増加により増加することを実証しました。さらに、モル比が DES 中の CO2 溶解度に大きな影響を与えることが確認されました。したがって、ChCl/尿素 (1:2) (いわゆるリラインシステム) は、ChCl/尿素モル比 1:1.5 および 1:2.5 の他の DES と比較して、より高い CO2 溶解度値を示しました。 Li ら 25 は、ChCl/フェノール (1:2、1:3、1:4)、ChCl/トリエチレングリコール (1:3 および 1:4)、および ChCl/ジエチレンを含む一連の ChCl ベースの DES も研究しました。グリコール (1:3 および 1:4)。 ChCl/トリエチレングリコール (1:4) への CO2 の溶解度は、他の DES と比較して最も高いことがわかりました。別の研究では、Leron ら 26 は、303.15 ～ 343.15 K の拡張温度範囲でリラインシステムにおける CO2 の溶解度を測定しました。Leron ら 27,28 は、ChCl/グリセロールを含む DES における CO2 の溶解度も報告しています (1: 2) または ChCl/エチレングリコール (1:2) であり、イミダゾリウムベースの IL と比較して高い CO2 溶解度を示しました。 Sarmad et al.20 は、298.15 K、2 MPa 未満の圧力における 35 の異なる DES における CO2 溶解度に関する 209 のデータポイントを報告しました。 Chen ら 29 は、ChCl/1,2-プロパンジオール、1,4-ブタンジオール、および 2,3-ブタンジオール (1:3 および 1:4) における CO2 溶解度を研究しました。彼らの結果は、ChCl/2,3-ブタンジオール (1:4) が最も高い CO2 吸収能力を持っていることを承認しました。 Lu ら 30 は、ChCl/レブリン酸または ChCl/フルフリルアルコール (1:3、1:4、および 1:5) における CO2 の溶解度を調査しました。彼らの結果によると、ChCl/レブリン酸 (1:5) は、フルフリルアルコールと比較して CO2 吸収能力が高いことが示されました。したがって、固定 HBA (ChCl) とともに特定の HBD が存在すると、DES における CO2 溶解度に大きな影響を与える可能性があると結論付けることができます。 DES 中の CO2 溶解度は、HBD と HBA の種類、HBA と HBD のモル比、粘度、DES の水分含有量、および操作圧力と温度に依存することが確認されました 31。

異なる HBA と HBD を組み合わせることにより、多数の DES を合成できることに注意してください。実験研究に基づいて CO2 回収プロセスに最適な DES を選択することは困難です。したがって、DES 中の CO2 溶解度を予測するには効率的な理論的方法が必要です。

実験分析手法を補完する機械学習 (ML) の最も一般的な手法の 1 つは、定量的構造特性関係 (QSPR) です。 QSAR/QSPR モデルを開発するには、化学構造が構造グループに断片化され、数学的アルゴリズムがデータに適用されます。一般的な考え方は、Property = f (X1, X2, X3, …Xn) の式を導き出すことです。ここで、各変数は化学構造の特徴 (つまり、分子記述子) または物理化学的特性になります。導出された関数は、分子のプロセス関連特性間の関係について分子のより深い洞察を得るのに非常に役立ち、新規だが関連する材料の特性関係を予測するのに役立ち、測定された特性を説明するのにも役立ちます 32。

レマウイら。は、重線形回帰 (MLR) 分析によって DES の粘度、密度、および導電率を予測するための新しい QSPR モデルを発表しました。彼らの結果は、研究された DES の特性について開発されたモデルが DES の密度、粘度、および導電率を満足のいく精度 (つまり、R2 値がそれぞれ 0.9839、0.9874、および 0.985) で予測できることを確認しました 33,34。 Balali et al.22 は、三元系における炭化水素相と ChCl ベースの DES 間のチオフェン分布 (β2) に対する HBD 構造の影響を考慮した QSPR モデルを提示しました。サポート情報ファイルの表 S1 は、DES のさまざまな特性を予測するための文献で利用可能な QSPR モデルを示しています。

さまざまなアプローチを使用して DES 中の CO2 溶解度を予測するための多くの研究が文献で報告されています。塩化コリンベースの DES における CO2 溶解度は、修正 Peng-Robinson (PR) EoS35,36、密度汎関数理論 (DFT)37,38、分子動力学 (MD) シミュレーション 38,39 などの熱力学モデリングアプローチを使用して正常に予測されています。 40. Zubeir et al.41 は、摂動連鎖統計的会合流体理論 (PC-SAFT) を適用し、2 つの擬純成分と個別の戦略を使用して、最大 2 MPa の圧力および 298.15 ～ 318.5 K の温度範囲での DES における CO2 溶解度を表現しました。 -成分。 Kamgar et al.42 は、COSMO-RS および NRTL モデルを使用して、リライン中の CO2、CH4、CO、N2、および H2 の溶解度を予測しました。彼らの結果は、モデルが高温低圧での溶解度しか予測できないことを示しました。最近、Alioui ら 43 は、MD 法と COSMO-RS を組み合わせて、7 つの ChCl およびホスホニウムベースの DES における CO2 の溶解度を研究しました。 Liu ら 44 は、実験データに基づいて DES における CO2 溶解度および CO2 のヘンリー定数を予測するために COSMO-RS を評価しました。さまざまな DES における CO2 の溶解度について開発されたさまざまな熱力学的手法が、サポート情報ファイルの表 S2 にまとめられています。

