基于轨迹扩展动力学蒙特卡洛模拟评估致密聚合物膜中纯气体及混合气体扩散系数
软凝聚态物质
2023-11-13 v1 统计力学
计算物理
摘要
随着对CO2分离兴趣的重新兴起，碳分子筛（CMS）膜性能评估需要以扩散系数作为输入，才能对渗透性进行可靠估计。理想材料应同时具备高选择性和高渗透性。气体在致密CMS和聚合物膜中扩散时会经历扩展的亚扩散区，这阻碍了从均方位移数据中可靠提取扩散系数。我们通过实施轨迹扩展动力学蒙特卡洛（TEKMC）技术来改进扩散图景的采样，从而将MD轨迹从ns高效扩展到μs时间尺度。所得CMS膜中纯CO2的自扩散系数（源自6FDA/BPDA-DAM前体聚合物熔体）与先前的实验发现一致。我们还将TEKMC算法扩展到评估二元混合物中的混合扩散系数，以确定CO2在CH4和N2混合物中的渗透选择性。CO2的混合扩散系数在二元混合物CO2:CH4中为1.3-7 x 10^{-6} cm^{2}s^{-1}，显著高于纯气体扩散系数。Robeson图比较表明，由纯气体扩散数据得到的渗透选择性明显低于由混合扩散系数数据预测的值。特别是在CO2:N2混合物的情况下，我们发现使用混合扩散系数得到的渗透选择性位于Robeson上限之上，突出了使用混合扩散系数数据准确评估膜性能的重要性。结合从巨正则蒙特卡洛模拟获得的气体溶解度，我们的工作表明采用TEKMC方法的模拟可用于可靠评估气体分离材料的性能。
引用
@article{arxiv.2311.02878,
title = {Trajectory Extending Kinetic Monte Carlo Simulations to Evaluate Pure and Gas Mixture Diffusivities through a Dense Polymeric Membrane},
author = {Subhadeep Dasgupta and Arun K. S and K. Ganapathy Ayappa and Prabal K. Maiti},
journal= {arXiv preprint arXiv:2311.02878},
year = {2023}
}
备注
Software available on https://github.com/PKMLab/tekmc Accepted on October 25, 2023 in The Journal of Physical Chemistry B