CN116493600A - 一种基于启发式搜索算法Astar的金纳米棒合成方法、系统 - Google Patents
一种基于启发式搜索算法Astar的金纳米棒合成方法、系统 Download PDFInfo
- Publication number
- CN116493600A CN116493600A CN202310777578.7A CN202310777578A CN116493600A CN 116493600 A CN116493600 A CN 116493600A CN 202310777578 A CN202310777578 A CN 202310777578A CN 116493600 A CN116493600 A CN 116493600A
- Authority
- CN
- China
- Prior art keywords
- solution
- parameters
- basic parameters
- gold nanorod
- basic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 title claims abstract description 126
- 238000010845 search algorithm Methods 0.000 title claims abstract description 32
- 238000001308 synthesis method Methods 0.000 title claims abstract description 13
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 50
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 50
- 238000012360 testing method Methods 0.000 claims abstract description 49
- 238000002156 mixing Methods 0.000 claims abstract description 43
- 230000009467 reduction Effects 0.000 claims abstract description 30
- 239000013078 crystal Substances 0.000 claims abstract description 28
- 230000012010 growth Effects 0.000 claims abstract description 23
- LZZYPRNAOMGNLH-UHFFFAOYSA-M Cetrimonium bromide Chemical compound [Br-].CCCCCCCCCCCCCCCC[N+](C)(C)C LZZYPRNAOMGNLH-UHFFFAOYSA-M 0.000 claims abstract description 12
- 101710134784 Agnoprotein Proteins 0.000 claims abstract description 11
- 239000000243 solution Substances 0.000 claims description 100
- 238000000034 method Methods 0.000 claims description 44
- 239000011259 mixed solution Substances 0.000 claims description 28
- 238000002474 experimental method Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 22
- 230000002093 peripheral effect Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 239000003153 chemical reaction reagent Substances 0.000 claims description 9
- 238000010438 heat treatment Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 9
- 230000010355 oscillation Effects 0.000 claims description 5
- 230000035484 reaction time Effects 0.000 claims description 5
- 239000000543 intermediate Substances 0.000 claims description 3
- 239000013067 intermediate product Substances 0.000 claims description 3
- 230000035040 seed growth Effects 0.000 claims description 3
- 239000003054 catalyst Substances 0.000 claims description 2
- 238000006722 reduction reaction Methods 0.000 description 21
- 239000000463 material Substances 0.000 description 11
- 238000003756 stirring Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 239000010931 gold Substances 0.000 description 7
- 229910052737 gold Inorganic materials 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 239000002105 nanoparticle Substances 0.000 description 5
- 238000000862 absorption spectrum Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000002086 nanomaterial Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 229910021642 ultra pure water Inorganic materials 0.000 description 2
- 239000012498 ultrapure water Substances 0.000 description 2
- 238000002835 absorbance Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 229920002521 macromolecule Polymers 0.000 description 1
- 238000000593 microemulsion method Methods 0.000 description 1
- 239000011859 microparticle Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002073 nanorod Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005240 physical vapour deposition Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004729 solvothermal method Methods 0.000 description 1
- 239000012798 spherical particle Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F9/00—Making metallic powder or suspensions thereof