表 S2 に見られるように、DES における CO2 溶解度を予測するために開発された QSPR モデルはほとんどありません。

DES 中の CO2 溶解度の予測に関する最初の QSPR 研究で、Wang ら 45 は、HBA および HBD の構造、温度、圧力、および HBA と HBD のモル比の COSMO-RS 由来の記述子を使用して線形モデルと非線形モデルの両方を開発しました。。彼らの研究には数多くの利点がある一方で、いくつかの欠点も観察されました。彼らは DES の各コンポーネント (つまり、HBA と HBD) に多数の記述子を使用しましたが、開発した線形モデルの予測能力には限界がありました。さらに、彼らが開発したモデルは、解釈できないシグマプロファイル記述子を適用しているため、記述的ではありませんでした。さらに、彼らは線形モデルの独立変数としてモル比を使用しました。 HBA と HBD のモル比と溶解度の関係は線形ではありません (サポート情報ファイルの図 S1 を参照)。したがって、本研究では、固定 HBA (すなわち、塩化コリン) の存在下で HBD の最も重要な解釈可能な記述子を見つけることを試みました。

Kumar ら 46 は、HBA と HBD の構造、HBA と HBD のモル比、温度、圧力の影響を考慮した DES の CO2 捕捉能力を予測するための 12 の QSPR モデルを提示しました。モンテカルロ法を使用して、72 個の異なる DES (19 個の異なる HBA と 20 個の異なる HBD を含む) の各準 SMILES 記述子の適切な係数を決定しました。彼らが開発したモデルには、データセットからの 4 つのランダムな分割と、予測可能性検査の基準 (すなわち、相関理想性指数 (IIC) および相関強度指数 (CII)) の有無にかかわらず 3 つのターゲット関数が含まれていました。次に、さまざまな統計パラメータに従って最高の精度を持つモデルを導入しました。彼らの研究は、多様なデータセットを使用し、モデルの予測精度も高かったため、非常に包括的で価値のあるものでしたが、モデルのパラメータが解釈できず、CO2 吸収メカニズムにおける各パラメータの影響を調査することができなかったようです。言い換えれば、開発されたモデルの各変数がなぜ、どのように CO2 回収能力に影響を与えるかを説明するのではなく、モデルの予測可能性にもっと注意を払ったようです。したがって、本研究では、意味のある解釈可能な記述子を備えた記述的かつ予測的な QSPR モデルの開発が試みられました。

Halder et al.47 は、2 つの特性 (つまり、粘度と CO2 吸収能力) を同時に調査するための多目的モデルを開発するために、多基準決定手法を実行しました。 DES の粘度は最終的な溶媒の選択に重要な役割を果たすため、彼らの研究は貴重です。彼らは、DES の CO2 吸収能力と粘度を個別に予測するための 2 つの線形 QSPR モデルを開発しました。次に、デリンジャーの満足度関数を使用してこれら 2 つのモデルを統合し、高い CO2 吸収能力と低い粘度を備えた DES を特定しました。彼らの仕事は非常に革新的で包括的でしたが、彼らの仕事には欠陥がほとんどありませんでした。まず第一に、Alizadeh et al.48 によって実行された MD シミュレーションによれば、DES 中の CO2 溶解度には、HBD 構造と HBA のアニオン部分の強い影響と、HBA のカチオン部分のわずかな影響があります。一方、圧力が低い場合は HBD と CO2 の相互作用が支配的であり、圧力が高い場合はアニオンと CO2 の相互作用が支配的になります。言い換えれば、HBD 構造は低圧では CO2 吸収に大きな影響を及ぼし、HBA 構造は高圧では CO2 吸収に大きな影響を与えます。しかし、Halder et al.47 は、HBA (カチオン部分とアニオン部分の両方) と HBD の有効性はすべての条件において同じであると考えています。第二に、温度と圧力の変数がモデルに存在せず、予測は構造変数のみによって行われました。一方、温度と圧力が CO2 吸収に大きな影響を与えることが証明されています。したがって、本研究では、開発されたモデルの温度と圧力の重要なパラメーターを考慮しながら、低圧での CO2 溶解度 (つまり物理吸収) に対する HBD 構造の影響を調査する取り組みが行われました。したがって、この研究では、最近の貴重な研究で観察されたギャップを埋めることが試みられました。

この研究では、QSPR 法を堅牢なツールとして適用し、HBA と HBD のモル比が 1:3 および 1:4 である固定 HBA (つまり ChCl) を使用した DES における CO2 の溶解度の予測モデルを開発します。最初に、固定温度 (つまり 293、303、313、または 323 K) での HBD 構造と圧力の影響を考慮できるいくつかの QSPR モデルが開発されます。次に、CO2 溶解度の温度依存性が、圧力および HBD 記述子とともに考慮されました。このアプローチにより、新しい温度における新しい ChCl ベースの DES の CO2 溶解度を効率的に予測できます。さらに、未固定温度モデルの堅牢性を確認するために、さらなる外部検証のために 2 つの追加のデータセットが適用されました。

モル比 1:3 および 1:4 の ChCl ベースの DES における CO2 溶解度の利用可能な実験データは、最初に文献から収集されました。各データセットの P、T、および CO2 溶解度の範囲を表 1 に示します。CO2 溶解度データポイントの総数は 390 です。表 1 からわかるように、DES に含まれる HBD の変動は 9 でした。本研究では、CO2 溶解度の値 (x: DES 1 モルあたりの CO2 のモル) は、モデル開発のために自然対数の形式 (つまり、ln(x)) に変換されました。開発された QSPR モデルの信頼性を確保するために使用される一般的な手法は、データセットを「トレーニング」と「テスト」と呼ばれる 2 つの別個のセットに分割することです。 QSPR モデルは列車セットを使用して開発されており、内部検証手法をこのセットに適用できることに注意してください。開発された QSPR モデルは、データセットからいくつかの HBD を取り出してテストセットに入れることで、外部的に検証する必要があります。この作業を通じて、開発されたモデルの予測能力と精度を評価できます。外部検証の堅牢性を高めるために、トレインセット内の関連する構造とは異なるいくつかの HBD 構造で構成されるようにテストセットを選択することが試みられました。さらに、データセット番号 (11) と (12) は、未固定の温度状態で開発されたモデルをさらに外部検証するために使用され、モデルを新しい温度、圧力、および HBD 構造に適用しました。さらに、構築されたモデルの適用範囲も列車セットとテストセットの両方でチェックされており、分子構造の観点から見て両者に大きな違いがある DES が含まれていることを示しています。

