Молекулярно-динамический расчет межфазного натяжения в двухфазной системе жидкий углеводород–вода–ПАВ: от разреженного монослоя ПАВ до сверхплотного

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Предложен способ вычисления низких значений межфазного натяжения (МФН) на основе молекулярно-динамического моделирования систем со сверхплотной упаковкой молекул поверхностно-активных веществ (ПАВ) на межфазной границе вода – жидкий углеводород. Методом молекулярной динамики с использованием полноатомных и грубозернистых моделей выполнены расчеты межфазного натяжения в двухфазных системах вода–алкан (декан, додекан) в присутствии различных индивидуальных ПАВ. Были рассмотрены следующие ионные и неионные ПАВ: додецилсульфат натрия (ДСН), хлорид цетилтриметиламмония (ЦТАХ), додецилбензолсульфонат натрия (ДБСН), децет-6 сульфат натрия C10E6SO4Na, монодециловый эфир гексаэтиленгликоля (C10E6), монононадециловый эфир триэтиленгликоля (C19E3), монододециловый эфир октапропоксипентаэтиленгликоля (C12P8E5). Показано, что увеличение адсорбции ПАВ до предельных значений снижает межфазное натяжение вплоть до нуля.

Полный текст

Доступ закрыт

Об авторах

А. А. Ванин

Санкт-Петербургский государственный университет

Email: nikolay.volkov@spbu.ru
Россия, Санкт-Петербург, 199034

Н. А. Волков

Санкт-Петербургский государственный университет

Автор, ответственный за переписку.
Email: nikolay.volkov@spbu.ru
Россия, Санкт-Петербург, 199034

Е. Н. Бродская

Санкт-Петербургский государственный университет

Email: nikolay.volkov@spbu.ru
Россия, Санкт-Петербург, 199034

А. К. Щёкин

Санкт-Петербургский государственный университет

Email: nikolay.volkov@spbu.ru
Россия, Санкт-Петербург, 199034

Е. А. Турнаева

Тюменский государственный университет

Email: nikolay.volkov@spbu.ru
Россия, Тюмень, 625003

М. С. Половинкин

Санкт-Петербургский государственный университет

Email: nikolay.volkov@spbu.ru
Россия, Санкт-Петербург, 199034

Ю. А. Ерошкин

Санкт-Петербургский государственный университет

Email: nikolay.volkov@spbu.ru
Россия, Санкт-Петербург, 199034

Список литературы

  1. Иванова А. А., Кольцов И. Н., Громан А. А. и др. // Нефтехимия. 2023. Т. 63. № 4. С. 449. https://doi.org/10.31857/S0028242123040019 (Ivanova A. A., Koltsov I. N., Groman A. A., et al. // J. Petroleum Chem. 2023. V. 63. No. 8. P. 867.) https://doi.org/10.1134/S0965544123060142
  2. Shi P., Luo H., Ta X. et al. // RSC Advances. 2022. V.12. № 42. P. 27330. https://doi.org/10.1039/d2ra04772a
  3. Bui T., Frampton H., Huang Sh. et al. // Phys. Chem. Chem. Phys. 2021. V. 23. N. 44. P. 25075. https://doi.org/10.1039/D1CP03971G
  4. Müller P., Bonthuis D. J., Miller R. et al. // J. Phys. Chem. B. 2021. V. 125. N. 1. P. 406. https://doi.org/10.1021/acs.jpcb.0c08615
  5. Ghoufi A., Malfreyt P., Tildesley D. J. // Chem. Soc. Rev. 2016. V. 45. N. 5. P. 1387. https://doi.org/10.1039/C5CS00736D
  6. Negin C., Ali S., Xie Q. // Petroleum. 2017. V.3. P. 197. https://doi.org/10.1016/j.petlm.2016.11.007
  7. Belyaeva E. A., Vanin A. A., Victorov A. I. // Phys. Chem. Chem. Phys. 2018. V. 20. Is. 36. P. 23747. https://doi.org/10.1039/C8CP02488J
  8. Belyaeva E. A., Vanin A. A., Anufrikov Yu. A. et al. // Colloids Surf. A. 2016. V. 508. P. 93. https://doi.org/10.1016/j.colsurfa.2016.08.022
  9. Волков Н.А., Ерошкин Ю. А., Щекин А. К. и др. // Коллоидн. журн. 2021. Т. 83. № 4. С. 382. https://doi.org/10.31857/S0023291221040157 (Volkov N. A., Eroshkin Yu.A., Shchekin A.K et al. // Colloid J. 2021. V. 83. N. 4. P. 406.) https://doi.org/10.1134/S1061933X21040141
  10. Volkov N.A., Tuzov N. V., Shchekin A. K. // Fluid Phase Equilibria. 2016. V. 424. P. 114. https://doi.org/10.1016/j.fluid.2015.11.015
  11. Vanommeslaeghe K., Hatcher E., Acharya C. et al. // J. Comput. Chem. 2010. V. 31. P. 671. https://doi.org/10.1002/jcc.21367
  12. Yu W., He X., Vanommeslaeghe K., Mackerell A. D., Jr. // Ibid. 2012. V. 33. P. 2451. https://doi.org/10.1002/jcc.23067
  13. Klauda J.B., Venable R. M., Freites J. A. et al. // J. Phys. Chem. B. 2010. V. 114. P. 7830. https://doi.org/10.1021/jp101759q
  14. Jorgensen W.L., Chandrasekhar J., Madura J. D. et al. // J. Chem. Phys. 1983. V. 79. P. 926. https://doi.org/10.1063/1.445869
  15. Humphrey W., Dalke A., Schulten K. // J. Mol. Graph. 1996. V. 14. P. 33. https://doi.org/10.1016/0263-7855(96)00018-5
  16. Hanwell M.D., Curtis D. E., Lonie D. C. et al. // J. Cheminform. 2012. V. 4. P. 17. https://doi.org/10.1186/1758-2946-4-17
  17. Faria B. F., Vishnyakov A. M. // J. Chem. Phys. 2022. V. 157. Article 094706. https://doi.org/10.1063/5.0087363
  18. van Buuren A. R., Marrink S.-J., Berendsen H. J. C. // J. Phys. Chem. 1993. V. 97. P. 9206. https://doi.org/10.1021/j100138a023
  19. Bussi G., Donadio D., Parrinello M. // J. Chem. Phys. 2007. V. 126. № 014101. https://doi.org/10.1063/1.2408420
  20. Essmann U., Perera L., Berkowitz M. L. et al. // J. Chem. Phys. 1995. V. 103. P. 8577. https://doi.org/10.1063/1.470117
  21. Allen M.P., Tildesley D. J. Computer Simulation of Liquids. Oxford University Press, 2017. 2nd ed. 626 p.
  22. Френкель Д., Смит Б. Принципы компьютерного моделирования молекулярных систем: от алгоритмов к приложениям. Пер. с англ. и науч. ред. Иванов В. А., Стукан М. Р. М.: Научный мир, 2013. 559 с.
  23. Marrink S.J., de Vries A. H., Mark A. E. // J. Phys. Chem. B. 2004. V. 108. P. 750. https://doi.org/10.1021/jp036508g
  24. Marrink S.J., Risselada H. J., Yefimov S. et al. // J. Phys. Chem. B. 2007. V. 111. P. 7812. https://doi.org/10.1021/jp071097f
  25. Souza P.C.T., Alessandri R., Barnoud J. et al. // Nat Methods. 2021. V. 18. P. 382. https://doi.org/10.1038/s41592-021-01098-3
  26. Ndao M., Devémy J., Ghoufi A., Malfreyt P. // J. Chem. Theory Comput. 2015. V. 11. P. 3818. https://doi.org/10.1021/acs.jctc.5b00149
  27. Martínez L., Andrade R., Birgin E. G., Martínez J. M. // J. Comput. Chem. 2009. V. 30. № 13. P. 2157. https://doi.org/10.1002/jcc.21224
  28. Berendsen H.J.C., van der Spoel D., van Drunen R. // Comp. Phys. Comm. 1995. V. 91. P. 43. https://doi.org/10.1016/0010-4655(95)00042-E
  29. van der Spoel D., Lindahl E., Hess B. et al. // J. Comp. Chem. 2005. V. 26. P. 1701. https://doi.org/10.1002/jcc.20291
  30. Pronk S., Páll S., Schulz R. et al. // Bioinformatics. 2013. V. 29. P. 845. https://doi.org/10.1093/bioinformatics/btt055

