Integrating Computational Tools to Address the Thermophysical Behavior of Deep Eutectic Solvents in Gas Separation Applications

L’escalfament global ha esdevingut un dels problemes més crítics de la ciència moderna, afectant profundament la societat i provocant accions legislatives, regulacions i estudis científics. La causa principal és l’emissió antropogènica de gasos d’efecte hivernacle (GEH), els quals han augmentat significativament en els darrers anys. Les tècniques efectives de captura i separació per a la reducció de GEH, com l’absorció basada en solvents, són essencials per a contribuir en els esforços de sostenibilitat. En aquest sentit, els Solvents Eutèctics Profunds (SEPs) han sorgit com una solució prometedora i ecològica per a la captura de gasos a causa de la seva alta capacitat d’absorció, la seva rendibilitat, la seva naturalesa no tòxica i la seva biodegradabilitat, presentant-se com una alternativa sostenible als solvents convencionals. Comprendre les propietats termofísiques dels SEPs és crucial per a la seva aplicació industrial. Donada la diversitat de combinacions de compostos que formen SEPs i les condicions industrials variables, el nombre de mesures experimentals necessàries per a la seva caracterització resulta enorme. Per tant, desenvolupar models computacionals per predir aquestes propietats és crucial. Quan es construeixen models predictius, és important considerar la influència dels cosolvents com l’aigua sobre les propietats dels SEPs, especialment la viscositat. Així doncs, aquesta tesi pretén incorporar diversos marcs teòrics per dilucidar les característiques termofísiques dels SEPsi les seves mescles amb cosolvents. A més, busca explorar la seva aplicació en la captura de GEH, incloent-hi la separació de mescles de gasos refrigerants comercials d’alt potencial d’escalfament global, així com el seu paper en la captura de diòxid de carboni (CO2) i separación de l’amoníac (NH3). El marc proposat empra l’equació d’estat soft-SAFT per desenvolupar un model precís i transferible, juntament amb tècniques d’aprenentatge automàtic com les xarxes neuronals artificials entrenades amb descriptors moleculars derivats d’anàlisis a nivell atòmic utilitzant COSMO-SAC. Aquest enfocament integral facilita la selecció de les propietats termofísiques dels SEPs,proporcionant informació sobre el seu potencial com a absorbents alternatius per a la separació i captura de GEH.