Жидкость свойства и новые технологии: Подключение дизайн с реальностью
Решение проблем, изложенные здесь, помогут обеспечить инженеров будущего, данные которых они нуждаются.
Точная теплофизических свойств жидкостей имеют важное значение для проектирования и эксплуатации в химической промышленности процесс (ИПЦ). Необходимость наличия "хороших термо" широко признана в этом контексте, хотя это часто принимается как должное, что это будет обеспечиваться процесс разработки программного моделирования.
Наряду с традиционными химического и углеводородного сырья будет по-прежнему иметь важное значение, такие события, как миниатюризация, децентрализации спроса контролируемой продукции, сырья и гибких информационных технологий, а также новые технологии, которые появляются в таких областях, как минимизация отходов, биотехнологии, передовых видов топлива и дорогостоящих химикатов, станет катализатором серьезных изменений в жидкости отраслей промышленности. Существует растущее внимание на "виртуальные инструменты" для ускорения процесса разработки новых технологий. Тем не менее, зависимость многих из этих средств на надежной модели собственности, и необходимость в достоверных данных для проверки этих моделей, зачастую не признаются.
Исследование свойств жидкости не может продолжать "бизнес как обычно", если это для удовлетворения будущих потребностей промышленности. Новые технологии потребуют измерений и моделей для различных жидкостей, а также улучшение способов использования данных. В принципе, это должно быть возможности для активизации собственности исследований. В действительности, однако, есть опасения, что нынешнее снижение поддержки будет продолжаться, оставив научное сообщество не в состоянии обеспечить необходимые данные.
В этой статье рассматриваются некоторые из областей, где жидкость собственности работа может внести свой вклад, в том числе молекулярной, комбинаторные методы и измерения, процесс миниатюризации, экологические технологии, нетрадиционные смесей и материалов, а также стандартизации данных и обмена ими. В нем также рассматриваются некоторые проблемы, многие из которых носят структурный, которые должны быть преодолены, если жидкость исследователей собственности, чтобы добиться успеха в предоставлении информации, которая отвечает потребностям промышленности.
Возможности молекулярного моделирования
"Молекулярная моделирования" можно описать различные методы, в том числе квантовых расчетов электронной структуры и межмолекулярных сил, молекулярная динамика (там, где силы заданы и уравнения движения интегрируются), Монте-Карло (определение равновесных свойств на основе выборки статистическое распределение), а также такие методы, как броуновской динамики, где не все молекулы рассматриваются в явном виде. Заявки рассматриваются в работах. 3 и 4.
В прошлом, моделирование используется главным образом для получения представления о молекулярных явлений и проверки теорий. Такое использование будет продолжаться, но, как вычислительная мощность увеличивается и в нашей способности представлять межмолекулярных сил улучшается, моделирования будут все чаще используется для расчета свойств. Это уже произошло в термохимии, где теплоты образования для многих соединений может быть вычислена на основе квантовой механики настолько точно, насколько они могут быть измерены (и по более низкой цене).
Мы предвидим, два пути, в котором молекулярной будет наиболее полезным. Первый в скрининг кандидатов жидкости для процесса. Моделирование умеренной точности может сузить список кандидатов на места, где мало кто мог быть подвергнут эксперимента. В этой роли, моделирование может заменить группы методов оценки вклада в настоящее время используются для соединений, где данные отсутствуют.
Во-вторых, моделирование может обратиться экспериментально недоступных системы, такие, как при экстремальных температурах и давлениях, неустойчивых промежуточных реакций, или опасные соединения. Примером может служить исследование цепи - длина зависимость критической плотности н-алканов (5,6). Моделирование установлено, что критическая плотность пошли через максимум и снизились, в отличие от некоторых корреляции и тенденции один набор измерений (но по согласованию с теории полимеров). Это стало известным успехом для моделирования. Тем не менее, последующие открытия (7) от ошибка программирования (что отразилось на критические температуры, но, к счастью, не оказывает существенного влияния на критической плотности) показывает, что моделирование, как эксперименты, могут иметь систематические ошибки.
Молекулярная моделирования светлое будущее. Но будет ли компьютер "эксперименты" полностью заменить реальных измерений? По ряду причин мы считаем, что, вероятно, не представляется возможным, и, конечно, неразумно.
Во-первых, для химически устойчивых систем, лучшие эксперименты по-прежнему значительно превышают по точности моделирования. Достижения в области вычислительной мощности помогут ликвидировать этот разрыв, но не так быстро, как можно подумать. Как правило, снижение неопределенности собственности на порядок занимает много порядков больше вычислений. Запрет крупные прорывы в методологии, можно с уверенностью сказать, что моделирование не будет "догонять" эксперименты на протяжении многих десятилетий, если на всех.
