机器学习分析预测生物炭中的碳量子点的光量子产量
Jiao Chen1, Mengqian Zhang2, Zijun Xu3
1College of Ecology and Environment, Xin Jiang University, Urumqi 830046, PR China.
The Science of the total environment
|June 28, 2023
概括
这项研究证明了农场废弃物生物炭中的碳量子点 (CQD),揭示了温度和时间等关键生产参数对其光量子产量的影响. 一个机器学习模型准确地预测了CQD属性,有助于生物碳纳米粒子研究.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术纳米技术
- 环境科学 环境科学
背景情况:
- 生物炭纳米粒子因其对环境和生态的影响而受到越来越多的关注.
- 生物炭中具有独特光伏特性的碳量子点 (<10 nm) 的存在以前没有被证实.
- 农业废物代表了新型纳米材料生产的丰富而未充分利用的资源.
研究的目的:
- 从各种农场废物中生产的生物炭中演示碳量子点 (CQD) 的产生.
- 描述合成的CQD的形态,结构和表面特性.
- 使用机器学习研究生物炭制备参数对CQD的光量子产量 (FQY) 的影响.
主要方法:
- 利用各种表征技术 (例如TEM,FTIR,XPS) 来分析生物炭衍生的CQD.
- 在受控条件下从10种农场废物中生产生物炭.
- 采用了六种机器学习模型来分析480个样本,将准备参数与FQY相关联,并确定了关键的预测特征.
主要成果:
- 成功生成了准球形CQD (0.20-0.23纳米格子间距) 与水友功能组 (氨基,) 和表面元素 (O,C,N).
- 一个梯度增强决策树回归模型实现了高预测准确度 (R2>0.9,RMSE <0.02) FQY.
- 热解温度,停留时间,含量和C/N比率被确定为关键特征,独立于农场废物类型,显著影响FQY.
结论:
- 农场废弃物生物炭可以是碳量子点的来源,具有可调节的光发光特性.
- 机器学习有效地预测了CQD光量子产量,使生物炭生产参数的优化成为可能.
- 鉴定到的关键特征为预测和控制新型生物炭应用中的CQD特性提供了一条途径.
