Michael Nazarkovsky, Päpstliche Katholische Universität Rio de Janeiro, Päpstliche Katholische Universität Rio de Janeiro
Mariia Galaburda, Dr., Chuiko-Institut für Oberflächenchemie der Nationalen Akademie der Wissenschaften der Ukraine
Volodymyr M. Gun'ko, Prof., Chuiko-Institut für Oberflächenchemie der Nationalen Akademie der Wissenschaften der Ukraine
Eine Reihe von С/М x Ö j /SiO 2 Nanokomposite wurden durch Pyrolyse von Resorcin-Formaldehyd-Polymeren synthetisiert, die mit Metalloxid/Silica-Nanokompositen vormodifiziert wurden. Die binären Nanoxide (M x Ö j /SiO 2 , wobei M = Mg, Mn, Ni, Cu und Zn) wurden durch thermische oxidative Zersetzung von auf pyrogener Kieselsäure abgeschiedenen Metallacetaten synthetisiert.Diese Materialien sind vielversprechend für die Adsorption und Konzentration von Spurenmengen organischer Substanzen oder Schwermetalle. Die Nanokomposite weisen eine Mesoporosität und eine enge Porengröße auf, wie aus ihren Verteilungsprofilen ersichtlich ist. Die Porosität hängt von der Zusammensetzung der Materialien ab. Daher dienten die Texturparameter von kohlenstoffhaltigen und kohlenstofffreien Typen (oder Klassen) als Eingabedaten, um Klassifizierungsmodelle beider Materialklassen unter Verwendung einer unüberwachten Methode zu entwickeln: hierarchisches Clustering.
Sobald die Clusterformel abgeleitet war, wurde festgestellt, dass die Oberfläche und das Volumen der Mikroporen (Smicro, Vmicro) zusammen mit dem Volumen der Mesoporen (Vmeso) das höchste R2 (0,83–90) aufweisen, um eine erfolgreiche Clusterbildung zu ermöglichen. Macroposity zeigt die niedrigste Anpassung (R2 < 0,1), und seine beiden jeweiligen Parameter (Smacro, Vmacro) werden als die schwächsten Beiträge zum Zwei-Cluster-Modell angesehen.
Parallel dazu war die Hauptkomponentenanalyse hilfreich, um die Themenklassen der Nanomaterialien bei reduzierter Anzahl der Variablen (drei Komponenten bei Eigenwert > 1) zu unterscheiden. K-Means-Clustering mit zwei und drei Komponenten wurde durchgeführt, um jede Zusammensetzung ihrer richtigen Klasse zuzuordnen.Somit kann der Fall für zwei multivariate Klassen von Nanomaterialien durch verschiedene unabhängige Methoden der Datenwissenschaft beschrieben werden.
