Utafiti huu unachunguza mfumo wa akili bandia uitwao NanoChef unaoshughulikia, ndani ya mchakato mmoja wa uboreshaji, mpangilio ambao viitikio huongezwa katika usanisi wa chembechembe nano pamoja na hali endelevu za mmenyuko kama vile ujazo wa viitikio. NanoChef huwakilisha mpangilio wa viitikio kwa usimbaji wa nafasi, utambulisho wa kikemia wa viitikio kwa embeddings za MatBERT, na hali endelevu za majaribio kwa vigezo vya namba, kisha huzipitisha kwenye modeli mbadala nyepesi inayotegemea mtandao wa neva. Mfumo ulijaribiwa kwenye nyuso pepe za uboreshaji, kwenye usanisi wa roboti wa chembechembe nano za fedha, na kwenye jaribio la ziada la nanorod ya dhahabu. Katika majaribio mengi pepe, optimum ya kimataifa ilipatikana kabla ya mizunguko 40; katika jaribio la chembechembe nano za fedha lenye viitikio viwili, mpangilio ambapo kipunguza kiliongezwa mwisho ulipunguza upana kamili katika nusu ya kilele kwenye spektra ya UV-Vis kutoka 214 nm hadi 146 nm. Hata hivyo, utafiti huu ni preprint ambayo haijapitia uhakiki wa kitaalamu; matokeo yanategemea kwa kiasi kikubwa mpangilio mmoja wa maabara inayojiendesha na idadi ndogo ya mifumo ya chembechembe nano.

Ubunifu mkuu wa NanoChef ni kuchukulia mpangilio wa usanisi si kama utaratibu wa maabara uliowekwa mapema, bali kama kigezo cha usanifu wa kikemia kinachoweza kuboreshwa. Katika mfumo wa viitikio vinne kuna mipangilio 24 tofauti ya kuongeza peroksidi ya hidrojeni, nitrati ya fedha, borohidridi ya sodiamu na sitreti. Kila mojawapo ya vigezo sita endelevu ilipogawanywa katika viwango 30 tofauti, nafasi ya kinadharia ya wagombea ilifikia takribani mapishi bilioni 17,5. Badala ya kujaribu nafasi hii moja baada ya nyingine, NanoChef iliichunguza ndani ya takribani mizunguko 58 ya majaribio iliyoongozwa na utabiri wa modeli na taarifa ya kutokuwa na uhakika.

Katika majaribio ya chembechembe nano za fedha, mbinu ya kuongeza kipunguza mwisho ilitoa thamani ndogo zaidi ya hasara katika kufikia urefu wa mawimbi wa juu kabisa wa ufyonzaji uliolengwa wa 513 nm. Katika mfumo wa viitikio vitatu, mbinu ya kuongeza kioksidishaji mwisho ilizalisha spektra nyembamba zaidi na zenye ulinganifu mkubwa zaidi kwa mujibu wa FWHM ya wastani. Matokeo haya mawili lazima yatenganishwe: mkakati wa kipunguza-mwisho ulitoa mapishi bora zaidi kwa lengo maalumu, ilhali mkakati wa kioksidishaji-mwisho ulionyesha faida katika ulinganifu wa wastani wa majaribio yote.

Kwa mtazamo wa Türkiye: Mbinu hii inaweza kutathminiwa kama modeli ya maabara inayojiendesha inayolenga kupunguza gharama za majaribio katika maabara za vyuo vikuu na vituo vya utafiti vya Türkiye vinavyofanya kazi katika nanomateriali, katalisi, nyenzo za nishati, vihisi, mipako na utengenezaji wa hali ya juu. Kabla ya matumizi, usahihi wa uhamishaji wa ujazo kwa vifaa vya maabara vinavyopatikana nchini unapaswa kupimwa upya, data za UV-Vis kutoka vifaa tofauti zikadibirishwe, modeli ifundishwe upya kwa viitikio na vifaa vinavyotumiwa Türkiye, itifaki za usalama zithibitishwe, na tafiti za kurudiwa kwa matokeo zifanywe katika maabara huru. Utafiti huu hauwezi kutumiwa kutoa hitimisho la moja kwa moja kuhusu gharama za maabara nchini Türkiye, utoshelevu wa miundombinu, mafanikio ya uzalishaji kwa kiwango cha viwanda au ulinganifu na kanuni.

Swali kuu la utafiti ni lipi?

Swali kuu la utafiti ni kama maabara inayojiendesha inaweza kuboresha kwa wakati mmoja vigezo endelevu kama kiasi cha viitikio na vigezo vya kikategoria na vya mpangilio kama mpangilio wa kuongeza viitikio. Mifumo mingi ya sasa ya majaribio inayojiendesha huzingatia vigezo vya namba kama mkusanyiko, ujazo, halijoto au kasi ya kudunga. Mpangilio wa kuongeza viitikio kwa kawaida huwekwa kulingana na fasihi au maarifa ya awali ya mtafiti.