各 HBD の記述子を計算する前に、その分子構造を最適化することが不可欠です。 9 つの HBD 分子の 3D 構造は、gauss-view ソフトウェア 51 を使用して描画され、B3LYP および 6-31 + G (d,p)52 のレベルで密度汎関数理論 (DFT) を使用して幾何最適化に提出されました。その後、Dragon ソフトウェア 53 を適用して、さまざまな種類の 1D、2D、および 3D 記述子を計算しました。計算される記述子の数 (つまり 3224) を減らすために、定数および半定数の記述子、および相互相関の高い (> 98%) 記述子が削除されました。したがって、HBD 構造の残りの 444 個の分子記述子がモデルの構築に使用されました。

気液系における CO2 の溶解度 (つまり DES 内の CO2) は次のように定義されます。

Li et al.24 によれば、CO2 の溶解度は温度と圧力、および HBA と HBD のモル比に依存します。

HBA と HBD のモル比が一定の場合、ln(x) と ln(P) の関係は次のように考えることができます (補足ファイルの図 S2 を参照)。

ここで、a と b は調整可能なパラメータを表します。明らかなように、HBD の分子構造は、脱硫 22 や CO2 溶解度 20 などのさまざまなプロセスにおいて重要な役割を果たします。この研究では、QSPR 法を使用して、ln(x) を ln(P) に関連付け、「b」パラメータを置き換えることによって HBD の関連分子記述子を関連付けます。 HBD 分子構造が CO2 溶解度に及ぼす影響を調査するために、式 (1) を考慮して固定温度で 8 つの個別のデータセットが適用されました。 (3):

CO2 溶解度の値は、式 (1) を使用して固定温度 (つまり、293、303、313、または 323 K) でのみ予測できます。 (3)。記述子および ln(P) とともに温度の影響を考慮するために、式 (1) を使用します。 (4) は、式 (4) の「c」パラメータを置き換えることによって考慮されています。 (3) 「 \(b\times T\) 」項を使用します。温度に伴う CO2 溶解度の観察された傾向 (補足資料の図 S3 を参照) によれば、T は、温度の影響を考慮して開発されたモデルの線形変数として考慮されました。

本研究では、2 種類の QSPR モデルが開発されました。式 (3) は、固定温度データセットのモデルの開発に適用されます。式 (4) は、CO2 溶解度に対する温度の影響を考慮したモデルの開発に適用されます。式を使用すると、 (4) では、3 つの変数 (ln(P)、T、および HBD の分子記述子) を使用した重回帰 (MLR) モデルを使用して、予測的かつ記述的な QSPR モデルを導き出しました。 HBD の適切な記述子は、さまざまな異なる HBD 記述子 (つまり、444)、ln(P)、および T 変数を含むセットから選択する必要があることに注意することが重要です。 QSPR モデルの変数選択は、いくつかのアプローチに従って実行できます54。この研究では、遺伝的アルゴリズム (GA) を適用して QSPR モデルの変数を選択しました。遺伝的アルゴリズム多重線形回帰 (GA-MLR) に関する詳細情報は、他の場所で参照できます 55,56。 GA-MLR モデルは QSARINS ソフトウェア 57 を使用して構築されたことに注意してください。

すべての QSPR モデルの推定機能は、内部予測パフォーマンス評価と外部予測パフォーマンス評価を実装することによって評価する必要があります。トレーニングセットは内部検証に使用され、テストセットは外部検証の実行に使用されます。構築された QSPR モデルの能力を調べるために適用できる統計パラメーターがいくつかあります。これには、決定係数 (R2)、調整可能な決定係数 (R2adj)、標準誤差 (S)、フィッシャー基準 (F)、二乗平均平方根誤差 (RMSE)、Leave One Out 交差検定による決定係数 (Q2 LOO-CV)、および平均絶対相対偏差 (AARD%)。統計パラメータの詳細は、サポート情報ファイル (つまり、補足ファイルの表 S3) に記載されています。本研究では、内部検証方法と外部検証方法の両方が適用されました。このような分析の結果は次のセクションで示されます。

表 2 は、非固定温度 (データセット番号 (1) および (2)) と固定温度 (データセット番号 (3) ～ (10)) に対して開発されたモデルを示しています。

驚くべきことに、同じ記述子 (つまり、「EEig02d」) が、固定温度と固定温度ではないすべての開発モデルに表示されます。記述子「EEig02d」は、双極子モーメントによって重み付けされた分子のエッジ隣接行列から導出された分子記述子です。「EEig02d」記述子は、分子のモル体積に関連しています58。

表 2 からわかるように、データセットの場合は No. (3) ～ (10) では、ln(P) 変数と選択された記述子の最適な組み合わせが、各固定温度 (つまり 293、303、313、または 323 K) に対して、対応するモル比 (つまり 1: 3 および 1:4)。さらに、3 つの変数 (つまり、ln(P)、T、および選択された記述子) を含むモデルが、固定されていない温度データセット用に開発されました。

固定温度データセット用に開発されたモデル (つまり、式 (11) ～ (26)) は、関連する温度 293、303、313、または 323 K に適用できることに注意してください。 (6)、(7)、(9)、(10)) は、CO2 溶解度に対する温度の影響を考慮するために使用できます。

Sarmad et al.20 によると、ln(x) と ln(P) の間の相関関係は、あらゆるデータセットの関連システムごとにテストされています (補足ファイルの表 S4 と図 S2 を参照してください)。

開発された QSPR モデルのパフォーマンスを評価するには、外部検証を実行する必要があります。まず、トレーニングセットとテストセットに分割されたデータが主成分分析 (PCA) 手法によって作成されました59。 PCA 分析によると、すべてのデータセットについて、トレーニングセットと比較していくつかの新しい構造を含むようにテストセットを選択する必要があります。

