使用人工神经网络建模氧化纳米颗粒的电化学合成
Sławomir Francik1, Michał Hajos1, Beata Brzychczyk1
1Department of Mechanical Engineering and Agrophysics, Faculty of Production Engineering and Energetics, University of Agriculture in Krakow, Al. Mickiewicza 21, 31-120 Krakow, Poland.
Materials (Basel, Switzerland)
|September 13, 2025
概括
一个新的人工神经网络 (ANN) 模型准确地预测了氧化 (ZnO) 纳米粒子分布. 这种利用电化学合成参数的预测模型在材料科学中提供了实际应用.
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.
- 计算科学 计算科学
背景情况:
- 电化学合成是生产氧化 (ZnO) 纳米颗粒的关键方法.
- 预测纳米粒子分布对于控制材料特性和应用至关重要.
- 预测ZnO纳米粒子分布的现有方法可能缺乏精度.
研究的目的:
- 开发和验证一个人工神经网络 (ANN) 模型来预测ZnO纳米粒子分布.
- 确定影响纳米粒子分布的关键输入参数.
- 评估开发的ANN模型的实际适用性.
主要方法:
- 开发一个三层多层感知器 (MLP) 人工神经网络 (ANN).
- 使用了五个输入神经元 (粒子大小,溶剂类型,温度) 和一个输出神经元 (分数份额).
- 在隐藏层和输出层分别使用过度触角和指数激活函数.
主要成果:
- 性能最好的神经模型 (ann08) 实现了低根平均平方误差 (RMSE) 值:0.84% (训练),0.98% (测试) 和1.27% (验证).
- 该模型在预测ZnO纳米颗粒的分数份额方面表现出高准确性.
- 粒子大小,溶剂类型和温度等输入变量被确定为重要的预测因素.
结论:
- 开发的ANN模型为预测ZnO纳米粒子分布提供了可靠和准确的方法.
- 该模型的高精度和低RMSE值表明它适合于材料合成中的实际应用.
- 这种方法为优化ZnO纳米颗粒的电化学合成提供了有价值的工具.
