Michael Nazarkovsky, Université pontificale catholique de Rio de Janeiro, Université pontificale catholique de Rio de Janeiro
Mariia Galaburda, Dr., Institut Chuiko de chimie de surface de l'Académie nationale des sciences d'Ukraine
Volodymyr M. Gun'ko, professeur, Institut Chuiko de chimie de surface de l'Académie nationale des sciences d'Ukraine
Une série de С/М X O y /SiO 2 nanocomposites a été synthétisé par pyrolyse d'un polymère résorcinol-formaldéhyde pré-modifié avec des nanocomposites oxyde métallique/silice. À leur tour, les nanoxydes binaires (M X O y /SiO 2 , où M = Mg, Mn, Ni, Cu et Zn) ont été synthétisés par décomposition oxydative thermique d'acétates métalliques déposés sur de la silice fumée.Ces matériaux sont prometteurs pour l'adsorption et la concentration de traces de substances organiques ou de métaux lourds. Les nanocomposites présentent une mésoporosité et une taille de pores étroite, comme le montrent leurs profils de distribution. La porosité dépend de la composition des matériaux. Par conséquent, les paramètres de texture des types (ou classes) contenant du carbone et sans carbone ont servi de données d'entrée pour développer des modèles de classification des deux classes de matériaux en utilisant une méthode non supervisée : le regroupement hiérarchique.
Une fois la formule de cluster dérivée, il a été établi que la surface et le volume des micropores (Smicro, Vmicro) ainsi que le volume des mésopores (Vmeso) ont le R2 le plus élevé (0,83 - 90) pour permettre un regroupement réussi. La macroposition présente l'ajustement le plus faible (R2 < 0,1) et ses deux paramètres respectifs (Smacro, Vmacro) sont considérés comme les contributeurs les plus faibles au modèle à deux clusters.
En parallèle, l'analyse en composantes principales a permis de distinguer les classes de sujets des nanomatériaux, à nombre réduit de variables (trois composantes à valeur propre > 1). Un regroupement K-Means à deux et trois composants a été effectué pour attribuer chaque composite à sa classe appropriée.Ainsi, le cas de deux classes multivariées de nanomatériaux peut être décrit par diverses méthodes indépendantes de la science des données.