データセットについてはNo. (3) そしていいえ。 (4) では、HBD の 1 つの構造 (つまり、ジエチレングリコール) のすべての関連データは、構造のバリエーションが不足しているため、テストセットでは脇に置かれました。データセットとは異なります。 (3) そしていいえ。 (4) では、HBD の 2 つの構造 (つまり、フルフリルアルコールとジエチレングリコール) のすべての関連データが、他のデータセット (つまり (5) ～ (10)) のテストセットとして考慮されたことを付け加えておきます。残りの 2 つのデータセット (つまり、番号 (11) と (12)) 内のすべての利用可能なデータポイントは、さらなる外部検証のみを目的として考慮されたことを付け加えておきます。次に、HBD の最も適切な分子記述子を式 (1) として選択することを試みました。 (3) 固定温度データセットと式 (3) (4) 固定されていない温度データセットの場合。表 2 に示すように、1 つまたは 2 つの変数、および 1 つ、2 つ、または 3 つの変数を使用して得られたモデルが、固定および非固定温度データセットに対してそれぞれ示されています。開発された各 QSPR モデルに出現する記述子は同じでした (つまり、「EEig02d」)。固定モデルまたは非固定モデルの統計パラメータの値は、トレーニングセットとテストセットについて表 3 に示されています。

表 3 によると、HBD 構造の影響を考慮した 2 つの変数 (つまり、ln(P) および "EEig02d") を使用した開発モデルの予測能力 (つまり、式 (12)、(14)、(16)) 、(18)、(20)、(22)、(24)、(26)) は、1 変数 (つまり ln(P)) モデル (つまり、式 (11)、(13)、 (15)、(17)、(19)、(21)、(23)、および (25)) 固定温度データセットを考慮します。さらに、1 変数 (つまり ln(P)) および 2 変数 (つまり ln(P) と T) モデル (つまり、式 (5)、(6)、(8)、(9)) は適切ではありません。 CO2 溶解度に対する HBD 構造の影響を考慮できないため、未固定の温度データセットの場合。次に、CO2 溶解度に対する HBD のさまざまな構造の影響を区別するために、他の変数とともに分子変数を追加することが不可欠です (式 (7) および (10))。「EEig02d」記述子を使用して HBD 構造の効果を考慮すると、CO2 溶解度の推定が大幅に改善されたと結論付けることができます。表 3 では、非対数スケールの統計パラメータの値が対数スケールとともに報告されていることに注意してください。

CO2溶解度の実験値と予測値を図3と図4に示します。 1 と 2 はデータセット番号です。 (1) 可変温度とデータセット番号。 (5) それぞれ固定温度。他のデータセットのこれらの図は、サポート情報ファイル (図 S4a ～ S13a) にあります。

(a) 式 (a) を使用した、温度が固定されていないデータセット (つまり、データセット番号 (1)) に対する CO2 溶解度の予測値と実験値の比較。 (5) および (b) 式。（7）。

(a) 式 (a) を使用した、固定温度データセット (つまり、データセット番号 (5)) の CO2 溶解度の予測値と実験値。 (15) および (b) 式。 (16)。

図からわかるように。図 1a および 2a では、式 1a および 2a を使用したモデルの予測能力が示されています。 (5) と (15) は、これらのモデルが CO2 溶解度に対する圧力の影響のみを考慮しているため、受け入れられません。しかしながら、図１および図２によれば、式1bおよび2bのHBD構造効果を考慮して、式1bおよび2bを計算します。 (7) と (16) により、トレインセットとテストセットの両方の CO2 溶解度の推定が大幅に向上します。

図 3a と 4a は、データセット番号 2 の CO2 溶解度の実験値と残差値を示しています。 (1) 式を使用します。 (7) およびデータセット番号。 (5) 式を使用します。 (16)、それぞれ。観察できるように、トレーニングデータとテストデータの残差値の正規分布が達成されています。図 3b と 4b は、データセット番号 1 の標準誤差とてこ比の値 (つまり、ウィリアムのプロット) を示しています。 (1) 可変温度とデータセット番号。 (5) 温度が固定されている。見てわかるように、これらのデータセットには外れ値データはありません。これらの数値を使用して、構築されたモデルの適用範囲を特定できます。残りのデータセットに対応する追加の図は、補足ファイル (図 S4 ～ S13a のパート b および c) で入手できます。

式(1)を使用した、未固定温度データセット(データセット番号(1))のCO2溶解度の残差と実験値(a)および標準残差とてこ比(b)。（7）。

式(1)を使用した固定温度データセット(データセット番号(5))のCO2溶解度の残差と実験値(a)および標準残差とてこ比(b)。 (16)。

開発されたモデルによると、「EEig02d」記述子は、CO2 の溶解度を予測するための適切な構造変数です。「EEig02d」記述子がすべてのモデルに出現していることは明らかなので、ランダムに選択されたものではないと結論付けることができます。すべてのデータセットの各データポイントについて、表 2 に記載されている QSPR モデルによる予測 CO2 溶解度の値は、サポートされている Excel ファイルで入手できます。表 3 は、構築されたモデルの統計的検査の結果を示しています。表 3 からわかるように、EEig02d 記述子を含むモデルは、内部検証と外部検証の両方を考慮して、対数スケールと非対数スケールの両方で最良の統計パラメーターを示しました。

新しい温度と圧力における不定温度モデルの適用性を調査するために、データセット No. (11) と (12) を使用しました。言い換えれば、これらのデータセットにはいくつかの新しい HBD (つまり、データセット番号 (11) のグリセロール、データセット番号 (12) の尿素とエチレングリコール) が含まれています。さらに、両方のデータセットには、新しい温度 (つまり、298 と 333 K) と圧力 (つまり、10 bar) があり、データセット番号 2 と比較すると異なります。 (1)と(2)はモデル開発に応募しました。補足ワードファイルの図 S14 によると、これら 2 つの新しいデータセットのすべてのデータポイントは適用範囲内にありました。データセット番号の (7) と (10) (11) と (12) がそれぞれ適用できます。図 5 は、データセット番号 1 の CO2 溶解度の実験値と予測値を示しています。 (11) 式を使用します。 (7) およびデータセット番号。 (12) 式を使用します。 (10)、それぞれ。驚くべきことに、提案されたモデルは、低圧での溶解度 (つまり、低溶解度) を予測するのに非常に優れた能力を示しました。高圧 (つまり、高い溶解度) では、溶解度の予測は許容可能な偏差を示し、新しい構造であっても、さまざまな温度と圧力におけるモデルの堅牢性と適用性が確認されます。

