Российские ученые разработали метод оценки игольчатого кокса по ИК-спектрам
Исследователи из МФТИ, Института искусственного интеллекта AIRI, Университета ИТМО, НИУ ВШЭ и Объединенного института высоких температур РАН разработали экспериментально-вычислительный подход, который позволяет по ИК-спектрам оценивать состав сырья для производства игольчатого кокса.
Игольчатый кокс — ценный продукт с высокой проводимостью, термостойкостью и прочностью. Он используется в производстве электродов, аккумуляторов и других углеродных материалов. Его качество во многом определяется составом исходного нефтяного сырья: долей ароматических соединений, насыщенных углеводородов, смол, асфальтенов, серы и других примесей. Однако между химическим составом сырья и итоговыми свойствами кокса лежит цепочка сложных превращений, а оценка сырья требует использования трудоемких и дорогих аналитических методов.
«Мы предлагаем подход, который позволяет извлекать сравнительную информацию о ключевых функциональных группах сырья непосредственно из ИК-спектров — относительно простого и доступного метода — и тем самым приблизиться к быстрой оценке сырья до коксования», — рассказал один из авторов исследования, старший научный сотрудник Центра вычислительной физики МФТИ Илья Копаничук.
Предыдущие исследования с применением ИК-спектроскопии показали, что отдельные полосы в спектре соответствуют гидроксильным, карбонильным, ароматическим и другим функциональным группам. Однако для нефтяных смесей этой информации недостаточно, поскольку в одной области спектра могут накладываться полосы от различных компонент. Из-за этого трудно однозначно связать конкретную полосу с определенной фракцией сырья.
«Принципиальное отличие нашего подхода заключается в объединении в единую методику трех компонент: экспериментальной ИК-спектроскопии промышленных образцов, классической молекулярной динамики для генерации синтетических спектров с известным составом и методов хемометрики и машинного обучения для интерпретации. Мы построили из расчетов молекулярной динамики библиотеку из 1000 модельных смесей с заданным составом и систематически проверили, какие именно методы — линейные хемометрические или нейросетевые — лучше работают для разных характеристик сложных многокомпонентных смесей. Это дает физически обоснованную базу для интерпретации экспериментальных спектров», — объяснил еще один автор, аспирант кафедры физики высокотемпературных процессов, младший научный сотрудник Центра вычислительной физики МФТИ Денис Потапов.
Параллельно исследователи создали компьютерные модели нефтяных смесей с заранее известным составом. Для этих смесей они рассчитали ИК-спектры и проследили, как изменение состава влияет на форму спектра. После этого исследователи применили методы анализа данных: линейные модели — для оценки основных фракций состава, а нейросеть — для более тонкого признака — соотношения CH₃/CH₂.
«Рассчитанные ИК-спектры сложных смесей углеводородов с хорошей точностью раскладываются в линейную комбинацию молекулярных «отпечатков». На этой основе линейная регрессия точнее нейросети предсказывает массовые доли нафтенов, парафинов и ароматики. Это оказалось неожиданным результатом, поскольку обычно ожидают преимущества нейросетевых моделей. Нейросеть выигрывает только на отношении CH₃/CH₂, которое отражает разветвленность углеводородных цепей в компонентах смеси. Здесь ошибка снижается почти вдвое», — добавил Денис Потапов.
Ученые применили разработанный метод к реальным экспериментальным спектрам. Они выделили три типа устойчивых вкладов: насыщенный, ароматический и кислородсодержащий (смолоподобный). Новый подход позволил представить сложный спектр как сочетание трех известных компонент, при этом почти без потери важной информации. Предложенная трехкомпонентная модель восстановила реальные спектры со средней ошибкой восстановления менее 10 %.
«Наш метод опирается на форму спектра в целом, а не на интенсивность отдельных пиков, и за счет этого дает более устойчивую оценку состава сырья», — пояснил исполнительный директор Центра вычислительной физики МФТИ Николай Кондратюк.
По словам ученых, подход уже сейчас позволяет ранжировать образцы сырья по содержанию ароматических соединений, насыщенных углеводородов и кислородсодержащих групп, что помогает быстро выявлять различия между партиями. Для полноценного количественного прогноза свойств кокса и абсолютных концентраций компонентов нужна дополнительная работа: расширение выборки и привязка к результатам дополнительных более дорогих аналитических методов. То есть метод можно встраивать как вспомогательный инструмент контроля сырья уже сейчас, а как самостоятельную предсказательную систему — после следующего этапа исследования.
«На следующем этапе методы инфохимии перспективны для того, чтобы напрямую оценить, как полученные химически информированные дескрипторы состава связаны с выходом кокса и его микроструктурой», — отметила директор НОЦ инфохимии ИТМО Екатерина Скорб.