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Полноатомные модели поверхностно-активных веществ и ионов: додецилсульфат анион C12H25OSO3– (а), катион цетилтриметиламмония C16H33N+(CH3)3 (б), дециловый эфир гексаэтиленгликоля C10E6 (в), молекула C12P8E5 (г), анион C10E6SO4– (д).

Скачать (150KB)
Метаданные
3. Рис. 2. Ячейка моделирования, содержащая 170 молекул C10E6SO4Na, 700 молекул декана и 10000 молекул воды. Ось Z перпендикулярна обоим монослоям ПАВ.

Скачать (257KB)
Метаданные
4. Рис. 3. Грубозернистые модели поверхностно-активных веществ и ионов, использованные в расчетах: (а) монодециловый эфир гексаэтиленгликоля C10E6, (б) монононадециловый эфир триэтиленгликоля C19E3 и (в) додецилбензолсульфонат анион ДБС. Грубозернистые силовые центры {CH3 – (CH2)2 –} и {– (CH2)3 –} изображены черными шарами, бензольное кольцо – двумя близко расположенными серыми шарами, силовые центры {– CH2 – O – CH2 –}, {– OH} и {– SO3–} – белыми, красными и желтыми шарами соответственно.

Скачать (55KB)
Метаданные
5. Рис. 4. Зависимости МФН от адсорбции ДСН на границе раздела декан–вода, полученные при температуре 300 K, при различном числе молекул ПАВ в ячейке моделирования.

Скачать (20KB)
Метаданные
6. Рис. 5. Зависимости МФН от адсорбции для неионного ПАВ (C10E6) на границе раздела декан–вода, полученные в полноатомном моделировании при температуре 300 K и различном числе молекул ПАВ (100 и 170 молекул) в ячейке моделирования.

Скачать (18KB)
Метаданные
7. Рис. 6. Двухфазная трехкомпонентная система: вода–додекан–C10E6. Форма основной ячейки моделирования при различных заданных значениях межфазного натяжения γ: 50 (а), 30 (б), 0 мН/м (в). Ось X вертикальна, ось Z горизонтальна, а ось Y перпендикулярна плоскости изображения.

Скачать (156KB)
Метаданные
8. Рис. 7. Зависимости МФН от адсорбции ПАВ на границе декан–вода при температуре 300 K для пяти индивидуальных ПАВ: C10E6, ДСН, ЦТАХ, C12P8E5 и C10E6SO4Na.

Скачать (43KB)
Метаданные
9. Рис. 8. Зависимость межфазного натяжения от величины адсорбции ПАВ на межфазной границе в системе вода – додекан – ПАВ для трех различных ПАВ (C10E6, C19E3, ДБСН). Температура 353 K, система находится в механическом равновесии с газом под давлением PN = 1 бар. Данные грубозернистого моделирования.

Скачать (9KB)
Метаданные

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».