(a) データセット番号 2 の CO2 溶解度の予測値と実験値。 (11)) 式を使用します。 (7) および (b) データセット番号。 (12) 式(12) (10)。

選択した記述子が CO2 溶解度の予測に最高のパフォーマンスを発揮することを証明する必要があります。この点に関して、いくつかのサブデータセットはデータセット番号からランダムに選択されています。 (1) と (2) は、各サブデータセットの温度、圧力、モル比がほぼ一定で、HBD の構造のみが可変となるような方法で行われました。次に、変数 (つまり、構造記述子) を 1 つだけ持ついくつかのモデルが開発され、統計的に比較されました。たとえば、図 6 は、圧力約 5 bar、温度 313 K、HBA と HBD のモル比 1:4 のデータで構成されるサブデータセットの 1 つに対する R2 と Q2 の値を示しています。他のサブデータセットに対応する図は補足ワードファイルに示されています。

P = 5 bar、T = 313 K、モル比 1:4 のサブデータセットの R2 および Q2。

図 6 と図 S15 から明らかなように、統計パラメータが Golbraikh 基準 (R2 > 0.6 および Q2 > 0.5) を満たすようなモデルがいくつかあります 60。許容可能な統計パラメータを持つ記述子の値を表 4 に示します。一部の記述子の値 (つまり、H6m および RDF065u) は、いくつかの HBD ではゼロです。これは、これらの記述子は一部の構造を区別できないため、モデル開発には適切ではないことを意味します。この点とは別に、すべてのサブデータセットで繰り返されるだけでなく、許容可能な統計パラメーターを備えた記述子を選択する方が良いことは明らかです。したがって、選択された記述子 (すなわち、EEig02d) が、開発されたモデルにおいて適切な分子記述子であることが確認されます。

モデル開発後、QSPR モデルに現れた分子記述子 (つまり「EEig02d」) を解釈して、それが DES の CO2 溶解度に関連する理由を説明する必要があります。 Estrada らによって開発された「EEig02d」記述子 58,61 は、原子の双極子モーメントによって重み付けされる、分子のエッジ隣接行列の 2 番目の固有値に対応します。エッジ隣接行列は、水素欠乏分子グラフ、つまりノードが分子の原子に関連し、エッジが化学結合に関連するグラフを通じて取得されます。分子グラフは行列のような数式に変換され、構造と特性を定量的に関連付けます。グラフ G のエッジ隣接行列 (EA(G)) は次のように定義されます62:

重み付きグラフの隣接行列については、式 1 を参照してください。 (27) は参考文献 62 のように修正される必要があります。

ここで、ei と ej は化学結合、K はエッジの重みです。

表 5 は、EEig02d の値と、データセットに含まれるすべての HBD のモル体積および分子構造を示しています。 EEig02d 記述子は分子のモル体積に関連付けることができることに注意してください58。

HBD のアルキル鎖の長さが増加すると、EEig02d の値が増加すると考えられます。たとえば、アルキル鎖に炭素数 3 の 1,2-プロパンジオール、アルキル鎖に炭素数 4 の 1,4-ブタンジオールと 2,3-ブタンジオールの EEig02d の値は、それぞれ 1.054 と 1.519 です。エーテル基の存在により、EEig02d 記述子の値も増加することも観察されます。これに関して、グアヤコールの EEig02d の値は、グアヤコール構造にエーテル基が存在するため、フェノールと比較して高くなります (1.983 対 1.521)。アルキル鎖の長さが増加すると、DES の分子自由体積が増加することに注意してください。また、エーテル基の存在は、アルキル鎖の柔軟性を高め、その結果、自由体積の増加につながり、その結果、吸収の物理的性質（すなわち、自由体積メカニズム）により、DES における CO2 の溶解度が高まります 16,20。。

さらに、Li et al.24 によれば、圧力と温度の増加は、それぞれ CO2 溶解度にプラスとマイナスの影響を与えます。これらの結果は、EEig02d 以降、表 2 に示されている開発モデルと一致しており、圧力は正の符号で表示され、温度は負の符号で表示されています。アルキル鎖基の長さを長くすることによる CO2 溶解度の向上は、実験研究でも実証されました。

現在の研究では、DES 中の CO2 溶解度を予測するための線形モデルを開発するために QSPR アプローチが採用されました。主な目的は、ChCl ベースの DES における CO2 の溶解度に対する HBD の構造の影響を調査することでした。主な調査結果は以下のとおりです。

温度の影響とは無関係に、ln(P) とともに同じ記述子 (EEig02d) がすべての開発モデルに出現したことは注目に値します。 EEig02d 記述子は、分子のモル体積と双極子モーメントに関連していることがわかりました。モデルの検査により、物理的吸収と分子の自由体積の間には直接的な関係があるため、EEig02d 記述子の値が増加すると溶解度が増加することが示されました。

1:3 および 1:4 に等しい HBA と HBD のモル比における 2 つの一般的なモデルは、ChCl ベースの DES における CO2 溶解度を任意の条件で予測するための構造記述子変数として ln(P)、T、および EEig02d の組み合わせによって構築されました。希望の温度。これらのモデルは、新しい HBD 構造を含む 2 つの追加データセットを使用して、さらに外部検証によって検査されました。

