Modelado atómico y basado en datos de la formación de grafeno inducida por láser en sustratos de polímeros...

Área de la Ciencia:

• Ciencias de los materiales
• Química computacional
• Ingeniería sostenible

Sus antecedentes:

• Los sustratos a base de madera ofrecen una alternativa renovable y ecológica para la síntesis de materiales avanzados.
• La síntesis de grafeno inducida por láser (LIG) en madera es prometedora, pero carece de comprensión teórica y modelado eficiente.
• Las simulaciones de dinámica molecular (DM) proporcionan un marco teórico, pero son computacionalmente costosas.

Objetivo del estudio:

• Investigar los fundamentos teóricos de la formación de LIG en materiales a base de madera.
• Desarrollar métodos computacionalmente eficientes para predecir los parámetros de síntesis de LIG.
• Establecer un marco para optimizar la producción de LIG a partir de recursos madereros sostenibles.

Principales métodos:

• Se utilizaron simulaciones de dinámica molecular dependientes de la temperatura (DM) para estudiar la formación de LIG en la madera.
• Resultados de simulación validados con datos de caracterización a escala atómica.
• Modelos de aprendizaje automático (ML) implementados (LSTM, SVR, MLP) para predecir la formación de LIG más allá de las condiciones de simulación.

Principales resultados:

• Las simulaciones de MD proporcionaron información sobre los mecanismos de formación de LIG en sustratos de madera.
• Los modelos ML lograron una alta precisión predictiva (R2 ≥ 0.9), reduciendo significativamente el tiempo de cálculo.
• Se identificó una fuerte correlación entre la temperatura y la extensión de la formación de LIG.

Conclusiones:

• Desarrolló un marco eficiente basado en el aprendizaje automático para optimizar la síntesis de LIG en materiales a base de madera.
• El marco permite la predicción a través de diversas condiciones de procesamiento láser.
• Las aplicaciones potenciales incluyen almacenamiento de energía, sensores y catálisis, aprovechando materiales sostenibles.