Двухэтапное машинное обучение обеспечивает оптимизированный синтез наночастиц
Two-step machine learning enables optimized nanoparticle synthesis
2021-04-20
SCID: 54.1/f682ezpt
Discuss with AI
байесовская оптимизация (BO)байесовская оптимизация на основе гауссовского процессаоптимизация спектра поглощенияпредсказание цветовой палитрыглубокая нейронная сеть (DNN)высокопроизводительная микрообъемная платформавзаимосвязь состава реакции и оптических свойствсинтез серебряных наночастицдвухэтапный машинный интеллект
Figures from the paper
Abstract (AI)
В материаловедении поиск рецептов, дающих наноматериалы с заданными оптическими свойствами, является дорогостоящим и трудоёмким. В настоящем исследовании мы представляем двухэтапную схему для платформы микрофлюидики с машинным обучением и высокой пропускной способностью, позволяющую быстро получать серебряные наночастицы с требуемым спектром поглощения. Комбинируя байесовскую оптимизацию (BO) на основе гауссовского процесса с глубокой нейронной сетью (DNN), алгоритмическая схема способна сойтись к целевому спектру после отбора 120 условий. Как только набор данных становится достаточным для обучения DNN с необходимой точностью в области целевого спектра, DNN используется для предсказания палитры цветов, доступной при синтезе реакции. Сохраняя интерпретируемость для человека, предлагаемая схема эффективно оптимизирует синтез наноматериалов и может извлекать фундаментальные знания о взаимосвязи между химическим составом и оптическими свойствами, например о роли каждого реагента в форме и амплитуде спектра поглощения.
Key Findings
1
Двухэтапная система машинного обучения, объединяющая байесовскую оптимизацию на основе гауссовского процесса (BO) и глубокую нейронную сеть (DNN), позволяет быстро получать серебряные наночастицы с заданным спектром поглощения.
2
После накопления достаточного объёма данных DNN предсказывает доступную цветовую палитру, достижимую синтезом реакции.
3
Подход выявляет взаимосвязи между химическим составом и оптическими свойствами, определяя роль каждого реагента в форме и амплитуде спектра поглощения.
4
Комбинированный алгоритм BO+DNN сходится к целевому спектру после выборки 120 экспериментальных условий.
5
Фреймворк остаётся интерпретируемым для человека при эффективной оптимизации синтеза наноматериалов.
Research Object
Синтез серебряных наночастиц с использованием высокопроизводительной микрофлюидной платформы
Research Subject
Оптимизация и предсказание оптических спектров поглощения наночастиц (палитры цветов) и выявление взаимосвязей между химическим составом/ролями реагентов и формой и амплитудой спектра поглощения с использованием двухэтапного ML-фреймворка (байесовская оптимизация + глубокая нейронная сеть)
Publication Details
Publication Date
2021-04-20
Journal
Publisher
ISSN
Cited by
250
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest