Desenvolvendo abordagens de ciência de dados para síntese de nanopartículas


Desenvolvendo abordagens de ciência de dados para síntese de nanopartículas

Um modelo de aprendizado de máquina pode prever resultados potenciais para diferentes condições de reação na síntese de partículas de óxido de ferro. Crédito: Imagem de Xin Zhang e Stephanie King | Laboratório Nacional do Noroeste Pacífico

Normalmente, os pesquisadores que tentam sintetizar partículas de materiais especificamente direcionadas tiveram que confiar na intuição ou em métodos de tentativa e erro. Esta abordagem pode ser ineficiente, exigindo investimentos significativos de tempo e recursos.

Para superar as ambigüidades dessa abordagem, os pesquisadores do PNNL aproveitaram o poder da ciência de dados e das técnicas de ML para ajudar a agilizar o desenvolvimento da síntese de partículas de óxido de ferro. O estudo está publicado no Revista de Engenharia Química.

Sua abordagem abordou duas questões fundamentais: identificar condições experimentais viáveis ​​e prever características potenciais das partículas para um determinado conjunto de parâmetros sintéticos. O modelo treinado pode prever o tamanho e a fase potencial das partículas para um conjunto de condições experimentais, identificando parâmetros de síntese promissores e viáveis ​​para explorar.

Esta abordagem inovadora representa uma mudança de paradigma para a síntese de partículas de óxido metálico, potencialmente economizando significativamente o tempo e o esforço despendidos em abordagens de síntese iterativa ad hoc. Ao treinar o modelo ML em uma caracterização experimental cuidadosa, a abordagem demonstrou notável precisão na previsão de resultados de óxido de ferro com base em parâmetros de reação de síntese. O algoritmo de busca e classificação produziu condições de reação plausíveis para explorar a partir do conjunto de dados de entrada. Também revelou a importância anteriormente negligenciada da pressão aplicada durante a síntese na fase resultante e no tamanho das partículas.

Mais Informações:
Juejing Liu et al, Fase assistida por aprendizado de máquina e síntese controlada por tamanho de partículas de óxido de ferro, Revista de Engenharia Química (2023). DOI: 10.1016/j.cej.2023.145216

Fornecido pelo Laboratório Nacional Pacific Northwest

Citação: Desenvolvendo abordagens de ciência de dados para síntese de nanopartículas (2024, 12 de fevereiro) recuperado em 12 de fevereiro de 2024 em https://phys.org/news/2024-02-science-approaches-nanoparticle-synthesis.html

Este documento está sujeito a direitos autorais. Além de qualquer negociação justa para fins de estudo ou pesquisa privada, nenhuma parte pode ser reproduzida sem permissão por escrito. O conteúdo é fornecido apenas para fins informativos.



Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *