Michael Nazarkovsky, Pontificia Università Cattolica di Rio de Janeiro, Pontificia Università Cattolica di Rio de Janeiro
Mariia Galaburda, dott. Istituto Chuiko di chimica delle superfici dell'Accademia nazionale delle scienze dell'Ucraina
Volodymyr M. Gun'ko, Prof., Istituto Chuiko di chimica delle superfici dell'Accademia nazionale delle scienze dell'Ucraina
Una serie di С/М X o y /SiO 2 i nanocompositi sono stati sintetizzati attraverso la pirolisi di un polimero resorcinolo-formaldeide pre-modificato con nanocompositi di ossido di metallo/silice. A loro volta, i nanossidi binari (M X o y /SiO 2 , dove M = Mg, Mn, Ni, Cu e Zn) sono stati sintetizzati mediante decomposizione ossidativa termica di acetati metallici depositati su silice fumata.Questi materiali sono promettenti per l'adsorbimento e la concentrazione di tracce di sostanze organiche o metalli pesanti. I nanocompositi mostrano mesoporosità e dimensioni ridotte dei pori, come si vede dai loro profili di distribuzione. La porosità dipende dalla composizione dei materiali. Pertanto, i parametri strutturali dei tipi (o classi) contenenti e privi di carbonio sono serviti come dati di input per sviluppare modelli di classificazione di entrambe le classi di materiali utilizzando il metodo non supervisionato: il clustering gerarchico.
Una volta derivata la formula del cluster, è stato stabilito che la superficie e il volume dei micropori (Smicro, Vmicro) insieme al volume dei mesopori (Vmeso) hanno l'R2 più alto (0,83 - 90) per consentire il successo del clustering. Macroposity dimostra l'adattamento più basso (R2 < 0,1) e i suoi due rispettivi parametri (Smacro, Vmacro) sono considerati i contributori più deboli al modello a due cluster.
Parallelamente, l'analisi delle componenti principali è stata utile per distinguere le classi tematiche dei nanomateriali, a numero ridotto di variabili (tre componenti ad autovalore > 1). Il clustering K-Means a due e tre componenti è stato condotto per assegnare ciascun composito alla sua classe appropriata.Pertanto, il caso di due classi multivariate di nanomateriali può essere descritto da vari metodi indipendenti della scienza dei dati.