この研究は、ChCl ベースの DES における CO2 溶解度を予測するための信頼性が高く、シンプルな QSPR モデルを提供しました。これは、PCC プロセスにおける DES の予備スクリーニングに適用できます。

「この研究中に生成または分析されたすべてのデータは、この公開された論文[およびその補足情報ファイル]に含まれている」と正当化される必要があります。

アイゼベオカイ、AP通信地球温暖化と気候変動：現実、不確実性、対策。内部。Ｊ．Ｐｈｙｓ．科学。 4(13)、868–879 (2009)。

CAS Google スカラー

Ghannadzadeh, A. & Meymivand, A. 累積エクセルギー需要と ReCiPe によるエチレンオキシド製造プロセスの環境持続可能性評価。クリーンテクノロジー。環境。政策 21(9)、1765 ～ 1777 年 (2019)。

記事 CAS Google Scholar

Kussainova, D. & Shah, D. CO2 吸収のためのモノエタノールアミンベースの DES: 分子動力学シミュレーションからの洞察。 9月、プリフ。テクノロジー。 231、115931 (2020)。

記事 CAS Google Scholar

Torkashvand, A.、Ramezanipour Penchah, H. & Ghaemi, A. 深層学習と応答曲面法を使用した、カルバゾールベースの超架橋ポリマー吸着剤による CO2 吸着挙動の探索。内部。Ｊ．Ｅｎｖｉｒｏｎ．科学。テクノロジー。 https://doi.org/10.1007/s13762-022-04122-x (2022)。

記事 Google Scholar

Rubin、ES、Davison、JE、Herzog、HJ CO2 の回収と貯留のコスト。内部。 J. グリーンガスコントロール 40、378–400 (2015)。

記事 CAS Google Scholar

Pires, J.、Martins, F.、Alvim-Ferraz, M. & Simões, M. 炭素回収と貯留に関する最近の開発: 概要。化学。工学解像度デス。 89(9)、1446–1460 (2011)。

記事 CAS Google Scholar

Olajire、AA パイプエンドアプリケーション向けの CO2 回収および分離技術 - レビュー。エネルギー 35(6)、2610–2628 (2010)。

記事 CAS Google Scholar

Resnik、KP、Yeh、JT、Pennline、HW CO2、SO2、NOx を同時に除去するためのアクアアンモニアプロセス。内部。Ｊ．Ｅｎｖｉｒｏｎ．テクノロジー。管理。 4(1–2)、89–104 (2004)。

記事 CAS Google Scholar

Yu, C.-H.、Huang, C.-H. & タン、C.-S. 吸収と吸着による CO2 回収のレビュー。エアゾールエアクォル。解像度 12(5)、745–769 (2012)。

記事 CAS Google Scholar

Abbott, AP、Boothby, D.、Capper, G.、Davies, DL & Rasheed, RK 塩化コリンとカルボン酸の間で形成される深共晶溶媒: イオン液体の多用途な代替品。混雑する。化学。社会 126(29)、9142–9147 (2004)。

論文 CAS PubMed Google Scholar

AP Abbott、G. Capper、DL Davies、HL Munro、RK Rasheed、および V. Tambyrajah、「機能性側鎖を持つ第 4 級アンモニウム塩を含む新規な湿気安定性のルイス酸性イオン液体の調製電子補足情報 (ESI) が利用可能:塩化亜鉛と塩化コリンから形成されたイオン液体の導電率対温度のプロット (2∶ 1) http://www.rsc.org/suppdata/cc/b1/b106357j. Chemical Communications、no. 19、pp. 2010 ～ 2011 年、2001 年。

Abbott, AP、Capper, G.、Davies, DL、Rasheed, RK & Tambyrajah, V. 塩化コリン/尿素混合物の新規溶媒特性。化学。共通。 1、70–71 (2003)。

記事 Google Scholar

Huang, J. & Rüther, T. イオン液体が CO2 吸収に魅力的なのはなぜですか? 概要。 8月。Ｊ．Ｃｈｅｍ． 62(4)、298–308 (2009)。

記事 CAS Google Scholar

Zhang、X.ら。イオン液体による炭素捕捉: 概要と進捗状況。エネルギー環境。科学。 5(5)、6668–6681 (2012)。

記事 CAS Google Scholar

Wang, C. et al. 官能化イオン液体による二酸化炭素の化学吸着を改善する戦略。 RSC アドバンス 3(36)、15518–15527 (2013)。

記事 ADS CAS Google Scholar

Sarmad, S.、Mikkola, JP & Ji, X. イオン液体と深共晶溶媒による二酸化炭素の捕捉: 新世代の吸着剤。 Chemsuschem 10(2)、324–352 (2017)。

論文 CAS PubMed Google Scholar

ハイヤン、M.ら。深共晶溶媒は無害ですか、それとも有毒ですか? Chemosphere 90(7)、2193–2195 (2013)。

論文 ADS CAS PubMed Google Scholar

Carriazo, D.、Serrano, MC、Gutiérrez, MC、Ferrer, ML & del Monte, F. ポリマーおよび関連材料の合成において複数の役割を果たす深共晶溶媒。化学。社会 Rev. 41(14)、4996–5014 (2012)。

論文 CAS PubMed Google Scholar

Zhang, Q.、Vigier, KDO、Royer, S. & Jérôme, F. 深共晶溶媒: 合成、特性、および用途。化学。社会改訂 41(21)、7108–7146 (2012)。

論文 CAS PubMed Google Scholar

Sarmad, S.、Xie, Y.、Mikkola, J.-P. & Ji, X. グリーン CO 2 吸着剤としての深共晶溶媒 (DES) のスクリーニング: 溶解度から粘度まで。新しいＪ．Ｃｈｅｍ． 41(1)、290–301 (2017)。

記事 CAS Google Scholar

Shekaari, H.、Zafarani-Moattar, MT および Mohammadi, B. ベンゼン/チオフェン + シクロヘキサン/ヘキサデカン + 深共晶溶媒の液液平衡: データと相関。Ｊ．Ｃｈｅｍ．工学データ 64(9)、3904 ～ 3918。

