سنتز سبز نانوذرات نقره بااستفاده‌از عصارۀ برگ درخت انجیر و حرارت‌دهی با گرمکن همزن‌دار: مقایسۀ مدل‌سازی روش‌های شبکۀ عصبی و طراحی فاکتور‌یل

نویسندگان

1 دانشگاه آزاد اسلامی

2 دانشگاه علوم پزشکی تهران

doi
10.22034/ijche.2024.475150.1441
چکیده

در تحقیق حاضر به ‌ مقایسۀ روش ‌ های شبکۀ عصبی و فاکتور ‌ یل در سنتز سبز نانوذرات نقره بابهره‌گیری ‌ از عصارۀ برگ درخت انجیر پرداخته ‌ شد. متغیرهای مستقلِ درنظرگرفته ‌ شده شامل: دما، زمان، سرعت همزن و pH بود که هرکدام در 3 سطح مختلف، بررسی و با روش فاکتور ‌ یل به طراحی آزمایش درآمد. پاسخ ‌ های درنظرگرفته‌شده، شامل: میانگین اندازۀ ذرات، پتانسیل زتا و شاخص پراکندگی بود. نتایج نشان‌داد که کمترین میانگین اندازۀ نانوذرات نقره (25 نانومتر) با کمترین شاخص پراکندگی (0/189) و بالاترین پتانسیل زتا یا بیشترین پایداری (20/1 میلی ‌ ولت) در دمای 40 درجۀ سلسیوس و مدت زمان سنتز 30 دقیقه، با سرعت به‌هم ‌ زدن 400 دوردردقیقه و در pH خنثی (7) حاصل ‌ شد. هم‌چنین، از شبکۀ عصبی برای پیش‌بینی سه متغیر وابستۀ درنظرگرفته‌شده به‌عنوان تابعی ‌ از متغیرهای مستقل استفاده ‌ ‌شد. نتایج مدل‌سازی شبکۀ عصبی دقت بالایی را به ‌ منظور پیش‌بینی متغیر هدف نشان‌داد؛ به طوری ‌ که، مقادیر متوسط خطای نسبی ( MRE ) برای سه متغیر وابستۀ میانگین اندازۀ ذرات، شاخص پراکندگی و پتانسیل زتا به‌ترتیب برابر با 1/99، 10/5 و 2/74 درصد بود که درمقایسه‌با روش فاکتوریل که مقادیر آن برابربا 2/43، 0/47 و 8/05 درصد بود، باعث بهبود چشم‌گیر پیش‌بینی پتاسیل زتا و بهبود نسبی میانگین اندازۀ ذرات شد. از میان سه خروجی درنظرگرفته ‌ شده، دقت شبکه‌ها برای تخمین میانگین اندازۀ ذرات و به‌خصوص، پتانسیل زتا از مدل فاکتوریل بهتر بوده ‌ است. این نتایج مدل‌سازی شبکۀ عصبی در بهینه‌سازی فرایندهای سنتز نانوذرات و تسهیل طراحی تجربیات مکرر مهم شناخته‌می‌شود و می‌تواند به توسعۀ روش‌های پایدارتر و کارامدتر در نانو فناوری منجرشود.