خلاصه اختراع :

در این پژوهش، برای اولین بار در جهان، با استفاده از شبكه‌های عصبی و الگوریتم ژنتیك به بررسی پارامترهای تأثیرگذار در روش نشست بخار شیمیایی حرارتی بر مشخصات نانولوله‌های كربنی چندجداره قبل از رشد پرداخته شد. بدین صورت كه پارامترهای دما و زمان عملیات آماده سازی، ضخامت كاتالیست، دما و زمان رشد و دبی گاز هیدروكربن به عنوان پارامترهای ورودی شبكه‌ عصبی و پارامتر قطر نانولوله‌، به عنوان خروجی شبكه‌ عصبی در نظر گرفته شد. با استفاده از داده های تجربی (پارامترهای ورودی) منتج شده از مقالات معتبر، رشد نانولوله‌های كربنی چند جداره به وسیله شبكه های عصبی مصنوعی مدل سازی شد تا برای پیش‌بینی قطر نانولوله‌های كربنی چند جداره مورد استفاده قرار گیرد. پس از حاصل شدن بهترین شبكه آموزش داده شده با شبكه‌ عصبی، ارتباط آن با الگوریتم ژنتیك جهت حصول مقادیر بهینه شده انجام شد. با توجه به نتایج حاصل شده می‌توان دید كه این پیوند، ابزاری مناسب برای بهینه كردن پارامترهای تولید نانولوله‌های كربنی می‌باشد. به عبارت دیگر، پس از رشد نانولوله‌های كربنی، نتایج حاصله نشان داد كه پیوند بین شبكه‌های عصبی آزموش دیده و الگوریتم ژنتیك پیش‌بینی بسیار دقیقی در رابطه با قطر نانولوله‌های رشد یافته ارائه می‌دهد.