記事 CAS Google Scholar

Balali, M.、Sobati, MA & Gorji, AE 深共晶溶媒 (DES) と炭化水素相の間のチオフェン分布の QSPR モデリング: 水素結合供与体 (HBD) 構造の影響。Ｊ．Ｍｏｌ．リク。 Rev. 342、117496 (2021)。

記事 CAS Google Scholar

Tang, B.、Zhang, H.、Row, KH さまざまなサンプルからの目的化合物の抽出および分離における深共晶溶媒の適用。 J. Sep. Sci. 38(6)、1053–1064 (2015)。

論文 CAS PubMed Google Scholar

Li, X.、Hou, M.、Han, B.、Wang, X. & Zou, L. 塩化コリン + 尿素共融混合物中の CO2 の溶解度。Ｊ．Ｃｈｅｍ．工学データ 53(2)、548–550 (2008)。

記事 CAS Google Scholar

Li, G.、Deng, D.、Chen, Y.、Shan, H. & Ai, N. コリン塩化物ベースの深共晶溶媒における CO2 の溶解度と熱力学特性。Ｊ．Ｃｈｅｍ．サーモダイン。 75、58–62 (2014)。

記事 CAS Google Scholar

レロン、RB、カパランガ、A. & リー、M.-H. T= 303.15 ～ 343.15 K、中圧力における、塩化コリンと尿素をベースとした深共晶溶媒における二酸化炭素の溶解度。 J.台湾研究所化学。工学 44(6)、879–885 (2013)。

記事 CAS Google Scholar

レロン、RB & リー、M.-H. 中圧における塩化コリンとグリセロールの共融混合物における二酸化炭素の溶解度。Ｊ．Ｃｈｅｍ．サーモダイン。 57、131–136 (2013)。

記事 CAS Google Scholar

レロン、RB & リー、M.-H. 塩化コリン-エチレングリコール系深共晶溶媒における二酸化炭素の溶解度。サーモチム。 Acta 551、14–19 (2013)。

記事 ADS CAS Google Scholar

チェン、Y.ら。塩化コリンと二価アルコールの共融混合物における二酸化炭素の溶解度。Ｊ．Ｃｈｅｍ．工学データ 59(4)、1247–1253 (2014)。

記事 CAS Google Scholar

Lu、M.ら。レブリン酸（またはフルフリルアルコール）と塩化コリンの共融混合物における二酸化炭素の溶解度。Ｊ．Ｃｈｅｍ．サーモダイン。 88、72–77 (2015)。

記事 CAS Google Scholar

Wazeer, I.、Hadj-Kali, MK & Al-Nashef, IM 大気中への有害ガスの放出を減らすための深共晶溶媒の利用: 批判的なレビュー。分子 26(1)、75 (2021)。

記事 CAS Google Scholar

ハンセン、BB et al. 深共晶溶媒: 基礎と応用のレビュー。化学。改訂 121(3)、1232–1285 (2020)。

論文 PubMed Google Scholar

Lemaoui、T. et al. COSMO-RS シグマプロファイルを分子記述子として使用した深共晶溶媒の電気伝導度の予測: 定量的な構造と特性の関係の研究。工業工学化学。解像度 59(29)、13343–13354 (2020)。

記事 CAS Google Scholar

Lemaoui、T. et al. 分子記述子として Sσ プロファイルを使用した深共晶溶媒の定量的な構造特性関係。Ｊ．Ｍｏｌ．リク。 309、113165 (2020)。

記事 CAS Google Scholar

アリ、Ｅら。深共晶溶媒における CO2 の溶解度: Peng-Robinson 状態方程式を使用した実験とモデリング。化学。工学解像度デス。 92(10)、1898–1906 (2014)。

記事 CAS Google Scholar

NR ミルザら。 3 つの異なる深共晶溶媒 (DES) における二酸化炭素の溶解度の実験と熱力学的モデリング。Ｊ．Ｃｈｅｍ．工学データ 60(11)、3246–3252 (2015)。

記事 CAS Google Scholar

García, G.、Atilhan, M. & Aparicio, S. 高度な深共晶溶媒による CO2 の軽減に関する理論的研究。内部。 J. グリーンガスコントロール 39、62–73 (2015)。

記事 Google Scholar

ウラ、R.ら。実験的および分子シミュレーションアプローチによる、CO 2 捕捉のための塩化コリニウムとレブリン酸深共晶溶媒系の詳細な研究。物理学。化学。化学。物理学。 17(32)、20941–20960 (2015)。

論文 CAS PubMed Google Scholar

Altamash, T. et al. 実験技術と分子シミュレーション技術を組み合わせた、天然深共晶溶媒 (NADES) のガス溶解度とレオロジー挙動。 ChemistrySelect 2(24)、7278–7295 (2017)。

記事 CAS Google Scholar

Garcia, G.、Atilhan, M. & Aparicio, S. CO2 回収に関する深共晶溶媒の界面特性。Ｊ．Ｐｈｙｓ．化学。 C 119(37)、21413–21425 (2015)。

記事 CAS Google Scholar

Zubeir, LF、Held, C.、Sadowski, G.、Kroon, MC 深共晶溶媒中の CO2 溶解度の PC-SAFT モデリング。Ｊ．Ｐｈｙｓ．化学。 B 120(9)、2300–2310 (2016)。

論文 CAS PubMed Google Scholar

Kamgar, A.、Mohsenpour, S. & Esmaeilzadeh, F. NRTL および COSMO-RS モデルを使用した、共晶溶媒としての塩化コリン/尿素中の CO2、CH4、H2、CO、および N2 の溶解度予測。Ｊ．Ｍｏｌ．リク。 247、70–74 (2017)。

記事 CAS Google Scholar

Alioui, O.、Bengerba, Y. & Alnashef, IM COSMO-RS および分子動力学法を使用した深共晶溶媒中の CO2 溶解度の調査。Ｊ．Ｍｏｌ．リク。 307、113005 (2020)。

