Predire la permeabilità multifase nella gola dei pori utilizzando la rete neurale artificiale. Credito:I2CNER, Università di Kyushu
Molte applicazioni, compreso lo stoccaggio dell'anidride carbonica e il recupero del petrolio, implicano il flusso simultaneo di due o più fasi della materia (solida, liquido, gas, ecc.) attraverso materiali porosi. La modellazione su scala dei pori di tale flusso multifase ha faticato a catturare importanti fenomeni denominati effetti di accoppiamento viscoso. Ma ora, un team di ricerca ha sviluppato un metodo che supera questa limitazione con potenziali applicazioni per migliorare le tecnologie dei combustibili e i sistemi di cattura del carbonio.
In uno studio pubblicato questo mese in Progressi nelle risorse idriche , i ricercatori guidati dall'Istituto internazionale per la ricerca sull'energia neutra al carbonio (WPI-I2CNER) dell'Università di Kyushu presentano un modo per incorporare gli effetti di accoppiamento viscoso nella modellazione su scala dei pori del flusso multifase.
Una tecnica comune per studiare tali flussi multifase è la modellazione della rete di pori (PNM), per cui vengono risolte equazioni di trasporto semplificate per geometrie dei pori idealizzate. PNM può essere utilizzato per stimare rapidamente le proprietà di trasporto, ma trascura gli effetti di accoppiamento viscoso. Un approccio alternativo è il metodo del reticolo di Boltzmann (LBM), per cui le equazioni che governano il flusso del fluido sono risolte per geometrie dei pori realistiche. Sebbene l'LBM possa catturare effetti di accoppiamento viscoso, è estremamente inefficiente dal punto di vista computazionale.
Il team dietro quest'ultima ricerca ha avuto l'idea di combinare queste due tecniche. "Abbiamo ideato un modello migliorato per PNM che utilizza i dati raccolti dalle simulazioni LBM, " spiega il coautore dello studio Takeshi Tsuji. "Nelle simulazioni, abbiamo esaminato il flusso multifase alla scala dei pori per un'ampia gamma di parametri geometrici e rapporti di viscosità".
I ricercatori hanno scoperto che per alcune configurazioni, gli effetti di accoppiamento viscoso influenzano significativamente il flusso multifase nella gola dei pori. Hanno usato i risultati della simulazione per derivare un fattore di modifica, espresso in funzione dei rapporti di viscosità, che possono essere facilmente incorporati nel PNM per tenere conto degli effetti di accoppiamento viscoso. Il team ha anche sviluppato un metodo basato sull'apprendimento automatico per stimare la permeabilità associata al flusso multifase.
"Abbiamo addestrato una rete neurale artificiale utilizzando un database costruito dai risultati delle simulazioni. Queste simulazioni consideravano diverse combinazioni di parametri geometrici, rapporti di viscosità, e così via, ", afferma l'autore principale Fei Jiang. "Abbiamo scoperto che la rete neurale addestrata può prevedere la permeabilità multifase con una precisione estremamente elevata".
Questo nuovo approccio basato sui dati non solo migliora il PNM includendo informazioni dettagliate sulla scala dei pori, ma mantiene una buona efficienza computazionale. Dato che il flusso multifase attraverso materiali porosi è fondamentale per molti processi naturali e industriali, studi come questo potrebbero avere implicazioni di vasta portata.