هوش مصنوعی برای بهبود کارآیی نانولوله‌های کربنی

خبرگزاری برنا- گروه علمی و فناوری؛ برای تولید نانولوله‌های کربنی با خواص مورد نظر، محققان باید دقیقاً بدانند که کدام ویژگی‌ها با پارامترهای سنتز در ارتباط هستند. ده‌ها پارامتر از جمله دما،کاتالیزور، زمان، ترکیب گاز، هندسه راکتور و بسیاری دیگر به‌طور مشترک بر خواص و ویژگی‌های محصول نهایی تأثیر می‌گذارد. تعامل پیچیده آن‌ها به معنای این است که بهینه‌سازی سنتز بسیار ضروری است. مطالعه ما نشان می‌دهد که الگوریتم‌های هوش مصنوعی برای بهینه‌سازی پارامترهای سنتز آئروسل بهتر کار می‌کنند.»

دیمیتری کراسنیکوف از Skoltech، اظهار داشت: «مطالعه ما روش‌های جدیدی برای تنظیم دقیق خواص نانولوله کربنی را مشخص می‌کند. به دلیل خاصیت شگفت‌انگیز آن‌ها، CNTها کاربردهای متنوعی دارند.»

سنتز آئروسل یک روش متداول برای ساخت نانولوله‌های کربنی است. یک کاتالیزور و یک گاز حاوی کربن در یک راکتور تغذیه می‌شوند، جایی که دمای بالا آن‌ها را تجزیه می‌کند.

این مطالعه سه شرط سنتز و چهار ویژگی نانولوله حاصل از آن‌ها را تحت تأثیر قرار داد و سعی در بهینه‌سازی پارامترهای ورودی با مدل‌های مختلف دارد.

کراسنیکوف گفت: «به نوعی، تیم ما یک تورنمنت کوچک را برگزار کرده است که محبوب‌ترین روش‌های یادگیری ماشینی را در برابر یکدیگر قرار می‌دهد و شبکه‌های عصبی مصنوعی بهترین کار را انجام داده‌اند.»

این مطالعه در مقیاس کوچک که بر روی یک مجموعه داده محدود انجام شده است، نه تنها نشان می‌دهد که حتی ۲۵۰ نقطه داده برای پیش‌بینی‌های دقیق کافی است بلکه به‌عنوان گامی به سمت “راکتور هوشمند” در Skoltech نیز عمل می‌کند. هر بار که از آن استفاده می‌شود، تولید نانولوله‌های کربنی با خصوصیات هدف بهتر صورت می‌گیرد. با رشد مجموعه داده‌ها، این تیم دقت پیش‌بینی را افزایش داده و به تدریج دامنه پارامترهای سنتز قابل تنظیم و ویژگی‌های CNT را که قابل کنترل است، گسترش می‌دهد.

راکتور هوشمند به عنوان یک راه حل همه جانبه برای تنظیم پارامترهای سنتز درست برای تولید نانولوله‌های کربنی تک دیواره با خواص مورد نظر برای کاربردهای خاص در پزشکی، حسگری و مهندسی لیزر و موارد دیگر استفاده می‌شود.

انتهای پیام/