Kuweka mpangilio huo kwa kudumu ni kizuizi muhimu katika usanisi wa chembechembe nano. Hata viitikio vilevile vinapotumiwa kwa kiasi kilekile, kuongeza mtangulizi wa metali, kipunguza, kioksidishaji au surfactant kwa mpangilio tofauti kunaweza kubadili wakati wa uundaji wa viini, mmenyuko wa pembeni, kasi ya ukuaji na morfolojia ya chembe. Kwa hiyo, kuweka mpangilio wa usanisi bila kubadilika na kuboresha ujazo pekee kunaweza kusababisha njia zisizo za kawaida za usanisi ambazo huenda zikatoa matokeo bora kutowahi kujaribiwa.

Taarifa ya mpangilio iliwasilishwaje kwa akili bandia?

NanoChef huwakilisha kila hatua ya usanisi kwa tabaka mbili tofauti za taarifa. Tabaka la kwanza ni usimbaji wa nafasi unaoonyesha mahali pa kiitikio katika mfuatano. Tabaka la pili ni embedding ya MatBERT inayowakilisha utambulisho wa kikemia na jukumu la muktadha la kiitikio. MatBERT ni modeli ya lugha iliyofundishwa awali kwa maandishi ya sayansi ya nyenzo. Majina ya viitikio kama nitrati ya fedha, peroksidi ya hidrojeni au borohidridi ya sodiamu yalibadilishwa kwanza kuwa embeddings zenye vipimo 768, kisha yakaprojektiwa hadi vipimo vinne.

Vekta ya nafasi na vekta ya utambulisho wa kikemia zilijumlishwa badala ya kuunganishwa. Hivyo kila hatua ya usanisi iliwakilishwa kwa vekta ya vipimo vinne inayobeba maswali yote mawili, “kiitikio gani?” na “katika nafasi ya ngapi?”. Hali endelevu kama ujazo wa viitikio pia zilinormalishwa na kuongezwa kwenye vekta hizi. Kielelezo 1 cha utafiti kinaonyesha mzunguko huu uliofungwa kati ya vekta za mpangilio, embeddings za viitikio za MatBERT, vekta za hali, mtandao wa neva, usambazaji wa kutokuwa na uhakika na maabara ya roboti.

Waandishi wanaeleza kuwa usimbaji wa kawaida wa one-hot huwa hauna ufanisi kadiri idadi ya mipangilio inavyoongezeka. Kwa mfano, kusimba mipangilio yote ya viitikio saba kama makundi tofauti huzalisha uwezekano 7! = 5.040. Katika usimbaji wa nafasi, ukubwa wa vekta unaweza kubaki thabiti bila kutegemea ukuaji wa kifaktoria wa mipangilio inayowezekana.

Milinganyo ya usimbaji wa nafasi

Milinganyo ya usimbaji wa nafasi iliyotumiwa kwa vijenzi shufwa na witiri vya vekta ni kama ifuatavyo:

\[ \mathrm{PE}(pos,2i)=\sin\left(\frac{pos}{n^{2i/d_{\mathrm{model}}}}\right) \]

\[ \mathrm{PE}(pos,2i+1)=\cos\left(\frac{pos}{n^{2i/d_{\mathrm{model}}}}\right) \]

Hapa pos inaonyesha nafasi ya kiitikio katika mpangilio wa usanisi; i ni faharasa ya kijenzi cha vekta; d_model ni ukubwa wa embedding; na n ni mgawo wa kuongeza kiwango cha masafa. Katika utafiti d_model = 4 na n = 100 zilitumiwa. Vigezo hivi havina kitengo cha kimwili. Vitendakazi vya sine na cosine vinatoa alama za namba zinazoweza kutofautishwa kwa nafasi ya kwanza, ya pili, ya tatu na zinazofuata.

Waandishi wanaripoti kuwa katika usimbaji wa vipimo viwili au vitatu, baadhi ya vekta za nafasi hukaribiana kupita kiasi kadiri idadi ya viitikio inavyoongezeka; vipimo vinne hutoa uwiano unaofaa kati ya kutenganisha nafasi na kuweka gharama ya ukokotoaji katika kiwango kidogo.

Modeli mbadala na kutokuwa na uhakika hufanyaje kazi?

Kiini cha NanoChef kina mtandao wa neva wenye vigezo vinavyoweza kufundishwa chini ya 4.000. Modeli hutabiri thamani ya hasara inayotarajiwa, yaani μ, inayoonyesha jinsi mapishi ya usanisi yanavyopotoka kutoka kwa chembechembe nano inayolengwa. Kutokuwa na uhakika σ hakuundwi moja kwa moja kupitia pato la pili la mtandao au mkusanyiko mkubwa wa modeli, bali kupitia istilahi ya usahihi inayochukuliwa sampuli kutoka usambazaji wa Gamma.

