Tunna filmer gjorda av kolnanorör lovar mycket för avancerad optoelektronik, energi och medicin, dock med deras tillverkningsprocess föremål för noggrann övervakning och stränga standardiseringskrav, de är osannolikt att bli allestädes närvarande någon gång snart.

"Ett stort hinder för att låsa upp den stora potentialen hos nanorör är deras flerfasiga tillverkningsprocess som är extremt svår att hantera. Vi har föreslagit att man använder artificiella neurala nätverk (ANN) för att analysera experimentella data och förutsäga effektiviteten av enkelväggiga kolnanorörssyntes, " förklarar en av författarna till studien och Skoltech-forskare, Dmitrij Krasnikov.

I deras arbete publiceras i den prestigefyllda Kol tidning, författarna visar att maskininlärningsmetoder, och, särskilt, ANN tränade på experimentella parametrar, såsom temperatur, gastryck och flödeshastighet, kan hjälpa till att övervaka egenskaperna hos de producerade kolnanorörsfilmerna.

"Utvecklingen av den mänskliga civilisationen och utvecklingen av materialtillverknings- och applikationsteknologier är nära sammanlänkade i informations- och teknikens era, med både material och beräkningsalgoritmer och deras tillämpningar som formar vårt dagliga liv. Detta är lika sant för ANN som har utvecklats till ett oumbärligt verktyg för att hantera uppgifter med flera parametrar, som sträcker sig från objektigenkänning till medicinsk diagnos. Under de senaste 25 åren, små framsteg gjordes i utvecklingen av elektronik baserad på kolnanorör på grund av den komplexa karaktären hos tillväxtprocessen för nanorör. Vi tror att vår metod kommer att bidra till att skapa ett effektivt ramverk för produktion av kolnanorör och öppna nya horisonter för deras verkliga tillämpningar, " säger chef för Skoltechs laboratorium för nanomaterial, Professor Albert Nasibulin.