Une équipe de recherche internationale dirigée par des scientifiques de Skoltech a identifié le meilleur algorithme d’intelligence artificielle pour déterminer les conditions de synthèse qui favorisent la formation de nanotubes de carbone avec des propriétés adaptées à des applications spécifiques dans l’administration de médicaments, les capteurs de surveillance environnementale, les lasers, la technologie de l’hydrogène et ailleurs. L’étude est publiée dans Carbone.
Si vous imaginez le graphène comme une couche de carbone d’un atome d’épaisseur avec les atomes disposés en nid d’abeille, alors les nanotubes à paroi unique sont ce que vous obtiendriez en enveloppant une feuille de graphène dans un cylindre, bien que ce ne soit pas ainsi que les NTC sont réellement fait.
« Notre étude met en lumière de nouvelles façons d’affiner les propriétés des nanotubes de carbone », a commenté l’auteur principal de l’étude, le chercheur principal Dmitry Krasnikov de Skoltech. « En raison de leurs propriétés étonnantes, les NTC ont diverses applications : de l’administration de médicaments à des tissus spécifiques aux dispositifs qui adsorbent le dioxyde de carbone atmosphérique pour compenser le changement climatique. Et il n’existe pas de « nanotube pour les gouverner tous ».
« Considérez la quantité de défauts, par exemple : alors que des nanotubes parfaitement structurés sont recherchés en électronique, des défauts supplémentaires sont essentiels pour les applications liées à l’hydrogène. »
Pour produire des nanotubes de carbone aux propriétés souhaitées, les chercheurs doivent savoir exactement quelles caractéristiques sont affectées par l’ajustement de paramètres de synthèse particuliers et comment. « Il existe des dizaines de paramètres tels que la température, la quantité et la composition du catalyseur, le temps de séjour, la composition du gaz, la géométrie du réacteur et bien d’autres affectant conjointement les propriétés et les caractéristiques du produit final. Et leur interaction complexe signifie que l’optimisation de la synthèse est du genre de tâche pour laquelle l’intelligence artificielle est douée », a expliqué le chercheur principal, le professeur Skoltech Albert Nasibulin. « Notre étude, en particulier, montre quels algorithmes d’IA fonctionnent le mieux pour optimiser les paramètres de synthèse des aérosols. »
La synthèse d’aérosols est un moyen courant de fabriquer des nanotubes de carbone : un précurseur de catalyseur et un gaz contenant du carbone sont introduits dans un réacteur, où une température élevée les décompose à la fois en produisant des particules catalytiques et le carbone qui cristallise en nanotubes dessus.
L’étude a pris en compte trois conditions de synthèse variables et quatre caractéristiques résultantes des nanotubes qu’elles affectent, en essayant d’optimiser les paramètres d’entrée avec différents modèles. « D’une certaine manière, notre équipe a organisé un petit » tournoi « opposant les méthodes d’apprentissage automatique les plus populaires, et les réseaux de neurones artificiels ont fait mieux », a déclaré Krasnikov.
« Ces modèles multicouches complexes fonctionnent bien mieux en ce qui concerne les caractéristiques CNT complexes telles que les caractéristiques optoélectriques. En ce qui concerne les » caractéristiques simples « , par exemple le diamètre des nanotubes, ils surpassent toujours la régression linéaire et d’autres modèles plus simples, mais pas de manière aussi décisive. »
Selon les chercheurs, cette étude à petite échelle réalisée sur un ensemble de données limité démontre non seulement que même 250 points de données suffisent pour faire des prédictions précises, mais sert également d’étape vers un « réacteur intelligent » à Skoltech, qui deviendra toujours mieux à produire des nanotubes de carbone aux propriétés cibles en s’entraînant sur ses propres données à chaque utilisation. Avec la croissance de l’ensemble de données, l’équipe augmentera la précision des prédictions et élargira progressivement la gamme de paramètres de synthèse accordables et les caractéristiques CNT qui peuvent être contrôlées.
À terme, le réacteur intelligent servira de solution complète pour définir les paramètres de synthèse parfaitement adaptés à la fabrication de nanotubes de carbone à paroi unique avec les propriétés recherchées pour des applications particulières dans les domaines de la médecine, de l’ingénierie des capteurs et des lasers, de l’hydrogène, de la capture du carbone, etc.
Plus d’information:
Dmitry V. Krasnikov et al, Méthodes d’apprentissage automatique pour la synthèse d’aérosols de nanotubes de carbone à paroi unique, Carbone (2022). DOI : 10.1016/j.carbon.2022.10.044