• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  • Sviluppo di approcci di scienza dei dati per la sintesi di nanoparticelle
    Un modello di apprendimento automatico può prevedere risultati potenziali per diverse condizioni di reazione nella sintesi di particelle di ossido di ferro. Credito:immagine di Xin Zhang e Stephanie King | Laboratorio nazionale del Pacifico nordoccidentale

    In genere, i ricercatori che tentano di sintetizzare particelle di materiali mirate devono fare affidamento sull'intuizione o su metodi di prova ed errore. Questo approccio può essere inefficiente e richiedere notevoli investimenti in termini di tempo e risorse.

    Per superare le ambiguità di questo approccio, i ricercatori del PNNL hanno sfruttato la potenza della scienza dei dati e delle tecniche di machine learning per contribuire a semplificare lo sviluppo della sintesi delle particelle di ossido di ferro. Lo studio è pubblicato sul Chemical Engineering Journal .

    Il loro approccio ha affrontato due questioni cruciali:identificare le condizioni sperimentali fattibili e prevedere le potenziali caratteristiche delle particelle per un dato insieme di parametri sintetici. Il modello addestrato può prevedere la dimensione e la fase potenziale delle particelle per una serie di condizioni sperimentali, identificando parametri di sintesi promettenti e fattibili da esplorare.

    Questo approccio innovativo rappresenta un cambiamento di paradigma per la sintesi di particelle di ossido metallico, potenzialmente economizzando notevolmente il tempo e gli sforzi spesi per approcci di sintesi iterativi ad hoc. Addestrando il modello ML su un'attenta caratterizzazione sperimentale, l'approccio ha dimostrato una notevole precisione nel prevedere i risultati dell'ossido di ferro in base ai parametri della reazione di sintesi. L'algoritmo di ricerca e classificazione ha prodotto condizioni di reazione plausibili da esplorare dal set di dati di input. Ha inoltre rivelato l'importanza precedentemente trascurata della pressione applicata durante la sintesi sulla fase risultante e sulla dimensione delle particelle.

    Ulteriori informazioni: Juejing Liu et al, Fase assistita dall'apprendimento automatico e sintesi a dimensione controllata di particelle di ossido di ferro, Chemical Engineering Journal (2023). DOI:10.1016/j.cej.2023.145216

    Fornito dal Pacific Northwest National Laboratory




    © Scienza https://it.scienceaq.com