Katika utafiti, pato la modeli linaelezwa kwa takribani usambazaji ufuatao:

\[ y_n \sim N(\mu_n,\tau_n) \]

Hapa μ_n inaonyesha wastani uliotabiriwa, na τ_n inaonyesha istilahi ya usahihi inayochukuliwa kutoka usambazaji wa Gamma. Vigezo vya usambazaji wa Gamma vimetolewa kama:

\[ \alpha=\frac{12}{\sqrt{n}},\qquad \beta=1 \]

n ni idadi ya uchunguzi uliokusanywa. Maandishi makuu yanaeleza kuwa usambazaji wa kutokuwa na uhakika huwa mwembamba kadiri data inavyokusanywa; hata hivyo, haijaelezwa kwa undani kamili wa kihisabati ikiwa usambazaji wa Gamma umetumia kigezo cha kiwango au cha kasi, wala ikiwa τ katika usambazaji wa kawaida ni variance au precision. Kwa hiyo, ukadirishaji kamili wa kutokuwa na uhakika hauwezi kuzalishwa upya kutokana na maandishi makuu pekee.

Jaribio linalofuata huchaguliwaje?

Kama acquisition function, uhusiano wa upper confidence bound uliorekebishwa kwa tatizo la kupunguza hasara ulitumiwa:

\[ \mathrm{UCB}=\mu-\kappa\sigma \]

μ inapokuwa ndogo, mapishi yanatarajiwa kuwa karibu na lengo. σ inapokuwa kubwa, mapishi huwa na kutokuwa na uhakika zaidi na kwa hiyo yanaweza kuwa na taarifa zaidi kwa ajili ya uchunguzi. Mgawo κ huamua uwiano kati ya uchunguzi na kutumia maeneo mazuri yaliyopatikana tayari. Katika majaribio makuu ya utafiti κ = 0,05 ilitumiwa.

Katika kila mzunguko, NanoChef hupendekeza kundi la mapishi ya usanisi, mfumo wa roboti huyatekeleza, chembechembe nano zinazozalishwa hupimwa kwa spektroskopi ya UV-Vis, na thamani za hasara zilizohesabiwa hurudishwa kwenye modeli. Hivyo jaribio, uainishaji wa sifa, uchanganuzi wa data na uteuzi wa jaribio jipya huunda mzunguko uliofungwa.

Mpangilio wa maabara ya roboti

Watafiti walitengeneza moduli ya usanisi wa batch inayotegemea mikropipeti, inayofaa zaidi kwa kufanya kazi kwa muda mrefu na asidi kali, besi na suluhisho za polima. Kitengo cha mwisho cha roboti kinaweza kuhamisha suluhisho tofauti, kusambaza ujazo unaobadilika na kuandaa suluhisho jipya la kipunguza. Mchakato wa kuunganisha kwa kuteleza na kudunga suluhisho una hatua 11 za uendeshaji.

Kwa mfumo wa kuhamisha vimiminika, kosa la kimfumo lililoripotiwa ni kiwango cha juu %2 na kosa la nasibu ni kiwango cha juu %0,8. Katika majaribio 10 ya kurudia kwa mapishi yale yale ya chembechembe nano za fedha, urefu wa mawimbi wa juu kabisa wa ufyonzaji ulipimwa kuwa 502 ± 9 nm. Matokeo haya yanaonyesha kuwa mnyororo mzima wa usanisi unaweza kutekeleza mapishi fulani kwa kiwango kinachokubalika cha kurudiwa kwa matokeo; hata hivyo, kurudiwa kwa matokeo kati ya maabara tofauti au vifaa tofauti vya roboti hakujajaribiwa.

Majaribio pepe yanaonyesha nini?

Kwa sababu kurudia majaribio halisi ya kikemia kwa algoriti nyingi kunahitaji muda mwingi na gharama kubwa za viitikio, NanoChef ilitathminiwa kwanza kwenye nyuso za kihisabati za uboreshaji katika mfumo wa Olympus. Mipangilio ya usanisi A→B na B→A iliwakilishwa na nyuso pepe tofauti. Ufanano kati ya nyuso mbili ulipimwa kwa mgawo wa uwiano wa nafasi wa Spearman:

\[ \rho=1-\frac{6\sum d_i^2}{n(n^2-1)} \]

Hapa d_i inaonyesha tofauti kati ya nafasi za pointi mbili zinazolingana; n inaonyesha idadi ya pointi zilizolinganishwa. Mgawo unapokaribia 1, nyuso za matokeo ya mipangilio miwili ya usanisi hufanana; mgawo unapopungua, athari ya mpangilio wa usanisi kwenye matokeo huchukuliwa kuwa kubwa zaidi.

Katika Kielelezo 2, pointi zilizochaguliwa huonekana kusambaa katika eneo pana zaidi kadiri athari ya mpangilio inavyoongezeka. Katika hali isiyo na athari, utafutaji hujikusanya kwa karibu karibu na optimum ya kimataifa, ilhali katika hali ya athari kubwa, optimum za ndani kwenye uso wa Killimanjaro zilihitaji uchunguzi zaidi. Hata hivyo, NanoChef ilipata optimum ya kimataifa kwenye uso wa Dejong katika mifano yote hii.