Что еще более важно, силовых полей, используемых в моделировании лишь приблизительные истинного межмолекулярных сил, так что даже идеальный моделирование не может точно отражать реальность. Например, взаимодействие твердых тел часто пренебрегают, и хотя это упрощает вещи, физически неверным и вводит некоторые ошибки. Квантовые вычисления можно улучшить потенциал, но их стоимость поднимается круто с уровнем теории и молекулярных размеров. Как увеличить вычислительную мощность позволяет моделирования с ограниченной статистической погрешности, силовых полей станет (и уже во многих случаях) ограничивающим фактором в их точности. Поскольку разработка силовых полей доминирует производство наркотиков, много усилий тратится представлять органических молекул в воде при комнатной (или тела) температура, а работа для других приложений отстает.
Поскольку эксперименты будут более точными, чем моделирование для большинства систем, в обозримом будущем, измерения по критериям системы будет оставаться существенным. Сравнение с хорошим данные необходимо проверить и методы моделирования и силовых полей.
Наконец, если молекулярная моделирование свойств жидкости станет широко полезным, моделирование "данные", как и измеренных данных, должны иметь неопределенность оценки, чтобы те их использование может знать, сколько уверенность в них. В настоящее время они часто не хватает.
Возможности в области миниатюризации
ИПЦ будет преобразован в миниатюризации, так же как компьютерная индустрия была микропроцессором, кроме того, что изменения в ИПЦ, вероятно, будет быстрее. Как улучшить методы микротехнологий крупномасштабных централизованного производства уступит спектра растений, начиная с крупных НПЗ на процессоры на борту бензина в топливных элементах транспортных средств, работающих в подкожной синтеза наркотиков и систем доставки. Меньшего масштаба будут способствовать новые подходы, такие как электрохимического преобразования энергии (топливные элементы) по отношению к термохимической переработки (сжигания). Другие примеры включают electrokinetically driven жидкости в лаборатории-на-чипе устройства (8) и метастабильных (перегретая) жидкостей термомеханической преобразователей мощности с высокой плотностью энергии.
Мы предвидим, две основные тенденции. Во-первых, минисистемы будет жидкости основе жидкости, поскольку это самый простой способ переноса материала на микроуровне. (Природа это лучший пример этому - водные растворы основных транспортных средствах в живых организмах.) Во-вторых, электрохимии и electrofluidics станет важным, поскольку микрофлюидальном и электронные системы могут быть связаны и интегрированы.
Микромасштабные технологии диск жидкости исследования собственности в относительно неисследованных районов. Это будет иметь важное значение для изучения влияния малых размеров, родов и высокие показатели поверхности к объему (9,10). Кроме того, свойства полярных жидкостей и электролитов в электрических и магнитных полей будет иметь важное значение для интеграции Fluidics и электроники.
Микромасштабные теплофизических датчики собственности позволит изучение новых областей, таких, как метастабильных жидкостей, для которых малые размеры образца имеют важное значение. Сокращение размеров датчика снижения тепловой инерции так, что измерения могут осуществляться гораздо быстрее, преодоление стигмы основных экспериментальных работ. Интеграция датчиков и исполнительных механизмов необходимо для того, чтобы microreaction технологии выйти за пределы лаборатории в химическом производстве (11).
Возможности в экологические технологии
Теплофизических свойств жидкостей является лишь одним из многих областей, в которых знания, необходимые для очистки отходов. В этой области прогнозирования фазовых равновесий и тепловые эффекты, имеет важное значение. Цистерны для отходов могут содержать воду, электролиты, твердые вещества, органические вещества и газы. Нельзя не мера всех возможных комбинаций, так что надежных моделей, охватывающими эти компоненты необходимы. Данные о ключевых подсистем будет необходимо в целях разработки и утверждения этих моделей.
Новые экологические технологии сверхкритических водяное окисление (СКВО), который часто осложняется осадков твердых тел. Хорошие модели твердой равновесия жидкость (и надежные вычисления сложных диаграмм этап) было бы полезно при разработке СКВО процессов. Модели были разработаны несколько систем, таких как NaCI/H20, но распространение на другие системы интересов в тупике из-за отсутствия экспериментальных данных. Транспортные свойства водной смеси в этих условиях имеют важное значение для СКВО, но данные и модели для них также не хватает.
Даже существующих технологий могут использовать более свойств жидкости. Воздуха и пара зачистки широко используется для очистки загрязняющих веществ в воде. Хван и др.. (12) подчеркнул, зависимость этих процессов на постоянной Генри для растворенного в воде, а также обсудили недостаточность данных на 25 ° С для пара зачистки условиях. Лучше измерений в диапазоне температур необходимы, как лучше прогнозов констант Генри и их температурную зависимость. Регулирующие органы начинают использовать базы данных констант Генри; экономические последствия своих решений, позволяют предположить, что инвестиции в области стандартизации, подтверждения и улучшению этих баз данных будет стоит.
