Студент-физик разрабатывает модель машинного обучения для применения в энергетике и окружающей среде

Прочитано: 70 раз(а)
1 Звезда2 Звезды3 Звезды4 Звезды5 Звезд (Оценок пока нет)
Loading ... Loading ...


Студент-физик из Университета Западной Вирджинии создал новую модель машинного обучения, которая может сделать поиск энергии и материалов для окружающей среды более эффективным.

Гихан Панапития, докторант из Шри-Ланки, опубликовал исследование в Журнале Американского химического общества, в котором использовалась модель для прогнозирования энергий адсорбции или адгезионных способностей в наночастицах золота .

«Недавно в центре внимания оказалось машинное обучение, и мы хотели сделать что-то, связывающее машинное обучение с наночастицами золота в качестве катализаторов. Когда я размышлял об области исследований, я обнаружил, что прогнозировать энергии адсорбции этого свойства частиц очень сложно, и знания » Энергия адсорбции важна для каталитических применений в энергетике , окружающей среде и даже в биомедицине» , — сказал Панапития. «Я подумал, что если бы я мог использовать машинное обучение для прогнозирования этих энергий адсорбции без особых затруднений, это позволило бы исследователям легко найти наночастицы с желаемыми свойствами для конкретного применения».


Представленный на обложке журнала «Американское химическое общество» от 19 декабря 2018 года , Панапития и его соавторы использовали геометрические свойства золота, в том числе количество связей и атомов, для проверки модели. Они получили 80-процентную точность прогноза, максимально возможную для моделей машинного обучения, рассчитывающих энергии адсорбции наночастиц на основе только геометрических свойств.

«Мы даем алгоритму машинного обучения совершенно невидимые данные, чтобы, если он обучен, он мог распознавать и находить энергию адсорбции только на основе свойств, которых он не видел», — сказала Панапития. «Используя только геометрические свойства, вам не нужно делать какие-либо вычисления. Это делает процесс прогнозирования очень быстрым и простым для воспроизведения».

Они также протестировали алгоритм с различными типами и размерами наночастиц, чтобы продемонстрировать, что модель имеет одинаковую точность прогнозирования для любой наночастицы любого размера и любой формы.

«Значительные исследовательские усилия Гихана окупились с точки зрения действительно потрясающих результатов, и вполне заслуженно», — сказал профессор физики Джеймс П. Льюис, научный руководитель Panapitiya. «Биметаллические нанокатализаторы на основе золота обеспечивают более высокую перестраиваемость наноструктур и химических составов, которые позволяют улучшить их реакционную способность, селективность и стабильность для достижения желаемой каталитической эффективности. Правильный прогноз их свойств будет способствовать технологическому прогрессу».

Наночастицы золота обычно используются в качестве катализаторов для энергетики и окружающей среды, а также в биомедицинских приложениях, таких как биоизображение и биоэтикетирование.

«Например, золотые наночастицы могут использоваться в качестве флуоресцентных меток для приложений биологической визуализации. Биовизуализация имеет важное значение для понимания природы и распространения таких заболеваний, как рак. Когда раковым клеткам человека разрешается взаимодействовать с наночастицами золота , наночастицы прикрепляются к раковым клеткам, что называется биоэтикеткой », — сказала Панапития. «После некоторого времени прикрепления раковые клетки излучают свечение, которое может быть собрано для изображения этих раковых клеток».

Ученые ДВФУ: что можно сделать с помощью капсул из новых нанопружин



Новости партнеров

Загрузка...