Das Suchergebnis hat sich seit Ihrer Suchanfrage verändert. Eventuell werden Dokumente in anderer Reihenfolge angezeigt.
  • Treffer 10 von 20
Zurück zur Trefferliste
Zitieren Sie bitte immer diesen URN: urn:nbn:de:kobv:b43-515084

Machine learning approach for elucidating and predicting the role of synthesis parameters on the shape and size of TiO2 nanoparticles

  • In the present work a series of design rules are developed in order to tune the morphology of TiO2 nanoparticles through hydrothermal process. Through a careful experimental design, the influence of relevant process parameters on the synthesis outcome are studied, reaching to the develop predictive models by using Machine Learning methods. The models, after the validation and training, are able to predict with high accuracy the synthesis outcome in terms of nanoparticle size, polydispersity and aspect ratio. Furthermore, they are implemented by reverse engineering approach to do the inverse process, i.e. obtain the optimal synthesis parameters given a specific product characteristic. For the first time, it is presented a synthesis method that allows continuous and precise control of NPs morphology with the possibility to tune the aspect ratio over a large range from 1.4 (perfect truncated bipyramids) to 6 (elongated nanoparticles) and the length from 20 to 140 nm.

Volltext Dateien herunterladen

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:F. Pellegrino, R. Isopescu, L. Pellutiè, F. Sordello, A. M. Rossi, Erik Ortel, G. Martra, Vasile-Dan HodoroabaORCiD, V. Maurino
Dokumenttyp:Zeitschriftenartikel
Veröffentlichungsform:Verlagsliteratur
Sprache:Englisch
Titel des übergeordneten Werkes (Englisch):Scientific Reports
Jahr der Erstveröffentlichung:2020
Organisationseinheit der BAM:6 Materialchemie
6 Materialchemie / 6.1 Oberflächen- und Dünnschichtanalyse
Veröffentlichende Institution:Bundesanstalt für Materialforschung und -prüfung (BAM)
Verlag:Springer Nature
Jahrgang/Band:10
Ausgabe/Heft:1
Erste Seite:18910
DDC-Klassifikation:Naturwissenschaften und Mathematik / Chemie / Analytische Chemie
Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Ingenieurwissenschaften und zugeordnete Tätigkeiten
Freie Schlagwörter:Machine learning; Nanoparticles; Shape; Size; Synthesis; Titanium dioxide
Themenfelder/Aktivitätsfelder der BAM:Chemie und Prozesstechnik
Material
Material / Materialdesign
Material / Nano
DOI:10.1038/s41598-020-75967-w
URN:urn:nbn:de:kobv:b43-515084
Verfügbarkeit des Dokuments:Datei für die Öffentlichkeit verfügbar ("Open Access")
Lizenz (Deutsch):License LogoCreative Commons - CC BY - Namensnennung 4.0 International
Datum der Freischaltung:04.11.2020
Referierte Publikation:Ja
Datum der Eintragung als referierte Publikation:16.11.2020
Schriftenreihen ohne Nummerierung:Wissenschaftliche Artikel der BAM
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.