相关实验视频
Updated: Aug 15, 2026
09:31
Surface Properties of Synthesized Nanoporous Carbon and Silica Matrices
Published on: March 27, 2019
9.5K
基于机器学习的新型方法用于估计多孔颗粒的表面积
Roja P Moghadam1, Chinmay A Shukla1, Vivek V Ranade1
1Multiphase Reactors and Process Intensification Group, Bernal Institute, University of Limerick, Limerick V94T9PX, Ireland.
Industrial & engineering chemistry research
|November 16, 2023
概括
这项研究引入了一种基于机器学习的快速方法,使用导电性染料吸附来测量多孔材料的表面积. 这种技术显著减少了测量时间从几个小时到几分钟,为传统吸附实验提供了更快的替代方案.
科学领域:
- 材料科学 材料科学 材料科学
- 化学工程是化学工程的重要组成部分.
- 数据科学数据科学数据科学
背景情况:
- 传统的表面积测量,如使用 (N2) 吸附的布鲁纳uer-Emmett-Teller (BET) 分析,是耗时和劳动密集的.
- 准确和快速地确定表面积对于描述各种工业应用中使用的多孔材料至关重要.
研究的目的:
- 开发一种新的,快速和准确的方法来估计多孔材料的表面积和泽塔潜力.
- 为了利用机器学习 (ML) 和导电染料吸附,实现更高效的表征技术.
- 为了将表面积测量的实验时间从小时缩短到几分钟.
主要方法:
- 开发一种基于机器学习 (ML) 和导电染料对多孔材料的吸附动态的方法.
- 通过动态导电性测量对染料吸附的表征.
- 创建基于ML的软传感器,以将导电性概况与表面积和泽塔潜力相关联.
- 开发和验证染料吸附的现象学模型,以增加训练数据.
主要成果:
- 基于ML的软传感器准确地估计了多孔颗粒的表面积和泽塔潜力.
- 开发的方法证明了对表面积在250~1100 m2/g,泽塔电位在-17 mV~29 mV之间的二氧化颗粒的有效性.
- 实验验证证了软传感器在预测材料性能方面的可靠性.
结论:
- 这种新的ML驱动方法可显著缩短孔隙材料表征的测量时间.
- 这种方法提供了一个潜在的可扩展和可实施的解决方案,用于在工业环境中持续监控.
- 该技术在生产孔材料 (如二氧化) 时显示出对实时质量控制的前景.
