Автори | Harshal P. Varade1, Jaikumar M. Patil2, Bhagyashree Ashok Tingare3, P. William4, Vaibhav D. Dabhade5, R.A. Kapgate6, Sachin K. Korde7 |
Афіліація |
1Department of Mechanical Engineering, Sanjivani College of Engineering, Kopargaon, MH, India 2Department of Computer Science and Engineering, Shri Sant Gajanan Maharaj College of Engineering, Shegaon, SGBAU, Amravati, India 3Department of Artificial Intelligence and Data Science, D Y Patil College of Engineering, Akurdi, Pune, India 4Department of Information Technology, Sanjivani College of Engineering, Kopargaon, MH, India 5MET Institute of Engineering, Nashik, India 6Department of Mechatronics Engineering, Sanjivani College of Engineering, Kopargaon, MH, India 7Department of Information Technology, Pravara Rural Engineering College, SPPU, Pune, India |
Е-mail | varadeharshalmech@sanjivani.org.in |
Випуск | Том 17, Рік 2025, Номер 3 |
Дати | Одержано 10 квітня 2025; у відредагованій формі 21 червня 2025; опубліковано online 27 червня 2025 |
Цитування | Harshal P. Varade, Jaikumar M. Patil, Bhagyashree Ashok Tingare, та ін., Ж. нано- електрон. фіз. 17 № 3, 03024 (2025) |
DOI | https://doi.org/10.21272/jnep.17(3).03024 |
PACS Number(s) | 07.05.Mh, 77.84.Bw |
Ключові слова | Оксид металу (2) , Наночастинки (НЧ), Токсичність (2) , Нетоксичність, Машинне навчання (МН). |
Анотація |
Наночастинки оксидів металів (MeOxNP) привертають дедалі більшу увагу в останні кілька років через їх різноманітне застосування в електроніці, медицині та відновленні навколишнього середовища. Однак їхня потенційна токсичність створює значні перешкоди для безпечного використання. Тому ця стаття спрямована на розробку нової моделі на основі штучного інтелекту (ШІ) для ефективної класифікації токсичності MeOxNP з використанням методу точно налаштованого випадкового лісу (DPO-RF) динамічного оптимізатора Pelican. Була підготовлена база даних з урахуванням різних типів наночастинок (НЧ), таких як Al2O3, CuO, Fe2O3, TiO2 та ZnO, а також найважливіших ключових фізико-хімічних характеристик. Ця модель супроводжується попередньою обробкою з використанням обробки відсутніх значень з імпутацією та стандартизацією шляхом застосування нормалізації Z-оцінки. Ознаки були вилучені за допомогою аналізу головних компонентів (PCA), зменшуючи розмірність, зберігаючи при цьому життєво важливу інформацію, пов'язану з токсичністю в цій моделі. Застосована модель на основі DPO-RF покращила вибір ознак цієї моделі, одночасно досягаючи підвищеної точності завдяки адаптивному дослідженню цієї моделі. Результати відображають дійсну класифікацію MeOxNP як токсичної або нетоксичної, що передбачає загальну точність близько 98,2 % для класів токсичності та відповідний коефіцієнт точності близько 98,5 % для класів нетоксичності, що має деякі важливі наслідки для оцінки потенційних ризиків під час використання відповідного застосування нанотехнологій. |
Перелік посилань |