Інноваційний класифікаційний підхід для прогнозування фізичних властивостей наночастинок

Автори V.M. Tidake1, P.M. Patare2, P.B. Khatkale3 , A.A. Khatri4 , P.M. Yawalkar5 , S.S. Ingle2, N.K. Darwante6
Афіліація

1Department of MBA, Sanjivani College of Engineering, Kopargaon, SPPU, Pune, India

2Department of Mechanical Engineering, Sanjivani College of Engineering Kopargaon, SPPU, Pune, India

3Sanjivani University, Kopargaon, MH, India

4Department of Computer Engineering, Jaihind College of Engineering, Kuran, SPPU, Pune, MH, India

5Department of Computer Engineering, MET's Institute of Engineering, Nashik, India

6Department of Electronics and Computer Engineering, Sanjivani College Engineering, Kopargaon, SPPU, Pune, India

Е-mail khatrianand@gmail.com
Випуск Том 16, Рік 2024, Номер 5
Дати Одержано 02 червня 2024; у відредагованій формі 20 жовтня 2024; опубліковано online 30 жовтня 2024
Цитування V.M. Tidake, P.M. Patare, P.B. Khatkale, та ін., Ж. нано- електрон. фіз. 16 № 5, 05011 (2024)
DOI https://doi.org/10.21272/jnep.16(5).05011
PACS Number(s) 77.84.Bw
Ключові слова Оксид цинку (20) , Нанотехнології (7) , Фізичні властивості (8) .
Анотація

Наночастинки (NP) оксиду цинку (ZnO) привертають значну увагу в багатьох областях завдяки відмінним структурним і молекулярним особливостям. Прогнозування та розуміння цих властивостей має вирішальне значення для розробки ефективних застосувань у таких сферах, як каталіз, датчики та біомедичні пристрої. Нанотехнології стали ключовою сферою, особливо в матеріалознавстві, де унікальні властивості наночастинок використовуються для різних застосувань. Розуміння та прогнозування фізичних властивостей наночастинок, таких як ZnO, має вирішальне значення для оптимізації їх продуктивності. Для класифікаційного підходу ми представили новий метод, який підвищує точність і ефективність прогнозування основних фізичних властивостей ZnO NP. У цьому дослідженні ми використовуємо відповідний набір даних, що охоплює різні фізичні властивості наночастинок ZnO. Модель налаштована для досягнення оптимальної продуктивності. Запропонований підхід до класифікації демонструє кращу ефективність прогнозування порівняно з традиційними методами. Наша модель досягає високої точності та надійності в прогнозуванні різноманітних фізичних властивостей наночастинок ZnO. Запропонований підхід перевершує інші методи з точки зору точності (92,8 %), чутливості (90,8 %) і специфічності (93,9 %). Це може сприяти покращенню загальної продуктивності та функціонування існуючої моделі кращим чином.

Перелік цитувань