Newsroom

Trier par :
Temps de lecture Trier par temps de lecture (croissant) Trier par temps de lecture (décroissant)
Date Trier par date de création (croissant) Trier par date de création (décroissant)
Comprendre la formation des dépôts minéraux dans les échangeurs thermiques pour limiter les risques de corrosion
Recherche fondamentale
Actualités 13 août 2024

Comprendre la formation des dépôts minéraux dans les échangeurs thermiques pour limiter les risques de corrosion

La géothermie est une source d’énergie renouvelable, mais les fluides géothermiques peuvent être très dommageables même pour des alliages métalliques supposés résistants. Qu’il s’agisse de corrosion simple ou sous contrainte, le phénomène peut être encore plus sévère en cas de formation de dépôts minéraux, phénomène qui a par ailleurs l’inconvénient de réduire le rendement thermique des équipements atteints. Pour mieux comprendre ces risques, des équipes de recherche d’IFPEN, INSA-Lyon, Mines de Saint-Etienne et l’Institut de la Corrosion collaborent dans le cadre du projet GeoSteelCor. Des méthodologies ont été développées pour maîtriser la formation de dépôts minéraux sur des surfaces métalliques, dans des conditions de laboratoire, et de manière plus réaliste dans une boucle de corrosion à haute pression et haute température. Ces méthodologies ont finalement permis d’étudier l’impact des dépôts minéraux sur la corrosion sous contrainte.

L’apprentissage machine accélère l’accès par dynamique moléculaire ab initio à des données de haute précision pour la chimie
Recherche fondamentale
Actualités 25 juillet 2024

L’apprentissage machine accélère l’accès par dynamique moléculaire ab initio à des données de haute précision pour la chimie

Le calcul ab initio consiste à résoudre l’équation de Schrödinger pour un ensemble d’atomes représentant un système chimique d’intérêt. En réactivité chimique, la dynamique moléculaire ab initio (AIMD) permet par exemple de prédire les constantes de vitesse avec une grande précision, comme notamment dans le cas de zéolithes comportant des protons comme sites actifs. Néanmoins, les conditions d’obtention de résultats ayant la précision requise peuvent entraîner des temps de calcul déraisonnables. Une méthode récente (Machine Learning Perturbation Theory) permet de contourner cet obstacle. Le cas d’application choisi est celui de l’isomérisation et du craquage d’alcènes dans des zéolithes à larges pores.