Задача состоит в том, что многие инженеры, работающие по проблемам окружающей среды имеют ограниченный фона в области термодинамики и физические свойства. Они не могут быть в состоянии осознать, где свойства играют решающую роль в процессе, и не может знать, где найти необходимые данные или опыта. Эксперты жидкости собственности, необходимо принять активное участие в обучении разработчиков и пользователей экологической технологии о важности данных об имуществе.
Возможности в нетрадиционных смесей и материалов
Многое собственности жидкости исследований на протяжении многих лет была на углеводороды и сырьевые химические вещества, а в последнее время, не разрушающих озоновый слой хладагентов. Будущем потребуется также изучение различных жидкостей, которые имеют важное значение в области новых технологий (а в некоторых плохо понимали старые технологии).
Некоторые из существующих процессов, нуждающихся в надежных данных и моделей включают полимерных систем, электролитов, химически реагирующих смесей и систем с осаждением твердых тел. Транспортные свойства часто плохо понимали. Во многих случаях имеются данные вблизи комнатной температуры, но не на условиях важное значение в промышленности. Некоторые из этих осложнений могут сосуществовать, и это задача интегрировать самостоятельно разработанных знаний, например, электролита и растворов полимеров.
Существуют также области, где жидкость информации о собственности не традиционно играли важную роль, однако, что созрели для интеграции фундаментальных исследований. К ним относятся расплавленные металлы и продукты, такие как продукты питания и мыла, а также реагирующих смесей, таких как сжигание газов и газов, используемых в полупроводниковом производстве.
Новые технологии требуют исследования жидкостей, которые были изучены или не совсем или не соответствующие условия. Для микротехнологии, свойств жидкостей вблизи поверхности будет иметь важное значение. Пробел в знаниях существует в отношении пределов устойчивости и свойств метастабильных жидкостей (жидкости при охлаждении ниже точки замерзания или нагревании выше точки кипения, переохлаждении или паров) (13). Развитие биотехнологий возрастет необходимость решения свойства биомолекул и более крупные структуры, такие как клетки. Свойства жидкостей и материалов для топливных элементов будет иметь важное значение. При комнатной температуре ионных жидкостей, обещают, как "зеленые" растворители (14); отсутствуют данные об их теплофизических свойств и свойств растворов ионных жидкостей в качестве растворителей.
Многие из систем мы уже упоминал, "грязный", а не только с экспериментальной точки зрения, но и для теории и моделирования. Исследователи жидкости собственность должна перейти к более из этих "грязный" районов, сохраняют свою актуальность для промышленных нужд.
Возможности стандартизации данных и обмена
Отдельные компании уже не могут позволить себе, чтобы собрать и сохранить все данные, необходимые для моделирования процессов, поэтому они все больше полагаются на программное обеспечение сторонних производителей и баз данных. Эта тенденция обостряет проблемы с обменом данными - несовместимые форматы или негибким увеличению накладных расходов, связанных с передачей данных между приложениями.
Таким образом, жидкость данных об имуществе, становятся все более важными. Инженеры являются более эффективными, если они могут легко находить и использовать информацию в базе данных надежным вместо того, чтобы направить ресурсы на поиск литературы, конвертирования и форматирования данных, и так далее. "Надежные" База данных должна быть значительно больше, чем набор чисел. Пользователям необходимо номеров, которые представляют лучшие оценки экспертов, а также необходимость реалистичной оценки их неопределенности. Там также должны быть стандартизированы протоколы обмена, так что данные для беспрепятственного перемещения между приложениями и по сетям.
Основные усилия данные Айше является проектный институт физических свойств (DIPPR) программы. DIPPR финансируется за счет промышленных спонсоров. Он поддерживает некоторые экспериментальные работы, но наиболее очевидным усилия направлены на имущество базы данных для ИПЦ. Наиболее известным продуктом DIPPR является база данных, из 801 проектов, в котором содержится оценка и коррелированных чистых компонентов данных для ключевых свойств. Настоящее время база данных содержит свыше 1700 соединений, а также о 50 новых соединений каждый год добавляются новые. DIPPR 801 широко используется для чисто свойств компонентов в химическом процессе моделирования.