Hasara iliyosawazishwa

Mlinganyo wa hasara iliyosawazishwa uliotumiwa kulinganisha hasara zilizohesabiwa kwenye nyuso tofauti za kihisabati ni kama ifuatavyo:

\[ L_{\mathrm{norm}}=\frac{\left(\frac{f(i)_{\mathrm{surface}}}{A_{\mathrm{scaling}}}+B_{\mathrm{max,loss}}-C_{\mathrm{global,loss}}\right)}{D_{\mathrm{total,minmax}}} \]

f(i)_surface inaonyesha jumla ya thamani za vitendakazi vya nyuso zinazolinganishwa; A_scaling ni mgawo wa kuongeza kiwango; B_max,loss ni hasara ya juu kabisa; C_global,loss ni hasara ndogo kabisa ya kimataifa; na D_total,minmax ni safu ya jumla ya kiwango cha chini-juu. Baada ya kusawazisha, matokeo hayana kitengo. Kwa sababu thamani za namba za vigezo hivi zimetolewa kwenye jedwali la nyongeza, haziwezi kuhesabiwa upya kikamilifu kutoka kwenye maandishi makuu yaliyopakiwa.

Ulinganisho na mbinu mbadala za uboreshaji

Katika Kielelezo 3, NanoChef ililinganishwa na uboreshaji wa Bayesi unaotegemea mchakato wa Gaussian, mkakati wa mageuzi wa kurekebisha matriksi ya covariance na mbinu za sampling za Latin hypercube. Katika nafasi ya majaribio ya multimodal yenye nyuso sita pepe, mbinu zote zilianzishwa kwa pointi zilezile 20 za mwanzo na zilirudiwa kwa mbegu tano tofauti za nasibu.

NanoChef ilipunguza hasara ya wastani kutoka takribani 0,20 hadi 0,16 katika mzunguko wa kwanza na katika mzunguko wa 28 ilifikia hasara 0. Katika hatua hii, mkengeuko sanifu kati ya marudio matano pia uliripotiwa kuwa 0. Kinyume chake, baada ya mizunguko 100, mbinu inayotegemea mchakato wa Gaussian ilibaki karibu na hasara 0,21, CMA-ES karibu 0,16 na sampling ya Latin hypercube karibu 0,14.

Matokeo haya yanaonyesha kuwa NanoChef iliweza kuepuka optimum za ndani kwenye nyuso za sintetiki zilizotumiwa katika utafiti. Hata hivyo, ulinganisho haukufanywa kwenye majaribio halisi ya kikemia na vigezo vya kikategoria vilibadilishwa kuwa nafasi endelevu kwa ajili ya mbinu za msingi. Kwa hiyo, grafu hii haithibitishi kuwa NanoChef ni bora kuliko mbinu zote katika kila tatizo la uboreshaji.

Jaribio la chembechembe nano za fedha lenye viitikio viwili

Katika ulinganisho wa kwanza wa kikemia halisi, mpangilio wa kuongeza nitrati ya fedha na borohidridi ya sodiamu ulibadilishwa. Katika mbinu ya mtangulizi wa metali-mwisho, NaBH₄ iliongezwa kwanza na AgNO₃ baadaye. Katika mbinu ya kipunguza-mwisho, AgNO₃ iliongezwa kwanza na NaBH₄ baadaye. Lengo lilikuwa kuzalisha chembechembe nano za fedha zenye urefu wa mawimbi wa juu kabisa wa ufyonzaji wa 513 nm na kilele chembamba cha UV-Vis.

Katika Kielelezo 4, mbinu ya kipunguza-mwisho ilifikia hasara ndogo zaidi. Katika spektra ya UV-Vis ya mapishi ya mtangulizi wa metali-mwisho, FWHM ilikuwa 214 nm na kulionekana vilele vingi, ilhali katika mapishi ya kipunguza-mwisho FWHM ilipungua hadi 146 nm. Upungufu uliohesabiwa moja kwa moja kutokana na namba hizi mbili ni takribani %31,8. Maandishi makuu yanaripoti hili kama uboreshaji wa %32.

Katika picha za TEM, ukubwa na umbo la chembe katika sampuli ya mtangulizi wa metali-mwisho vinaonekana kuwa na utofauti zaidi, ilhali katika sampuli ya kipunguza-mwisho vinaonekana kuwa na mpangilio zaidi. Hata hivyo, maandishi makuu hayatoi idadi ya chembe kwenye picha za TEM, mgawanyo wa ukubwa wa namba au ulinganisho wa takwimu. Kwa hiyo, kiashirio kikuu cha namba cha kutathmini monodispersity ni upana wa kilele cha UV-Vis; picha za TEM ni ushahidi wa kuona unaounga mkono.

Kulingana na mekanizimu iliyopendekezwa na waandishi, AgNO₃, asidi ya sitriki na PVP vikichanganywa kwa usawa kabla ya kuongeza kipunguza, uongezaji wa NaBH₄ unaweza kusababisha uundaji wa viini wa haraka na wenye usawa zaidi wa kieneo. Katika mpangilio wa kinyume, mmenyuko wa pembeni kati ya H₂O₂ iliyobaki na NaBH₄ unaweza kupunguza nguvu halisi ya upunguzaji. Mekanizimu hii haikujaribiwa moja kwa moja kwa kinetiki ya mmenyuko au vipimo vya spishi za kati, bali iliwasilishwa kama nadharia ya kueleza mielekeo ya majaribio.

