استفاده از شبکه نرونی مصنوعی برای بهبود سنتز نانولوله‌ها

استفاده از شبکه نرونی مصنوعی برای بهبود سنتز نانولوله‌ها

سنتز فیلم‌های نانولوله‌کربنی همیشه چالش‌هایی داشته است. محققان از شبکه نرونی مصنوعی برای کنترل فرآیند تولید استفاده کردند تا در نهایت بتوانند ساختاری با خواص از پیش تعیین شده ارائه کنند.

لایه‌های نازک از جنس نانولوله‌های کربنی پتانسیل‌های زیادی در حوزه اپتوالکترونیک پیشرفته، انرژی و پزشکی دارد. اما تولید آن‌ها نیازمند نظارت و اعمال استانداردهای خاصی است.

دیمیتری کراسنیکوف از محققان اسکولتک می‌گوید: «بزرگ‌ترین مانع در مسیر تحقق پتانسیل‌های نانولوله‌های کربنی، فرآیند تولید چندفازی آن‌ها است که مدیریت فرآیند را دشوار کرده است. ما با استفاده از شبکه نرونی مصنوعی موفق به آنالیز داده‌های آزمایشگاهی شدیم و کارایی فرآیند سنتز را پیش‌بینی کردیم.»

نتایج این پروژه در نشریه Carbon به چاپ رسیده است. محققان نشان دادند که روش‌های یادگیری ماشینی و به ویژه شبکه نرونی مصنوعی می‌تواند آموزش ببیند تا پارامترهای آزمایشگاهی نظیر دما، فشار گاز و نرخ جریان را بررسی کرده و با رصد و کنترل آن، خواص مورد نظر را در فیلم‌های نانولوله‌کربنی ایجاد کند.

آلبرت ناسیبولین از محققان این پروژه می‌گوید: «توسعه تمدن انسان و پیشرفت‌های انجام شده در بخش تولید مواد در عصر فناوری اطلاعات به شکل نزدیکی با هم مرتبط هستند. هم مواد و هم الگوریتم‌های محاسباتی و کاربردهای آن‌ها زندگی روزمره ما را شکل می‌دهند. البته این موضوع برای شبکه نرونی مصنوعی نیز صادق است و این شبکه برای کار در محیط‌های چندپارامتری به‌عنوان ابزاری ضروری شناخته می‌شود که از تشخیص جسم تا تشخیص پزشکی را می‌تواند انجام دهد. در طول ۲۵ سال گذشته به دلیل ماهیت پیچیده فرآیند رشد نانولوله‌های کربنی، پیشرفت چندانی در توسعه کاربردهای این ماده در بخش الکترونیک انجام نشده است. ما معتقدیم که روش ما به ایجاد چارچوبی موثر برای تولید نانولوله‌های کربنی کمک کرده و افق‌های جدیدی را برای استفاده از این ماده باز خواهد کرد.»