納米科學(xué)的進步使得能夠通過閃速焦耳加熱從低價值或廢料中合成納米材料,例如石墨烯。盡管這種方法很有發(fā)展前景,但目前對焦耳加熱過程中控制納米晶體形成的復(fù)雜變量仍然知之甚少。在此,美國萊斯大學(xué)James M. Tour等人構(gòu)建了機器學(xué)習(xí)(ML)模型,以探索在閃速焦耳加熱過程中驅(qū)動無定形碳轉(zhuǎn)化為石墨烯納米晶體的因素。這些反應(yīng)中使用的起始材料是:炭黑、塑料廢料衍生的熱解灰、熱解橡膠輪胎和冶金焦。然后,作者通過廣域拉曼映射評估了每個樣品的結(jié)構(gòu)特征。接下來,作者構(gòu)建ML 回歸模型以預(yù)測源自拉曼光譜映射的石墨烯產(chǎn)率指標(biāo)。首先,從用于預(yù)測石墨烯產(chǎn)率的可用參數(shù)中憑經(jīng)驗選擇了總共5個特征。然后,使用5個選定的特征來訓(xùn)練6個ML回歸模型來預(yù)測石墨烯產(chǎn)量,包括線性回歸(LR-R)、貝葉斯回歸 (BR-R)、多層感知器(MLP-R)、決策樹(DT-R)、隨機森林(RF-R)、和極端梯度提升(XGB-R),所有回歸模型使用5折交叉驗證進行訓(xùn)練。