Kitendakazi cha hasara cha chembechembe nano za fedha

Uboreshaji ulitegemea kitendakazi cha hasara chenye uzani kinachotathmini kwa pamoja urefu wa mawimbi wa juu kabisa wa ufyonzaji na upana wa kilele:

\[ L=0{,}7\left(\frac{\lambda_{\max}-\lambda_{\max,\mathrm{hedef}}}{A_{\lambda_{\max}}}\right)+0{,}3\left(\frac{\mathrm{FWHM}}{A_{\mathrm{FWHM}}}\right) \]

λ_max inaonyesha urefu wa mawimbi wa juu kabisa wa ufyonzaji wa chembechembe nano iliyosanisiwa; λ_max,hedef ni urefu wa mawimbi unaolengwa; FWHM ni upana kamili katika nusu ya kilele cha UV-Vis. Vitengo vya vipimo hivi ni nanomita. A_λmax na A_FWHM pia ni vigawo vya usawazishaji katika nanomita; baada ya kugawanya, istilahi zote mbili huwa hazina kitengo.

Kwa lengo la 513 nm, A_λmax = 850 - 513 = 337 nm ilitumika, na kwa usawazishaji wa FWHM, A_FWHM = 550 nm ilitumika. Kutoa uzani wa 0,7 kwa istilahi ya λ_max na 0,3 kwa istilahi ya FWHM kunamaanisha kuwa kufikia urefu wa mawimbi unaolengwa kulipewa kipaumbele cha juu kuliko kupunguza upana wa kilele.

Katika umbo la mlinganyo lililochapishwa, tofauti kati ya λ_max na lengo imeandikwa bila kuchukua thamani kamili au mraba. Katika hali hiyo, urefu wa mawimbi ulio chini ya lengo unaweza kutoa mchango hasi. Maandishi makuu hayaelezi jinsi hali hii ya ishara ilivyoshughulikiwa katika utekelezaji. Kwa hiyo, utekelezaji kamili wa kitendakazi cha hasara ndani ya msimbo hauwezi kuthibitishwa kwa uhakika kutokana na mlinganyo uliochapishwa pekee.

Ni mpangilio gani ulitoa matokeo bora katika mfumo wa viitikio vitatu?

Katika jaribio la viitikio vitatu, mipangilio sita inayowezekana ya AgNO₃, H₂O₂ na NaBH₄ ilitathminiwa. Mipangilio iligawanywa katika madaraja matatu kulingana na kiitikio kilichoongezwa mwisho: mtangulizi wa metali-mwisho, kipunguza-mwisho na kioksidishaji-mwisho. NanoChef ilikaribia mapishi yenye hasara ndogo ndani ya takribani mizunguko 35 na R² = 0,997 iliripotiwa kwa modeli mbadala.

Mbinu ya kioksidishaji-mwisho ilitoa kilele cha wastani kilicho chembamba zaidi kati ya madaraja matatu, ikiwa na FWHM ya wastani ya 194 nm. Utafiti unawasilisha mbinu hii, ndani ya upeo wake wa majaribio, kama mkakati mpya wa usanisi ambao haukuwa umetathminiwa hapo awali. Waandishi wanapendekeza kuwa kuongeza H₂O₂ kwa kuchelewa kunaweza kurekebisha mienendo ya ukuaji baada ya viini vya mwanzo kutengenezwa; hata hivyo, mekanizimu hii haikupimwa moja kwa moja.

Mfumo wa viitikio vinne na mapishi wagombea bilioni 17,5

Katika mfumo wa viitikio vinne, kwa H₂O₂, AgNO₃, NaBH₄ na sitreti kuna mipangilio 4! = 24 tofauti ya kuongeza. Kila mojawapo ya vigezo sita endelevu vya jaribio ilipogawanywa katika thamani 30 tofauti, nafasi ya kinadharia ya usanifu ikawa:

\[ 24\times30^6=17.496.000.000 \]

mapishi yanayowezekana. Namba hii si idadi ya majaribio yaliyotekelezwa kimwili; ni ukubwa wa nafasi ya wagombea ya kidijitali ambayo algoriti inaweza kuchagua kutoka humo.

Katika Kielelezo 6, NanoChef ilichunguza mipangilio tofauti kwa mizunguko 58. Mwanzoni ilijikita katika maeneo ya ndani yaliyo thabiti zaidi kama mtangulizi wa metali-mwisho na kioksidishaji-mwisho; uboreshaji ulipopungua katika maeneo hayo, ilihamia kwenye mipangilio ya kipunguza-mwisho. Hasa, mipangilio sitreti → H₂O₂ → AgNO₃ → NaBH₄ na H₂O₂ → sitreti → AgNO₃ → NaBH₄ ilichaguliwa mara nyingi zaidi katika mizunguko ya baadaye.