Еще одним крупным источником жидкости оценку данных имущества из Национального института стандартов и технологий (NIST), где стандартных справочных данных программ является координационным центром для распространения данных. Усилия диапазоне от ссылки - качество корреляции отражает консенсус экспертов (и, в некоторых случаях, норм, принятых национальных или международных органов), более интеллектуального моделей для систем, где данные недостаточны, чтобы NIST WebBook по химии (<A HREF = "HTTP : / / webbook.nist.gov / химия "целевых =" _blank "относительной =" NOFOLLOW "> http://webbook.nist.gov/chemistry </ A>). Термодинамика Научно-исследовательский центр (КИП) (недавно вернулся в NIST из Техаса
Эти усилия требуют жидкости эксперты в области недвижимости для оценки данных, сделать разумное экстраполяции и оценок, а также получения достоверных корреляций. Эксперты также обеспечить преемственность, которая имеет важное значение для качества данных. Для новых технологий и процессов, базы данных придется добавить новые составы и смеси, и, возможно, дополнительные свойства. Задача этих усилий является получение устойчивого финансирования как для поддержания и расширения базы данных, а также использовать имущество экспертов. Кроме того, в Интернете, предоставляя новые возможности для использования и распространения данных, заставляет значительные структурные изменения в базе данных поставщиков.
Чтобы быть полезными, эти базы данных должны работать плавно, все инструменты, используемые в процессе проектирования, разработки и эксплуатации. Это требует применения стандартизированных протоколов для обмена данными. Основные усилия в этом направлении, направленные на все аспекты процесса моделирования, является проект Глобального КАБО-OPEN (15). Проект 991 из DIPPR приступила к работе специально для обмена данными теплофизических собственности, а также базы данных поставщиков, таких как NIST ТРК работают над улучшением и содействие использованию средств для обмена данными.
Задача "Мусор In, Евангелие Out"
Джон Prausnitz предупредили (16) "Никогда не впечатлен результаты расчетов только потому, что они поступают от компьютера. Силу компьютер скорость, не интеллект". Поскольку развитие технологий идет в большей степени зависит от программного обеспечения, а так как это программное обеспечение становится проще в использовании, растет соблазн использовать результаты без каких-либо думал ли компьютер делать соответствующие расчеты для задачи.
Мы не против, чтобы вычисления. Такие программы, как процесс тренажеров значительно повысить производительность инженерного. Новые технологии требуют более таких инструментов, учитываются во всей цикла разработки. "Виртуальные инструменты" рассматриваются ключевые возможности технологий во многих новых областях, и это правильно. Тем не менее, эти виртуальные инструменты должны быть утверждены в отношении физической реальности. Это все более важное значение, как программное обеспечение становится все более сложным.
Опасности с использованием программного обеспечения процесса моделирования, не задумываясь о теплофизических свойствах были обсуждены во много раз (17-20). Без надежной свойства, процесса симулятор просто дорогой генератор случайных чисел. Тем не менее, ускорение разработки продукции сегодняшнего циклы часто не могут дождаться полной проверки свойств жидкости. Есть несколько способов, чтобы уменьшить риски, связанные с неполным знанием.
Разработчики модели следует четко указать ограничения в отношении не только температуры и давления, а также химический состав и класс соединений. Слишком часто корреляции установлены на углеводородов данных получить для метанола или гидроксида натрия. Хотя формального анализа часто не представляется возможным или необходимым, должно быть, по некоторым оценкам неопределенности чисел,. Разработчики не должны переоценивать свои модели - мы особо сетовать на использование слова "интеллектуального" для описания корреляций. Наконец, модельеры должны признать, что, несмотря на предостережения, некоторые пользователи будут настаивать на использовании модели за пределами своей планируемой дальности. Следовательно, они должны попытаться использовать функциональные формы, экстраполировать в реальный способ, с использованием физических граничных условий, таких как ограничение идеального газа.
Разработчики программного обеспечения трудная работа. С одной стороны, они должны защитить своих пользователей от получения плохие ответы. С другой стороны, пользователи в качестве крайнего срока, не хотят слышать, что, не получив ответа на всех предпочтительнее получить неправильный ответ. Продавцы должны ясно дать понять ограничения их программного обеспечения, в том числе ограничения основополагающих моделей собственности. Пользователи должны быть предупреждены, когда модели будут использоваться за пределами их допустимого диапазона, но на самом деле включения такого решения в программное обеспечение (избегая при этом "Мальчик, который кричал волк 'эффектов от многочисленных предупреждений за неважных вопросов) является далеко не тривиальным.
Связанная с этим проблема в том, что программное обеспечение для моделирования обычно вызывает однозначного ответа, не свидетельствует о ее неуверенности или его чувствительности к неопределенным входных переменных. К сожалению, оценки факторов неопределенности для систем и процессов в реальном мире сложности сложная проблема. В ближайшем будущем пользователи будут вынуждены полагаться на сырую чувствительности оценок, полученных путем изменения отдельных параметров. В долгосрочной перспективе, методы моделирования, которые включают статистические данные свидетельствуют некоторые надежды (21).
