Influencia del factor de exclusión en la estadística fraccionaria para la adsorción de mezclas de especies poliaómicas

J. I. LÓPEZ ORTIZ; M. V. DÁVILA; D. A. MATOZ-FERNANDEZ; A. J. RAMIREZ PASTOR

San Rafael, Mendoza

Taller; XIII Taller Regional de Física Estadística y Aplicaciones a la Materia Condensada; 2015

El estudio de la adsorción de mezclas de gases es de fundamental interés en el diseño y optimización de los procesos de separación. Desde el punto de vista teórico, es importante considerar si los gases ocupan uno o más sitios de adsorción. En el caso de existir múltiple ocupación de sitios las teorías desarrolladas son más complejas debido fundamentalmente a dos factores: i) no existe equivalencia estadística entre partícula y vacancia; y ii) la ocupación de un sitio dado asegura la ocupación de otro sitio vecino, esto implica que la orientación de la molécula adsorbida debe ser considerada [1-4]. Riccardo et al. [5] aplicaron a este problema los conceptos de la estadística cuántica fraccionaria propuesta por Haldane [6] y Wu [7], la cual generaliza el principio de exclusión de Pauli y queda caracterizada por un parámetro de exclusión g, que representa el número de estados excluidos por una partícula dentro del conjunto de estados disponibles. En mecánica cuántica, los fermiones y bosones corresponden a g=1 y g=0 respectivamente. Sin embargo, existen partículas que responden a una estadística fraccionaria, para las cuales 0 < g < 1. En los primeros trabajos sobre la estadística fraccionaria para la adsorción de k-meros (FSTA) [5, 8, 9], se extendieron estas ideas para moléculas poliatómicas, de modo de describir las propiedades termodinámicas de la capa adsorbida. La complejidad inherente a este problema puede simplificarse significativamente desde la perspectiva de FSTA. En este caso, el parámetro g varía en el intervalo g > 1. Si consideramos mezclas el problema es aún más complejo. En este trabajo se estudia el efecto de los parámetros de exclusión de las distintas especies, analizando el modelo matemático en función de los datos de simulación de Monte Carlo. [1] T. Nitta, T. Shigetomi, M. Kuro-Oka, T. J. Katayama. Chem. Eng. Japan (1984); 17: 39-45. [2] A. J. Ramirez-Pastor, T. P. Eggarter, V. D. Pereyra, J. L. Riccardo. Physical Review B, 59, 16, (1999) 11027-11036. [3] A. J. Ramirez-Pastor, V. D. Pereyra, J. L. Riccardo. Langmuir, 15, 18, (1999) 5707-5712. [4] F. Romá, J. L. Riccardo, and A. J. Ramirez-Pastor. Langmuir, (2006), 22 (7), pp 3192?3197. [5] J.L. Riccardo, F. Romá, A.J. Ramirez-Pastor, Phys. Rev. Lett. 93 (2004) 186101. [6] F. D. M. Haldane, Phys. Rev. Lett. 67 (1991) 937. [7] Y. S. Wu, Phys. Rev. Lett. 73 (1994) 922. [8] J.L. Riccardo, F. Romá, A.J. Ramirez-Pastor, Appl. Surf. Sci. 252 (2005) 505. [9] F. Romá, J.L. Riccardo, A.J. Ramirez-Pastor, Ind. Eng. Chem. Res. 45 (2006) 2046.