Daraja la kipunguza-mwisho lilifikia hasara ya chini kabisa ya takribani 0,05, lakini likaonyesha variance ya hasara ya juu kabisa ya takribani 0,14. Hali hii inaashiria kuwa nafasi ya kipunguza-mwisho ina uwezo mkubwa zaidi lakini ni nyeti zaidi kwa ujazo wa viitikio na ina uso wenye milima na mabonde zaidi. Katika madaraja ya mtangulizi wa metali-mwisho, kioksidishaji-mwisho na surfactant-mwisho, hasara za chini kabisa zilibaki takribani katika safu ya 0,08-0,10 na variance takribani katika safu ya 0,10-0,11.

Jaribio la nanorod ya dhahabu linaonyesha nini?

Ili kuchunguza kama mfumo huu ulikuwa maalumu kwa chembechembe nano za fedha pekee, jaribio la ziada la nanorod ya dhahabu lilifanywa. Urefu wa mawimbi wa longitudinal surface plasmon resonance uliolengwa uliwekwa kuwa 700 nm; mpangilio na ujazo wa kuongeza asidi hidrokloriki na asidi askobiki viliboreshwa. NanoChef ilibainisha hali zinazozalisha vilele vya longitudinal vya ufyonzaji vilivyo karibu na lengo ndani ya majaribio 60.

Jaribio hili linaunga mkono kwamba mfumo unaweza kufanya kazi katika mfumo wa pili wa chembechembe nano unaotegemea morfolojia. Hata hivyo, mfumo mmoja wa ziada wa kikemia hauthibitishi kuwa mbinu inaweza kujumlishwa kwa familia zote za chembechembe nano, vichocheo, quantum dots au usanisi wa viwandani.

Ujumbe mkuu wa vielelezo

• Kielelezo 1: Kinaonyesha mzunguko wa jaribio uliofungwa unaojumuisha pendekezo la akili bandia, usanisi wa roboti, uainishaji wa UV-Vis na usasishaji wa modeli.
• Kielelezo 2: Kinaonyesha kuwa kadiri athari ya mpangilio wa usanisi inavyoongezeka, uso wa uboreshaji huwa changamani zaidi na pointi zilizochaguliwa husambaa katika eneo pana zaidi.
• Kielelezo 3: Kinaonyesha kuwa NanoChef ilifikia optimum ya kimataifa kwa haraka zaidi kuliko mbinu za kulinganisha kwenye uso pepe wa multimodal uliotumiwa katika utafiti.
• Kielelezo 4: Kinaonyesha kuwa usanisi wa chembechembe nano za fedha wa kipunguza-mwisho ulitoa kilele chembamba zaidi cha UV-Vis na morfolojia ya TEM yenye mpangilio zaidi kuliko usanisi wa mtangulizi wa metali-mwisho.
• Kielelezo 5: Kinaonyesha kuwa katika mfumo wa viitikio vitatu, mafanikio ya lengo maalumu na monodispersity ya wastani si lazima yakutane katika daraja lilelile la mpangilio.
• Kielelezo 6: Kinaonyesha kuwa katika nafasi kubwa ya wagombea yenye mipangilio 24 na hali sita endelevu, NanoChef kwanza ilitumia maeneo ya ndani yaliyo thabiti zaidi, kisha ikahamia kwenye maeneo ya kipunguza-mwisho yenye hatari zaidi lakini hasara ndogo zaidi.

Nguvu za utafiti

• Unaunganisha vigezo vya kikategoria vilivyo na mpangilio na hali endelevu za majaribio katika modeli moja.
• Hauishii kwenye majaribio pepe bali unafanya uthibitishaji kwa majaribio ya kikemia ya roboti.
• Unapendekeza mbinu inayofaa kwa miundombinu yenye uwezo mdogo wa ukokotoaji kwa kutumia modeli nyepesi yenye vigezo chini ya 4.000.
• Unalinganisha mifumo ya viitikio viwili, vitatu na vinne yenye viwango tofauti vya uchangamani.
• Unaunga mkono vipimo vya UV-Vis kwa picha za TEM.
• Mbali na chembechembe nano za fedha, unatoa uthibitishaji wa ziada katika usanisi wa nanorod ya dhahabu.
• Unashiriki mifano ya msimbo chanzo na mazingira ya kazi katika hifadhi wazi ya GitHub.

