応答曲面法と機械学習アプローチを組み合わせたエレクトロスピニングされたナノファイバー膜の直径予測

Scientific Reports volume 13、記事番号: 9679 (2023) この記事を引用

439 アクセス

メトリクスの詳細

エレクトロスピニング技術に対する広範な関心にもかかわらず、シミュレーション研究はほとんど行われていません。 したがって、現在の研究は、実験計画と機械学習予測モデルを組み合わせることにより、持続可能で効果的なエレクトロスピニングプロセスを提供するシステムを生み出しました。 具体的には、エレクトロスピニングされたナノファイバー膜の直径を推定するために、応答曲面法 (RSM) に基づいた局所加重カーネル部分最小二乗回帰 (LW-KPLSR) モデルを開発しました。 モデルの予測の精度は、二乗平均平方根誤差 (RMSE)、平均絶対誤差 (MAE)、および決定係数 (R2) に基づいて評価されました。 主成分回帰 (PCR)、局所加重部分最小二乗回帰 (LW-PLSR)、部分最小二乗回帰 (PLSR)、最小二乗サポート ベクトル回帰モデル (LSSVR) に加えて、他のタイプの回帰モデルの一部が使用されます。結果を検証および比較するには、ファジー モデリングと最小二乗サポート ベクトル回帰モデル (LSSVR) を使用しました。 私たちの研究結果によると、膜の直径を予測しようとした場合、LW-KPLSR モデルは他の競合モデルよりもはるかに優れたパフォーマンスを示しました。 これは、LW-KPLSR モデルの RMSE および MAE 値がはるかに低いことから明らかです。 さらに、達成可能な最高の R2 値が提供され、0.9989 に達しました。

ナノファイバーは、通常 1 ～ 100 nm の範囲内の直径によって特徴付けられる繊維状材料です。 ナノファイバーは、大きな表面積、高いアスペクト比、優れた表面特性、量子閉じ込め現象、および迅速な生体分子吸収能力を示し、その結果、環境工学、生物医学工学、組織工学、機械工学などを含む用途につながります1、2。 エレクトロスピニングは、強力な静電場の存在下で広範囲のポリマーからポリマーナノファイバーを製造するために使用できる簡単なアプローチです3、4、5、6。 ポンプ、ノズルを備えたシリンジ、電場の電源、および参照電極または接地されたアイテムがエレクトロスピニング装置の基本コンポーネントを構成します。 シリンジのノズルと対向電極は、エレクトロスピニングされる溶液が保持されており、連携して強力な電場を生成します。 帯電したジェットが対極に向かって加速すると、溶液中の溶媒が蒸発し、接地されたターゲット上に固体の連続ナノファイバーが形成されます。 エジェクターと接地されたターゲットの間の電位差の結果、ノズルから噴射される溶液の液滴の形状は円錐形に歪められます7、8。 ナノファイバーの直径は、吸着、濾過、触媒分解などの機能を決定する上で重要な役割を果たします9,10。 重要なのは、ポリマー溶液の濃度、表面張力、粘度、導電率、流量、電圧、ニードルとコレクター間の距離、ニードルのサイズ、相対湿度などのいくつかの要因が影響することです。直径のバリエーションです。 その結果、機能的特性を備えた理想的なナノファイバー膜直径を生成するには、以下のパラメーターを慎重に調整する必要があります 11、12。

従来の 1 要素同時法 (OFAT) 最適化手法は高価で時間がかかり、すべての変数の最適値を常に特定できるとは限りません。 実験計画法 (DOE) は、実験を計画し強化するための優れた方法であることがわかっています。 これは、既知の入力を使用して実験の出力を最大化するための信頼できる統計手法です。 実験の実行回数 n を制限しながら、取得した情報を最適化する必要があります 13、14、15、16。 応答と予測変数の集合の間の関係を記述する近似モデルを構築するには、応答曲面法 (RSM) が直接的で効果的な最適化アプローチです。 入力を最小限に抑えながら出力を最大化するための最も一般的な RSM 最適化アプローチは、Box-Behnken 設計 (BBD) です。 この手法は要因計画に基づいており、箱の内部を構成するワイヤーフレームを持つ箱型の未完成のブロックを使用します。 BBD を使用すると、ユーザーは変数と応答の間の数学的関係を利用して、2 次多項式モデルをデータに適合させることができます17。 中央複合設計 (CCD) は、出力品質に対する可変入力の影響を分析するもう 1 つの一般的な RSM 手法です。 CCD 二次モデルは多くの曲線関数を表示するため、RSM フレームワークで重要な役割を果たします18。 エレクトロスピニングされたナノファイバーの直径を制御するための、BBD および CCD ベースの RSM 戦略に多くの研究努力が集中してきました 19、20、21。 プロセス データには非線形の入出力相関があるため、実験研究者は RSM がやりがいのあるツールであると感じることがよくあります 22。