科学家们将AI算法相互对抗以优化石墨烯纳米管合成

由Skoltech科学家领导的一个国际研究团队已经确定了最佳人工智能算法，用于确定有利于碳纳米管形成的合成条件，这些碳纳米管具有针对药物输送、环境监测传感器、激光、氢能技术和其他领域的特定应用量身定制的特性。该研究发表在Carbon上。

如果你把石墨烯想象成一个原子厚的碳层，原子排列成蜂窝状，那么单壁纳米管就是将一片石墨烯包裹成一个圆柱体，尽管碳纳米管不是这样的实际制作。

“我们的研究揭示了微调碳纳米管特性的新方法，”该研究的主要作者、Skoltech的高级研究科学家DmitryKrasnikov评论道。“由于其惊人的特性，碳纳米管具有多种应用：从药物输送到特定组织，再到吸附大气中二氧化碳以抵消气候变化的装置。而且没有‘一个纳米管可以统治所有这些’这样的东西。”

“例如，考虑缺陷的数量：虽然在电子产品中寻求结构完美的纳米管，但额外的缺陷是氢能相关应用的关键。”

为了生产具有所需特性的碳纳米管，研究人员需要准确了解调整特定合成参数会影响哪些特性以及如何影响。“有几十个参数，如温度、催化剂的量和组成、停留时间、气体组成、反应器几何形状以及许多其他因素共同影响最终产品的性质和特性。它们复杂的相互作用意味着合成优化是一种人工智能擅长的任务，”首席研究员、Skoltech教授AlbertNasibulin解释道。“我们的研究尤其表明了哪些人工智能算法最适合优化气溶胶合成参数。”

气溶胶合成是制造碳纳米管的常用方法：将催化剂前体和含碳气体送入反应器，在反应器中高温分解它们，产生催化颗粒和在其上结晶成纳米管的碳。

该研究考虑了三个可变合成条件和它们影响的四个最终纳米管特性，试图用不同的模型优化输入参数。“在某种程度上，我们的团队举办了一场小型‘锦标赛’，让最流行的机器学习方法相互竞争，人工神经网络表现最好，”Krasnikov说。

“这些复杂的多层模型在涉及复杂的CNT特性(例如光电特性)时表现得更好。至于‘简单特性’，例如纳米管直径，它们仍然优于线性回归和其他更简单的模型，尽管不是那么决定性。”

据研究人员称，这项在他们自己的有限数据集上进行的小规模研究不仅表明即使是250个数据点也足以做出准确的预测，而且也是迈向Skoltech的“智能反应堆”的一步，它将成为通过在每次使用时对自己的数据进行训练，可以更好地生产具有目标特性的碳纳米管。随着数据集的增长，团队将提高预测精度，逐步扩大可调控合成参数和CNT特性的可调范围。

最终，智能反应器将作为一个全方位的解决方案，用于设置恰好适合制造单壁碳纳米管的合成参数，这些碳纳米管具有在医学、传感器和激光工程、氢能、碳捕获等特定应用中所寻求的特性。