Mapungufu ya utafiti na kutokuwa wazi ndani ya maandishi

• Utafiti huu ni preprint ambayo haijapitia uhakiki wa kitaalamu.
• Kwa kuwa vielelezo, majedwali na video za nyongeza hazipo katika maandishi makuu yaliyopakiwa, maelezo mengi hayawezi kukaguliwa kwa kujitegemea.
• Katika muhtasari, upungufu wa FWHM umetolewa kuwa %36, katika sehemu ya matokeo ya viitikio viwili %32, na katika majadiliano “hadi %30”. Mabadiliko ya moja kwa moja kutoka 214 nm hadi 146 nm yanalingana na upungufu wa takribani %31,8.
• Mkengeuko sanifu wa FWHM wa daraja la kioksidishaji-mwisho lenye viitikio vitatu katika Kielelezo 5 unaonekana kuwa 103 nm na katika maandishi ya maelezo 101 nm.
• Katika kitendakazi cha hasara kilichochapishwa, thamani kamili ya kupotoka kutoka urefu wa mawimbi unaolengwa haipo; namna ishara ilivyoshughulikiwa katika utekelezaji haijaelezwa.
• Katika sehemu ya hyperparameters ya majaribio ya viitikio vitatu na vinne inaelezwa kuwa ujazo sita uliboreshwa, ilhali katika baadhi ya sentensi za utaratibu wa jaribio ujazo wa maji, PVP na sitreti umetolewa kama usiobadilika. Kutokana na maandishi makuu haiko wazi kikamilifu ni vigezo gani viliachwa huru katika mizunguko ipi.
• Ingawa thamani R² = 0,997 imeripotiwa, maandishi makuu hayaelezi kwa kina jinsi seti huru ya nje ya majaribio ilivyoundwa.
• Ukadirishaji wa mbinu ya sampling ya kutokuwa na uhakika na namna kamili ya kutumia vigezo vya usambazaji wa Gamma vimeelezwa kwa kiwango kidogo.
• Majaribio makuu yalifanywa katika maabara moja ya roboti na kwa kiasi kikubwa kwenye mfumo wa chembechembe nano za fedha.
• Kurudia majaribio katika vituo vingi, kuongeza kiwango hadi viwandani, uthabiti wa muda mrefu wa vifaa na uchanganuzi wa gharama za kiuchumi havikufanywa.

Utafiti unaunga mkono nini?

Utafiti unaunga mkono kwamba mpangilio wa kuongeza viitikio ni kigezo kinachoweza kuboreshwa na chenye maana ya kikemia katika usanisi wa chembechembe nano. Imeonyeshwa kuwa NanoChef inaweza kuchunguza kwa pamoja vigezo vya mpangilio na ujazo katika nyuso pepe zilizotumiwa katika utafiti pamoja na majaribio ya chembechembe nano za fedha na dhahabu. Ilionekana kuwa mbinu ya kipunguza-mwisho ilitoa matokeo mazuri katika usanisi wa chembechembe nano za fedha wenye lengo maalumu, huku mbinu ya kioksidishaji-mwisho ikiweza kupunguza upana wa wastani wa kilele.

Utafiti hauthibitishi nini?

Utafiti hauthibitishi kuwa kipunguza lazima kiongezwe mwisho katika kila usanisi wa chembechembe nano. Pia haiwezi kuhitimishwa kuwa mbinu ya kioksidishaji-mwisho itazalisha chembe zenye ulinganifu zaidi katika nyenzo zote. Mekanizimu zilizowasilishwa hazijathibitishwa kwa vipimo vya moja kwa moja vya kinetiki au molekuli. Aidha, nafasi yote ya wagombea bilioni 17,5 haikuchunguzwa kimwili; nafasi hiyo ilichunguzwa na akili bandia kwa idadi ndogo ya majaribio. Matokeo hayamaanishi mafanikio ya uzalishaji wa viwandani, ubora wa gharama za kibiashara, matumizi ya kliniki, dhamana ya usalama au utendaji sawa katika maabara zote.

Mbinu na Matokeo ya Utafiti

Mipangilio ya kiufundi ya modeli ya NanoChef

Mipangilio ya majaribio pepe

Nafasi za utafutaji zilizotumiwa katika majaribio ya kikemia

Hali za usanisi wa chembechembe nano za fedha

• AgNO₃: suluhisho la akiba la 1,25 mM
• Sitreti: suluhisho la akiba la 20 mM
• H₂O₂: suluhisho la akiba la %0,75 kwa uzani
• NaBH₄: suluhisho la akiba la 20 mM
• Ujazo unaobadilika: 100-3.000 µL
• Hatua ya ujazo: 50 µL ili kupunguza kosa la vifaa
• Uchanganyaji wa kwanza: dakika 5
• Uchanganyaji wa mwisho: katika halijoto ya chumba kwa 600 rpm kwa dakika 40
• Usalama wa shinikizo: chupa hazikufungwa kwa sababu ya kutengenezwa kwa hidrojeni

Katika utaratibu wa mfano wa viitikio viwili, 2.400 µL ya maji yaliyotolewa ioni, 1.000 µL PVP55, 2.000 µL sitreti na 1.200 µL H₂O₂ zilitumiwa; mpangilio na ujazo wa AgNO₃ na NaBH₄ vilibadilishwa kulingana na pendekezo la NanoChef.

Uainishaji wa UV-Vis

Baada ya kila usanisi, mkono wa roboti uliweka cuvette safi, ukahamisha 2 mL ya maji yaliyotolewa ioni na 0,8 mL ya suluhisho la colloidal la chembechembe nano ndani ya cuvette na kutekeleza mizunguko mitatu ya kuchanganya. Vilele vya spektra vilichanganuliwa kwa vitendakazi find_peaks, peak_prominences na peak_widths katika maktaba ya SciPy.

Katika maandishi makuu, kizingiti kinachohusiana na 0,01 kwa prominence ya kilele, 20 nm kwa FWHM ya chini kabisa na 310 nm kwa λmax kimetolewa. Hata hivyo, muundo wa viunganishi katika sentensi hauelezi kikamilifu kama masharti haya yalitumiwa kwa pamoja au kama mbadala.

