پیش بینی مغناطش اشباع نانوذرات اکسید آهن سنتز شده با روش همرسوبی به کمک یادگیری ماشین

سنتز نانوذرات اکسید آهن با خواص مغناطیسی مناسب برای استفاده در حوزه های مختلف مانند زیست پزشکی، کاتالیست و جذب آلاینده ها مورد اهمیت است. روش همرسوبی به عنوان روش متداول و ساده برای تهیه این نانوذرات شناخته می شود. در این روش می توان با تغییر در شرایط واکنش، نانوذراتی با خواص و مورفولوژی مختلف به دست آورد. در این پژوهش با کمک یادگیری ماشین خواص مغناطیسی نانوذرات اکسید آهن پیش بینی و ارتباط میان نتایج با پارامترهای موثر بر واکنش مطالعه شد. در این راستا بعد از انجام تحلیل همبستگی پیرسون روی ویژگی ها، از دو مدل رگرسیون خطی و جنگل تصادفی استفاده شد. نتایج نشان دهنده عملکرد بهتر مدل جنگل تصادفی با دقت نزدیک به ۹۳% در مقایسه با دقت ۷۱% مدل رگرسیون خطی بود. همچنین مدل جنگل تصادفی دارای میانگین مربعات خطای ۳.۴۴ بود و این مقدار برای مدل رگرسیون ۱۲.۷۸ به دست آمد. برای بررسی صحت عملکرد مدل جنگل تصادفی نتایج آن با استفاده از روش K-Fold Cross-Validation مورد ارزیابی بیشتر قرار گرفت، که مقدار ضریب تعیین برای تمامی زیر دسته های داده برابر ۹۳% به دست آمد.

کلیدواژه ها:

اکسید آهن ، همرسوبی ، یادگیری ماشین ، رگرسیون خطی ، جنگل تصادفی