使用去极化动态光散射与随机向量功能链接神经网络和遗传算法测量棒状粒子大小

科学领域:

• 纳米技术纳米技术
• 材料科学 材料科学 材料科学
• 物理化学 物理化学

背景情况:

• 精确的纳米粒子尺寸测量对于材料的性能和应用至关重要.
• 脱极化动态光散射 (DDLS) 提供了一种用于描述纳米粒子形状和尺寸的方法.
• 分析DDLS数据的现有方法的准确性可能是有限的,特别是对于非球形粒子.

研究的目的:

• 开发和验证一种先进的算法,用于精确测量棒形纳米粒子尺寸.
• 提高DDLS数据分析对具有不同比例的纳米颗粒的准确性和适用性.

主要方法:

• 将随机向量功能链接神经网络 (RVFLNN) 结合起来,以与基因算法 (GA) 匹配数据,以解决非线性方程.
• 训练RVFLNN来分析DDLS中垂直和水平极化光场的自相关函数.
• 使用GA来从提取的衰减线宽中确定纳米粒子的长度和直径.

主要成果:

• 开发的算法在形纳米颗粒的角度比≤15.5时,实现了3%的反转误差.
• 这一性能超过了传统的提霍诺夫方法的8%的误差.
• 对于面积比>16的粒子,也得到了精确的测量,显示出11%的误差.

结论:

• 混合RVFLNN-GA算法提供了一个高度准确和强大的方法,用于大小棒状纳米粒子使用DDLS.
• 与现有的反转技术相比,这种进步提供了更高的性能,特别是对于高比例粒子.