امید احمدی

در تحقیق حاضر به‌مقایسۀ روش‌های شبکۀ عصبی و فاکتور‌یل در سنتز سبز نانوذرات نقره بابهره‌گیری‌از عصارۀ برگ درخت انجیر پرداخته‌شد. متغیرهای مستقلِ درنظرگرفته‌شده شامل: دما، زمان، سرعت همزن و pH بود که هرکدام در 3 سطح مختلف، بررسی و با روش فاکتور‌یل به طراحی آزمایش درآمد. پاسخ‌های 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 میلی‌ولت) در دمای 40 درجۀ سلسیوس و مدت زمان سنتز 30 دقیقه، با سرعت به‌هم‌زدن 400 دوردردقیقه و در pH خنثی (7) حاصل‌شد. هم‌چنین، از شبکۀ عصبی برای پیش‌بینی سه متغیر وابستۀ درنظرگرفته‌شده به‌عنوان تابعی‌از متغیرهای مستقل استفاده‌‌شد. نتایج مدل‌سازی شبکۀ عصبی دقت بالایی را به‌منظور پیش‌بینی متغیر هدف نشان‌داد؛ به طوری‌که، 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 درنظرگرفته‌شده، دقت شبکه‌ها برای تخمین میانگین اندازۀ ذرات و به‌خصوص، پتانسیل زتا از مدل فاکتوریل بهتر بوده‌است. 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.