Пользователи программного обеспечения необходимо обращать внимание на ограничения своих средств, желательно с достаточно понимания основных моделей судить, сколько доверие к место в результатах поиска. Это может быть непрактичным для каждого пользователя есть такое понимание, но необходимо по крайней мере, доступ к эксперта, можно ознакомиться, если проблема имеет достаточно важное значение. В конечном счете, ничто не может заменить для опытных технического заключения.
Проблема пропавших без вести мост
Тема инженерные решения воспитывает, что мы называем "отсутствует мост". Очевидно, что Существуют промышленные потребности в жидкости данные собственности, а также Есть ученые способны удовлетворения этих потребностей. Тем не менее, должна быть мостом между производственного процесса и исследователя. В противном случае, ученые могут работать над проблемами, которые не относятся к промышленных нужд и технологических процессов, разработчики могут пропустить преимущества, которые могли бы быть реализованы в результате более точных данных.
В ИПЦ, этот мост, до недавнего времени часто принимали форму корпоративных групп техники. Эти группы, как правило, в том числе нескольких специалистов собственности, были хранилищами знаний и опыта и могут различить, где собственность информация будет соответствовать техническим потребностям компании. Сегодня корпоративные реструктуризации ликвидация или значительное уменьшение многих таких групп. В результате, зачастую никто не в состоянии признать потребности в жидкости собственности, и сообщать об этих потребностях исследователей.
Неясно, как исправить это. Маловероятно, что компании снова использовать набор имущества экспертов, в лучшем случае они могут понять, что оптимальный уровень внутреннего опыта больше нуля. Может быть, промышленные предприятия могут объединять ресурсы для поддержки своих исследований в полезных направлениях. Нефтяной Фонд исследований Американского химического общества, и программа DIPPR из Аиш являются две существующие усилия в этом направлении.
Как разработчики технологии в большей степени полагаться на внешние программы, такие как процесс тренажеры, поставщиков этого программного обеспечения может помочь сократить разрыв. Если производители программного обеспечения признают важность свойства жидкости в их продукции, они могут использовать имущество экспертов, которые могут признавать потребности, довести их для исследователей, и даже развивать самих моделей. Для того, чтобы заполнить эту роль, эти компании должны работать со своими клиентами, чтобы понять, как программное обеспечение используется и в которых необходимо улучшение. Было бы также полезно, если выявленных потребностей может быть переведена на проведение исследований, либо непосредственно, либо путем нуждах финансирующих учреждений.
В конечном счете, исследователи разработчиков технологий и жидкости собственности, необходимо принять много инициативу bridgebuilding. Разработчики (в промышленности и в усилиях правительства технологии) должны признать, что надежные модели требуют надежных данных в качестве основы. Они должны выглядеть достаточно глубоко в свои процессы, чтобы определить места, где имущество данных недостаточно, и они должны быть готовы оказывать поддержку работе по устранению этих недостатков. Исследователи должны быть активно взаимодействуют с разработчиками и взыскательных их реальных потребностей. Это может потребовать понимания химических реакций, скорость процессов, проектирование оборудования и других осложнений, они, возможно, предпочтет проигнорировать. Исследователи жидкости собственность не может позволить себе работать в изоляции и ответить на вопросы, что никто не спрашивал.
Роль измерений
Жидкость собственности исследований переживает глобальный сдвиг. В течение последнего десятилетия, объем экспериментальных исследований сократился в США и, в меньшей степени, в других промышленно развитых странах, таких как Япония и Германия. С другой стороны, он вырос в других странах, особенно в Азии и Южной Америки. Эта тенденция параллели перемещения промышленного производства в регионах, дешевой рабочей силы. Это может свидетельствовать о том, что стигма измерений слишком долго и слишком дорого. С экспериментальной собственности жидкости исследования стали еще одним товаром на аутсорсинг?
Инженеры должны узнать стоимость теплофизических свойств в колледже. Тем не менее, в научных кругах (по крайней мере в США), где измерения свойств жидкости в наибольшей степени спад. В критике Птичье (22) из приоритетов в академической химической технологии, мы видим некоторые возможные причины этой тенденции: "Стремление к финансированию является более важным, чем стремление к знанию ... Аспиранты проходят подготовку в качестве технических специалистов в весьма узкой области, так что их преподаватели смогут кеты из научных публикаций ". Можно "кума из" больше публикаций, избегая кропотливой экспериментальной работы. Вискозиметр не может быть загружена из Интернета, как программное обеспечение моделирования. Когда студенты, которые только подвергаются вычислений введите промышленности, они могут продолжать искать быстрые ответы с компьютера на все вопросы. В результате машиностроении, видео-игра, которая не может описать реальность.
Что же тогда роль измерений? Существует важное различие между приобретения знаний через реальные эксперименты и с помощью моделирования. Моделирование наблюдать за поведением модели системы в контролируемых государством в соответствии с правилами, приведенными программистом. Измерения также ограничить образца в термодинамическом состоянии, но правила эти природы, а не следователь, давая больше возможностей для удивления и открытия.