記事 CAS Google Scholar

Liu、Y.ら。 COSMO-RS による CO2 回収用の深共晶溶媒のスクリーニング。フロント。化学。 8、82（2020）。

論文 ADS PubMed PubMed Central Google Scholar

Wang、J.ら。 COSMO-RS 由来の記述子に基づくランダムフォレストモデルを使用した深共晶溶媒中の CO2 溶解度の予測。グリーンケム。工学 2(4)、431–440 (2021)。

記事 Google Scholar

Kumar, P.、Kumar, A.、Sindhu, J. & Lal, S. 相関強度指数とコンセンサスモデリングを使用して深共晶溶媒の CO2 捕捉能力を予測する QSPR モデル開発の基礎としての Quasi-SMILES。燃料 345、128237 (2023)。

記事 CAS Google Scholar

Halder, AK、Ambure, P.、Perez-Castillo, Y. & Cordeiro, MND 深共晶溶媒を CO2 回収用の付加価値製品に変える: 望ましさに基づく仮想スクリーニング研究。 J. CO2 利用率。 58、101926 (2022)。

記事 CAS Google Scholar

Alizadeh, V.、Esser, L. & Kirchner, B. CO2 は深共晶溶媒にどのように吸収されますか? Ｊ．Ｃｈｅｍ．物理学。 154(9)、094503 (2021)。

論文 ADS CAS PubMed Google Scholar

Haider, MB、Jha, D.、Marriyappan Sivagnanam, B. & Kumar, R. グリコールおよびアミンベースの深共晶溶媒による CO2 捕捉の熱力学および速度論的研究。Ｊ．Ｃｈｅｍ．工学データ 63(8)、2671–2680 (2018)。

記事 CAS Google Scholar

Liu, X.、Gao, B.、Jiang, Y.、Ai, N. & Deng, D. グアヤコールベースの深共晶溶媒における二酸化炭素の溶解度および熱力学特性。Ｊ．Ｃｈｅｍ．工学データ 62(4)、1448 ～ 1455 (2017)。

記事 CAS Google Scholar

Nielsen, A. & Holder, A. Gauss view 5.0、ユーザーリファレンス (GAUSSIAN Inc.、2009)。

Google スカラー

MJ Frisch、AB Nielsen、および A. Frisch、Gaussian 98。U. ユーザー参照。ガウシアン社、1998 年。

R. Todeschini、V. Consonni、A. Mauri、および M. Pavan、「DRAGON version 6、Talete srl、ミラノ、イタリア」編、2011 年。

Shahlaei, M. 定量的構造活性相関研究における記述子の選択方法: レビュー研究。化学。 Rev. 113(10)、8093–8103 (2013)。

論文 CAS PubMed Google Scholar

Haupt, RL & Haupt, SE 実践的な遺伝的アルゴリズム (Wiley、2004)。

数学 Google Scholar

J. Holland、M. Mahajan、S. Kumar、および R. Porwal、「Adaptation in Natural and Artificial Systems、ミシガン大学出版局、ミシガン州アナーバー、1975」、データの効率を高めるための遺伝的アルゴリズムの適用フローベースのテストデータ生成アプローチ、1975 年、1 ～ 5 ページ。

Gramatica, P.、Chirico, N.、Papa, E.、Cassani, S. & Kovarich, S. QSARINS: QSAR MLR モデルの開発、分析、検証のための新しいソフトウェア。Ｊ．Ｃｏｍｐｕｔ．化学。 https://doi.org/10.1002/jcc.23361 (2013)。

論文 PubMed Google Scholar

Estrada, E. エッジ隣接関係と分子体積に関連する新しいトポロジー指標。Ｊ．Ｃｈｅｍ．情報計算します。科学。 35(1)、31–33 (1995)。

記事 CAS Google Scholar

Jolliffe、「特殊な種類のデータの IT 主成分分析」(Springer、2002)。

Google スカラー

Golbraikh, A. & Tropsha, A. q2 に注意してください!。Ｊ．Ｍｏｌ．グラフ。モデル。 20(4)、269–276 (2002)。

論文 CAS PubMed Google Scholar

Estrada, E. ヘテロ原子を含む分子グラフにおけるエッジ隣接関係: モル体積に関連する新しいトポロジー指標。Ｊ．Ｃｈｅｍ．情報計算します。科学。 35(4)、701–707 (1995)。

記事 CAS Google Scholar

B. Mishra、「グラフ理論による一部の炭化水素の分子 (グラフ) 特性」、Rapport テクニック。(67 ページに引用)。

リファレンスをダウンロードする

イラン科学技術大学 (IUST) 化学工学部、テヘラン、イラン

ファーヌーシュ・デコルディ、モハマド・アミン・ソバティ、アリ・エブラヒンプール・ゴルジ

PubMed Google Scholar でこの著者を検索することもできます

FD: 調査。方法論; 正式な分析。ソフトウェア; 執筆—原案。視覚化。 MAS: 概念化。監督; 執筆—レビューと編集。プロジェクト管理。検証。 AEG: 正式な分析。ソフトウェア; 執筆—原案。視覚化。

モハマド・アミン・ソバティ氏への通信。

著者らは競合する利害関係を宣言していません。

シュプリンガーネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Dehkordi, F.、Sabati, MA & Gorji, AE さまざまな塩化コリンベースの深共晶溶媒 (DES) における CO2 溶解度を推定するための新しい分子構造ベースのモデル。 Sci Rep 13、8495 (2023)。 https://doi.org/10.1038/s41598-023-35747-8

引用をダウンロード

受信日: 2022 年 11 月 26 日

受理日: 2023 年 5 月 23 日

公開日: 2023 年 5 月 25 日

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

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。

細菌における新たなコレステロール生合成

時代

ニュース

さまざまな塩化コリンにおける CO2 溶解度を推定するための新しい分子構造ベースのモデル