Hali za usanisi wa nanorod ya dhahabu

• HAuCl₄: 5 mM
• AgNO₃: 1 mM
• Asidi askobiki: 10 mM
• HCl: 0,5 M
• NaBH₄: 1 mM
• CTAB na sodium oleate: 200 mM
• Ujazo wa NaBH₄: 100 µL katika majaribio yote na kipunguza kilichoongezwa mwisho
• Kuchanganya: dakika 1
• Kuachwa kuzeeka: katika 30 °C kwa saa 1
• LSPR λmax ya longitudinal inayolengwa: 700 nm

Muhtasari wa pamoja wa matokeo makuu

Dokezo la Chanzo na Mbinu

Jina kamili la asili la utafiti:NanoChef: AI Framework for Simultaneous Optimization of Synthesis Sequences and Reaction Conditions at Autonomous Laboratories

Waandishi na mpangilio wao: Hyuk Jun Yoo; Daeho Kim; Sehyuk Yim; Heeseung Lee; Nayeon Kim; Sang Kyu Kwak; Sang Soo Han.

Waandishi waliochangia kwa usawa: Hyuk Jun Yoo na Daeho Kim.

Waandishi wa mawasiliano: Sang Kyu Kwak na Sang Soo Han.

Uhusiano wa taasisi:

1. Computational Science Research Center, Korea Institute of Science and Technology, Seoul, Jamhuri ya Korea.
2. Department of Chemical and Biological Engineering, Korea University, Seoul, Jamhuri ya Korea.
3. Center for Artificial Intelligence Research, Korea Institute of Science and Technology, Seoul, Jamhuri ya Korea.
4. Department of Material Science and Engineering, Korea University, Seoul, Jamhuri ya Korea.
5. Department of Chemistry, Korea University, Seoul, Jamhuri ya Korea.

Ulinganisho wa mwandishi-taasisi: Hyuk Jun Yoo (1); Daeho Kim (1, 2); Sehyuk Yim (3); Heeseung Lee (1, 4); Nayeon Kim (1, 5); Sang Kyu Kwak (2); Sang Soo Han (1).

Aina ya chanzo: Makala ya utafiti wa majaribio ya preprint inayounganisha uthibitishaji wa modeli pepe na majaribio ya kikemia ya roboti.

Hali ya uhakiki: Utafiti huu ni preprint na haujapitia uhakiki wa kitaalamu.

Jukwaa la toleo lililopakiwa: SSRN.

DOI ya toleo la SSRN lililopakiwa:10.2139/ssrn.7197180

Kiungo rasmi cha SSRN:Ukurasa wa rekodi wa SSRN

Toleo la awali la ChemRxiv: Toleo la preprint la utafiti lenye orodha ya waandishi ya zamani zaidi na fupi zaidi linapatikana kwenye ChemRxiv.

DOI ya awali ya ChemRxiv:10.26434/chemrxiv-2025-96bmc

Jarida: Haijathibitishwa kuwa limechapishwa katika jarida lililopitiwa na wataalamu.

Mchapishaji asilia wa jarida: Hakuna mchapishaji wa jarida lililopitiwa na wataalamu aliyethibitishwa kwa toleo lililopakiwa. Kutajwa kwa Wiley Online Library katika maandishi makuu pekee si ushahidi wa kukubaliwa au kuchapishwa katika jarida.

Mwaka wa uchapishaji: Toleo la sasa la SSRN lililopakiwa ni la 2026; toleo la awali la ChemRxiv ni la 2025.

Ufikiaji wa msimbo na data: Utafiti unaeleza kuwa mifano ya msimbo iliyoandaliwa kwa Python 3.8 inapatikana katika hifadhi ya GitHub ya KIST-CSRC/NanoChef.

Ufadhili: Utafiti uliungwa mkono na National Research Foundation of Korea kupitia miradi yenye namba RS-2022-NR068356 na RS-2024-00450102.

Mgongano wa maslahi: Waandishi hawakuripoti maslahi ya kifedha yanayoshindana.

Maelezo haya ya Kituruki yaliandaliwa kwa kutegemea maandishi makuu, milinganyo, vielelezo, spektra, picha za TEM, taratibu za majaribio na matokeo ya namba yaliyoripotiwa katika utafiti uliopakiwa. Hakuna matokeo ya kisayansi ambayo hayapo katika utafiti yaliyoongezwa. Vyanzo vya nje vilitumika tu kwa uthibitishaji wa kibibliografia wa taarifa kama DOI, toleo, jukwaa na hali ya uchapishaji.

Mapungufu makuu ni kwamba utafiti haujapitia uhakiki wa kitaalamu, faili za taarifa za nyongeza hazipo katika maandishi yaliyopakiwa, kuna kutolingana kati ya maandishi na vielelezo katika baadhi ya asilimia na thamani za mkengeuko sanifu, kuna kutokuwa wazi katika utekelezaji wa ishara kwenye kitendakazi cha hasara, uthibitishaji umefanywa katika maabara moja tu, na majaribio ya kiwango cha viwanda hayapo. Matokeo yanapaswa kutathminiwa ndani ya mipaka hii.