Учитывая это существенная разница, измерения остаются основным методом изучения свойств жидкости. Тем не менее, экспериментаторы не могут просматривать свою торговлю, как единственный путь к знаниям. Они должны признать, что многие вопросы можно ответить адекватно компьютерного моделирования, как тренажеры должны смотреть измерений связать свою работу с реальностью. Что необходимо, является сотрудничество между теми, кто занимается моделирование, эксперимент и теория. Например, тренажеры могут сравнивать свои результаты с экспериментальными данными в случае необходимости (как и многие теоретики уже делается), и экспериментаторы могут производить измерения выбрана для проверки методы моделирования и силовых полей и дискриминации среди конкурирующих теорий.
Какие жидкости следует оценивать? Всеобъемлющее измерения (несколько свойств в широком диапазоне условий) высокой точности в основном, необходимых для систем, которые в некотором роде уникальным, имея молекулярного взаимодействия, не охваченных в существующих базах данных. Для чистых жидкостей, первые члены гомологического ряда являются очевидными целями. Удивительно, но многие из них слабо изучен. Например, составление жидких данных вязкости (23) не располагает данными на всех для диметилового эфира и формальдегида. Молекулярной вязкости моделирования для таких полярных жидкостях неопределенность уровня, возможно, 30%, тогда как простые эксперименты могут достичь 0,3%.
Некоторые соединения в этом разделе показаны на рисунке 1, где изоэлектронных плотности поверхности и распределения заряда, выделите полярность, что делает их трудно имитировать или описать с теорией. В таблице приведены эти и другие первых членов гомологического ряда, что мы считаем, необходим целый комплекс, справочно-качество измерений. Девять из этих соединений входит в число 50 химических веществ по объему производства в США (24). Другие кандидаты для измерения входят представители промышленно важных многофункциональный классов соединений, таких, как этанол амины или гликольэфиры.
Опыт показывает, что долгосрочной преемственности является жизненно важным для плодотворного экспериментальных исследований собственности жидкости. Такая преемственность трудно добиться в научных кругах, и становится все более редким в промышленности. С другой стороны, долгосрочные исследования является товарным знаком национальной лаборатории метрологии NIST, как в США, Федеральный институт по физике и технике (ПТБ) в Германии, и Национальный научно-исследовательская лаборатория по метрологии (NRLM) в Японии. Эти лаборатории часто уже есть инструменты для таких измерений, однако во многих случаях они стареют, заказ аппарата, которые должны быть автоматизированы и обновляется с целью эффективного выполнения комплексных исследований. Новые приборы и методы измерения созрели в течение последних двух десятилетий. Эти и другие инструменты должны быть использованы на систематической и скоординированной основе заполнить пробелы в наших знаниях.
Такие измерения повестки дня является сложной, особенно если учесть, комбинаторные подходы, которые производят много жидкости кандидата для приложения. Высокая точность измерений всеобъемлющего, вероятно, будет ограничена ключевых жидкости, такие как указанные в таблице. Для других систем, необходимо будет для высокоскоростных исследования (пожертвовать некоторыми точность) большое количество жидкости различной молекулярной структуры и состава смеси. Микротехнологии и комбинаторные методы могут помочь в решении этой задачи.
Комбинаторные измерений
Комбинаторной химии может создать сотни тысяч новых соединений (25). В этом процессе обнаружения, выявления и смесей для выполнения требуемой функции, во многих случаях требуют характеризующие как их химической и их теплофизические свойства. Хотя высокой пропускной способностью химического скрининга может соответствовать скорости соединения синтеза, теплофизические свойства не может быть измерен по ставкам в настоящее время с имеющихся инструментов и методов. Тем не менее, все большее расхождение между синтеза и характеристики ставки могут быть отменены ускоренного измерения микросенсоров в комбинаторный подход.
Традиционно свойств жидкостей измеряются по выборке объемом от 100 см3 до 3 см3 в широком диапазоне давлений и температур. Это очень много времени - измерение и анализ данных 1 собственности на один состав в диапазоне от нескольких сотен градусов и несколько десятков МПа может потребоваться несколько месяцев.
Иной подход необходим для комбинаторно синтезированных соединений. Они должны быть измерены быстро, как правило, на одном (часто окружающей среды) давления и температуры, и в разных (часто водных) смесей. Эти состав-ориентированных измерений может осуществляться намного быстрее, так приготовления смеси может быть высокий уровень автоматизации. Кроме того, измерения времени и образец стоимость может быть существенно снижена за счет уменьшения объема выборки для микро-, нано-, или даже с picoliters Micromachined теплофизических датчики собственности.
