Wetenschappers zetten AI-algoritmen tegen elkaar op om de synthese van grafeen-nanobuisjes te optimaliseren

Een internationaal onderzoeksteam onder leiding van Skoltech-wetenschappers heeft het beste algoritme voor kunstmatige intelligentie geïdentificeerd voor het bepalen van de syntheseomstandigheden die de vorming van koolstofnanobuisjes bevorderen met eigenschappen die zijn afgestemd op specifieke toepassingen in medicijnafgifte, omgevingsmonitoringsensoren, lasers, waterstoftechnologie en elders. De studie is gepubliceerd in Koolstof.

Als je grafeen voorstelt als een koolstoflaag van één atoom dik met de atomen gerangschikt in een honingraatpatroon, dan zijn enkelwandige nanobuisjes wat je zou krijgen door een vel grafeen in een cilinder te wikkelen, hoewel dat niet is hoe CNT’s zijn eigenlijk gemaakt.

“Onze studie werpt licht op nieuwe manieren om de eigenschappen van koolstofnanobuizen te verfijnen”, aldus de hoofdauteur van de studie, Senior Research Scientist Dmitry Krasnikov van Skoltech. “Vanwege hun verbazingwekkende eigenschappen hebben CNT’s diverse toepassingen: van medicijnafgifte tot specifieke weefsels tot apparaten die koolstofdioxide uit de atmosfeer adsorberen om klimaatverandering tegen te gaan. En er bestaat niet zoiets als ‘één nanobuis om ze allemaal te regeren’.

“Denk bijvoorbeeld aan het aantal defecten: hoewel perfect gestructureerde nanobuisjes worden gezocht in elektronica, zijn extra defecten essentieel voor toepassingen die verband houden met waterstofenergie.”

Om koolstofnanobuisjes met de gewenste eigenschappen te produceren, moeten onderzoekers precies weten welke kenmerken worden beïnvloed door het aanpassen van bepaalde syntheseparameters en hoe. “Er zijn tientallen parameters zoals temperatuur, hoeveelheid en samenstelling van de katalysator, verblijftijd, gassamenstelling, reactorgeometrie en vele andere die samen de eigenschappen en kenmerken van het eindproduct beïnvloeden. En hun complexe wisselwerking betekent dat synthese-optimalisatie het soort is van de taak waar kunstmatige intelligentie goed in is’, legt de hoofdonderzoeker, Skoltech-professor Albert Nasibulin, uit. “Met name onze studie laat zien welke AI-algoritmen het beste werken voor het optimaliseren van aerosolsyntheseparameters.”

Aerosolsynthese is een gebruikelijke manier om koolstofnanobuisjes te maken: een katalysatorprecursor en een gas dat koolstof bevat, worden in een reactor gevoerd, waar hoge temperatuur ze ontleedt, wat zowel katalytische deeltjes oplevert als de koolstof die erop kristalliseert tot nanobuisjes.

De studie beschouwde drie variabele synthesecondities en vier resulterende nanobuiskenmerken die ze beïnvloeden, in een poging de inputparameters met verschillende modellen te optimaliseren. “In zekere zin heeft ons team een ​​klein ’toernooi’ gehouden waarin de meest populaire machine learning-methoden het tegen elkaar opnemen, en kunstmatige neurale netwerken deden het het beste,” zei Krasnikov.

“Deze complexe meerlaagse modellen presteren veel beter als het gaat om complexe CNT-kenmerken zoals opto-elektrische kenmerken. Wat betreft de ‘eenvoudige kenmerken’, bijvoorbeeld de diameter van nanobuizen, presteren ze nog steeds beter dan lineaire regressie en andere eenvoudigere modellen, hoewel niet zo doorslaggevend.”

Volgens de onderzoekers toont dit kleinschalige onderzoek, uitgevoerd op een beperkte eigen dataset, niet alleen aan dat zelfs 250 datapunten voldoende zijn om nauwkeurige voorspellingen te doen, maar dient het ook als een stap in de richting van een “slimme reactor” bij Skoltech, die zal worden steeds beter in het produceren van koolstofnanobuisjes met doeleigenschappen door elke keer dat het wordt gebruikt te trainen op zijn eigen gegevens. Naarmate de dataset groeit, zal het team de voorspellingsnauwkeurigheid vergroten en geleidelijk het bereik van instelbare syntheseparameters en CNT-karakteristieken uitbreiden die kunnen worden gecontroleerd.

Uiteindelijk zal de slimme reactor dienen als een allround oplossing voor het precies goed instellen van syntheseparameters voor de productie van enkelwandige koolstofnanobuisjes met de eigenschappen die worden gezocht voor bepaalde toepassingen in de geneeskunde, sensor- en lasertechniek, waterstofenergie, koolstofafvang en meer.