PS/TiO₂ナノファイバー直径の予測のための人工ニューラルネットワーク設計パラメータの効果

科学分野:

• マテリアルサイエンス 材料科学
• ナノテクノロジー ナノテクノロジー
• コンピューティング・モデリング

背景:

• エレクトロスピニングは,ポリマーナノファイバーを製造するための重要な技術です.
• ナノファイバーの直径を予測することは,材料の特性を調整するために非常に重要です.
• 人工ニューラルネットワーク (ANN) は,材料科学における予測モデリングの可能性を秘めています.

研究 の 目的:

• ポリスチレン (PS) とPS/TiO2ナノファイバーの直径を予測するためのANNモデルを開発・最適化.
• 多層パルセプトン (MLP) と半径ベース関数 (RBF) のアーキテクチャのパフォーマンスを比較する.
• 合理的な材料設計と合成のためのデータ主導の枠組みを確立する.

主な方法:

• PSとPS/TiO2ナノファイバーの製造は,電気回転による.
• 繊維直径の定量的な特徴.
• システムおよびプロセスパラメータを入力として使用したMLPおよびRBFANの開発.
• 隠された層ニューロン数を含むANNアーキテクチャの最適化.
• 平均平方誤差 (MSE) メトリックを用いた検証.

主要な成果:

• 最適化されたMLPモデルは,4.03 × 10−3 (クラス1) と7.01 × 10−3 (クラス2) のMSEを達成しました.
• 最適化されたRBFモデルは,1.42 × 10−32 (クラス1) と2.75 × 10−32 (クラス2) の著しく低いMSEを達成しました.
• ANNモデルのパフォーマンスは,アーキテクチャの最適化に大きく依存していました.

結論:

• 最適化されたANNフレームワークは,ナノ構造材料の構造特性を予測するための強力なツールです.
• この研究は,データ駆動モデリングにおける方法論的厳格性の重要性を強調しています.
• これらの予測能力は,合理的な材料設計とナノファイバーの合成をサポートします.