Микросенсоров могут быть интегрированы в серийные анализаторов, где несколько свойств одного и того же образца может быть измерена быстро. Microanalyzers могут работать параллельно, чтобы воспользоваться масштабируемость миниатюрных систем. Чтобы в полной мере воспользоваться этим масштабируемость, необходимо расширить обычном режиме измерения ("1 жидкости в то время") на десятки или даже сотни различных образцов сразу. Такие культурные изменения, которые трудно, но потенциал миниатюрных систем требует, чтобы мы принимаем новый способ мышления.
NIST разработал массива платформы для выполнения комбинаторного анализа чувствительных пленок (рис. 2). Каждый элемент массива является microhotplate с 3 функциональных слоев: нагреватель, который может достигать 500 ° С в течение миллисекунд (см. вставку), термометр / тепло-распределения пластины, электрические контакты для мониторинга образца. Такие микросенсоров и комбинаторные методы открывают новые горизонты для экспериментов по жидкостей.
Быстрое состав-ориентированных измерений будет генерировать гораздо больший объем данных. Чтобы получить максимальную пользу от этого комбинаторный подход, эти данные должны быть эффективно управляемых и включены в базы данных. Эти данные будут также влиять на развитие модели: возможность быстро измерять систем разных молекулярных структур и составов будет способствовать развитию все более широкой основе количественных структура - свойство "для предсказания свойств новых соединений.
Закрытие мысли
Теплофизических свойств жидкостей будет иметь важное значение для новых технологий. Но будет ли инженеры будущего, надежные данные, которые они нужны? Может быть, и нет, если свойства жидкости являются само собой разумеющимися и проблемы, обсуждаемые здесь не рассматриваются. Молекулярная моделирования открывает перспективу, но большее внимание должно быть уделено проверке силовых полей и моделирование с точными данными. Высококачественные измерения необходимы, как и методы для получения данных более быстрыми темпами. Необходимо продолжать усилия для получения надежных баз данных и сделать их содержание удобно для использования и обмена информацией. Тренажеры, теоретиков и экспериментаторов, должны сотрудничать, чтобы использовать друг друга в работе. Может быть, самое главное, разработчиков технологий и исследователей, не могут действовать в одиночку, а должны развивать каналы, по которым исследователи могут изучать потребности и оказывать поддержку в работе по удовлетворению этих потребностей.
Благодарности
Некоторые из наших коллег в NIST сыграли важную роль в принятии Форум 2000 реальности и в дискуссиях, которые привели к этой статье. Мы благодарим DG другу, HJM Hanley, WM Haynes, JW Маги, CD Музни, JC дождевой и особенно CD Холкомб. Мы также благодарим всех, кто внес вклад в обсуждение, в частности эксперты: Питер Каммингс, Univ. Теннесси и Окриджской национальной лаборатории; Уорд TeGrotenhuis, Pacific Northwest национальной лаборатории; Джеймс Poppiti, Министерством энергетики США; Анджей Андерко, ОЛИ Systems, Inc, Томас О'Брайен, Министерством энергетики США, Поль Матиас, Aspen Technology , Inc и Уильям Уэйкхем, Имперский колледж науки, техники и медицины (в настоящее время университет Саутгемптона).
ЛИТЕРАТУРА
1. Дождевая вода, JC, и др.. "Форум 2000: Свойства флюидов по новым технологиям, Подключение Виртуальный дизайн, физическая реальность", J. Chem. Eng. Данные, 46 (5), с. 1002-1006 (сентябрь 2001).
2. Дождевая вода, JC, и др.. "Доклад на Форуме 2000: Свойства флюидов по новым технологиям - Подключение Виртуальный дизайн, физическая реальность", NIST Специальное издание 975, US Government Printing Office, Вашингтон, округ Колумбия (2001). Дополнительный материал на форуме 2000 доступна по адресу <a href="http://forum2000.boulder.nist.gov" <target="_blank" rel="nofollow"> http://forum2000.boulder.nist.gov / >.
3. Деем, МВт, "Последние взносам статистической механики в области химического машиностроения", Айше J., 44 (12), с. 2569-2596 (декабрь 1998).
4. Уилсон, EK, "Преодоление химии и машиностроения" Chem.
5. Siepmann, СО и др.., "Моделирование критического поведения сложных жидкостей", природа, 365 (6444), с. 330-332 (23 сентября 1993).
6. Smit, Б. и др.., "Компьютерное моделирование пар-жидкость фазовых равновесий н-алканы," J. Chem. Phys., 102 (5), с. 2126-2140 (1 февраля 1995).
7. Smit, Б. и др.., Исправление, J. Chem. Phys., 109 (1), стр. 352 (1 июля 1998).
8. Kricka, LJ, "революции на квадратный сантиметр," Природа Biotech., 16 (6), с. 513-514 (июнь 1998).
9. Picraux, ST, и PJ McWorter ", широким размахом комплексного Microsystems," IEEE Spectrum, 35 (12), с. 24-33 (декабрь 1998).
10. Jensen, KF ", Микрохимический системы: состояние, проблемы и возможности", Айше J., 45 (10), с. 2051-2054 (октябрь 1999).
11. Jensen, KF ", Microreaction науки - мал лучше?", Chem. Eng. Sci., 56 (2), с. 293-303 (январь 2001).
12. Хван, Y.-L. и др.., "Паровые зачистки для удаления органических загрязнителей из воды. 2. Пар-жидкость Равновесие данных", штат Индиана Eng. Химреагент Рез., 31 (7), с. 1759-1768 (июль 1992).
13. Дебенедетти, ГУ ", метастабильных жидкостей. Концепции и принципы", Princeton University Press, Принстон, штат Нью-Джерси (1996).
14. Бреннеке, J. E и EJ Магинн, "Ионные жидкости: Инновационные Жидкости для химической переработки", Айше J., 47 (11), с. 2384-2389 (ноябрь 2001).
15. Брауншвейг, BL, и др.. "Процесс моделирования: The Promise открытого программного обеспечения архитектуры", Chem. Eng. Prog., 96 (9), с. 65-76 (сентябрь 2000).
16. Рейд, RC, и др.., "Свойства газов и жидкостей", 4 изд., McGraw-Hill, Нью-Йорк, штат Нью-Йорк, глава 8 (1987).
17. Mathias, ТЧ и HC Клоц, "присмотреться на термодинамические модели собственности" Chem. Eng. Prog., 90 (6), с. 67-75 (июнь 1994).
18. Карлсон, ЕК: "Не Gamble, физические свойства для моделирования", Chem. Eng. Prog., 92 (10), с. 35-46 (октябрь 1996).
19. Родос, CL, "Моделирование процесса революции: Теплофизические собственностью потребностей и проблем", J. Chem. Eng. Данные, 41 (5), с. 947-950 (сентябрь 1996).
20. Linkson, PB, "Can You Trust Your водные системы моделирования?", Chem. Eng. Prog., 94 (5), с. 63-68 (май 1998).
21. Сипра, B., "Раскрытие неопределенностей в компьютерных моделях," Наука, 287 (5455), с. 960-961 (11 февраля 2000).
22. Берд, RB, "Восстановить правильные приоритеты", Chem. Eng. Prog., 92 (10), с. 80-83 (октябрь 1996).
23. Viswanath, Д. и Г. Natarajan, "Data Book от вязкости жидкости," Hemisphere Издательское дело, New York, NY (1989).
24. Ассоциация производителей химической продукции ", США химической промышленности Статистический справочник", CMA, Arlington, VA (1998).
25. Борман, S., "Комбинаторная химия - пересмотр концепции научного метода," Хим
ALLAN H. Харви и ARNO LAESECKE,
НАЦИОНАЛЬНЫЙ ИНСТИТУТ СТАНДАРТОВ И ТЕХНОЛОГИИ
ALLAN H. Харви инженером-химиком в теории и моделирования жидкостей Группа физико-химических свойств Div. в Национальном институте стандартов и технологии (325 Бродвей, Boulder, CO 80305, телефон: (303) 497-3555, факс: (303) 497-5224, E-почта: <A HREF = "mailto: aharvey @ валун. nist.gov "> <aharvey@boulder.nist.gov />). Он был с NIST с 1994 года, работая в таких областях, phaseequilibrium термодинамики, термодинамики разбавленных растворов, а также свойств воды и водных систем. Ранее он работал для моделирования наук Инк Он получил степень бакалавра в области химического машиностроения Univ. Миссури в Ролла и степень доктора философии в области химического машиностроения Univ. Калифорнии в Беркли. Он является членом Аиш и ASME.
ARNO LAESECKE С экспериментальной свойств жидкостей Группа физико-химических свойств Div. в Национальном институте стандартов и технологий (телефон: (303) 497-3197, E-почта: <a arno.laesecke href="mailto:arno.laesecke@boulder.nist.gov"> boulder.nist.gov @ < />). Он вступил в NIST в 1988 году в качестве приглашенного ученого при поддержке немецкого фонда науки и Джой Бартон Л. Благотворительный фонд "и стала сотрудником в 1993 году. Его интересы включают вязкость, теплопроводность, диэлектрические измерения жидкости, желательно метастабильных и / или полярных и развития микромасштабного Датчики теплофизических свойств highthroughput и комбинаторные исследований. В 1991-1992 годах он находился в отделе корпоративных исследований DaimlerChrysler AG, где он участвовал в ранних стадиях развития топливно-батареях NECAR. Он получил дипл. и д-Ing. степени в области химической инженерии в Univ. Штутгарт (Германия). Он является членом Айше.