- B22F9/16—Making metallic powder or suspensions thereof using chemical processes
- B22F9/18—Making metallic powder or suspensions thereof using chemical processes with reduction of metal compounds
- B22F9/24—Making metallic powder or suspensions thereof using chemical processes with reduction of metal compounds starting from liquid metal compounds, e.g. solutions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B82—NANOTECHNOLOGY
- B82Y—SPECIFIC USES OR APPLICATIONS OF NANOSTRUCTURES; MEASUREMENT OR ANALYSIS OF NANOSTRUCTURES; MANUFACTURE OR TREATMENT OF NANOSTRUCTURES
- B82Y40/00—Manufacture or treatment of nanostructures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Nanotechnology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Crystallography & Structural Chemistry (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Chemical & Material Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Crystals, And After-Treatments Of Crystals (AREA)
- Manufacture Of Metal Powder And Suspensions Thereof (AREA)
Abstract
本发明提供了一种基于启发式搜索算法Astar的金纳米棒合成方法、系统。该合成方法包括：通过启发式搜索算法Astar获取通过合成金纳米棒试验装置进行合成金纳米棒试验时的最优基本参数；按照最优基本参数，将CTAB溶液与HAuCl4溶液混合，再经过NaBH4溶液还原得到晶种溶液；按照最优基本参数，将CTAB‑NaOL溶液与AgNO3溶液以及HAuCl4溶液进行混合，加入pH调节剂调节pH，加入AA溶液还原得到生长溶液；将晶种溶液加入至生长溶液中，混合均匀后静置，得到金纳米棒AuNRs。本发明利用AStar启发式搜索算法确定最佳基本参数，能够快速找到最优和最优合成参数配比，可以有效解决金纳米棒合成决策选择问题。
Description
技术领域
本发明涉及材料生成技术领域，具体而言，涉及一种基于启发式搜索算法Astar的金纳米棒合成方法、系统。
背景技术
纳米材料是指在三维空间中至少有一维处于纳米尺寸(0.1-100 nm)或由它们作为基本单元构成的材料，这大约相当于10~1000个原子紧密排列在一起的尺度。
AStar算法是一种常用于寻路问题的启发式搜索算法，可以用于在搜索方案中找到最优参数配比。AStar算法的核心思想是利用启发式函数估计的值，在搜索过程中，选择下一个方案时，优先考虑总估价最小的节点，并把它加入到待考察的节点集合中进行搜寻。
金纳米即指金的微小颗粒，其直径在1～100nm，具有高电子密度、介电特性和催化作用，能与多种生物大分子结合，且不影响其生物活性。由氯金酸通过还原法可以方便地制备各种不同粒径的金纳米，其颜色依直径大小而呈红色至紫色。
现有技术中对于金纳米棒的合成大多采用如下方法：利用包括化学还原法、溶剂热法、微乳液法、光化学法、激光还原法、物理气相沉积法等合成纳米材料，这些方法都非常依赖人工；传统生产过程中，需要根据人的专业知识和经验，尝试特定的几种配比。而如上的现有技术中材料合成面临的主要挑战和问题主要包括：传统材料生成过程，过度依赖人工，合成速度很慢，自动化程度和效率低；传统材料生成过程，智能化程度低，人工很难找到最佳的组合参数；可复现性差，同样的配方，同一个人可能做出来不同的实验效果。
发明内容
有鉴于此，本发明实施例的目的在于针对传统材料生成过程，智能化程度低，过度依赖人工的问题，人工很难找到最佳的组合参数的问题，提出利用Astar启发式搜索算法进行最佳模型架构和参数的搜索，动态地调整生产流程中的参数组合，直到合成的金纳米符合预期或发现有价值的新材料。
本发明的第一方面提供了一种基于启发式搜索算法Astar的金纳米棒合成方法，所述方法包括：
步骤S101，通过启发式搜索算法Astar获取通过合成金纳米棒试验装置进行合成金纳米棒试验时的最优基本参数，包括，获取基本参数，基本参数包括试验基本参数、环境基本参数，
将基本参数中每个参数看作一个节点，并对每个节点进行编号，创建Open集，Open集中的初始参数配比为经验配比，创建Closed集，保持为空，其中Closed集为已经试验过的基本参数，
当Open集不为空，从 Open集合中选择基本参数，
针对Open集中选中的基本参数，利用AStar算法对周边参数进行估值，估值后的基本参数放入Subs集，所述Subs集为基于Open集基本参数的周边扩展参数，针对Subs集的参数，选择估值最高的基本参数再次进行实验，如果该基本参数不在Open集中，则将此参数放入Open集中，产生新的基本参数，如果该基本参数为Open集的已有基本参数，则更新，如果指定基本参数做完实验后，放入Closed集，最后，统一在Closed集的已做完实验的基本参数选择金纳米棒合成参数，
在迭代上述AStar算法中，如果最后subs集为空，并反向搜索前序节点生成策略，结束算法，如果找到参数配比，就返回基本参数，并将返回的基本参数作为最优基本参数，否则，表示不存在最优基本参数；
步骤S102，按照最优基本参数，将CTAB溶液与HAuCl4溶液混合，再经过NaBH4溶液还原得到晶种溶液；
步骤S103，按照最优基本参数，通过将CTAB-NaOL溶液与AgNO3溶液以及HAuCl4溶液进行混合，再加入pH调节剂调节混合液pH，最后加入AA溶液还原得到生长溶液；
步骤S104，将配制好的所述晶种溶液加入至所述生长溶液中，混合均匀后静置，得到金纳米棒AuNRs。
作为本发明优选的实施方式，所述最优基本参数包括：合成金纳米棒试验参数和合成金纳米棒试验装置的环境参数。
优选地，所述合成金纳米棒试验参数包括：
合成金纳米棒试验所需要的试剂或中间产物名称、合成金纳米棒试验目标金纳米棒的配方数据、根据目标金纳米棒确定各试剂或中间产物所需的用量、合成过程中各步骤的反应时间或静置时间、晶种生长渐变过程的视觉数据、加热混合过程中金纳米棒形貌变化的视觉数据。
优选地，所述合成金纳米棒试验装置的环境参数包括：
合成金纳米棒试验装置中各试剂的位置、合成金纳米棒试验装置的环境温度和湿度、合成金纳米棒试验装置中加热振荡反应器的温度、合成金纳米棒试验装置中涡旋混匀模块和离心机的转速和时间。
此外，本发明的第二方面提供了一种基于启发式搜索算法Astar的金纳米棒合成系统，所述系统包括第一混合还原模块、第二混合还原模块以及合成模块；
第一混合还原模块，按照最优基本参数，将CTAB溶液与HAuCl4溶液混合，再经过NaBH4溶液还原得到晶种溶液；
第二混合还原模块，按照最优基本参数，通过将CTAB-NaOL溶液与AgNO3溶液以及HAuCl4溶液进行混合，再加入pH调节剂调节混合液pH，最后加入AA溶液还原得到生长溶液；
合成模块，将所述生长溶液加入至所述晶种溶液，混合均匀后静置，得到所述金纳米棒AuNRs。
本发明的方案中，通过按照最优基本参数，将CTAB溶液与HAuCl4溶液混合，再经过NaBH4溶液还原得到晶种溶液；按照最优基本参数，通过将CTAB-NaOL溶液与AgNO3溶液以及HAuCl4溶液进行混合，再加入pH调节剂调节混合液pH，最后加入AA溶液还原得到生长溶液；其中，最优基本参数是基于启发式搜索算法Astar获取的基本参数；将配制好的晶种溶液加入到生长溶液中，混合均匀后静置，得到金纳米棒AuNRs。相比于现有技术，本发明通过基于AStar启发式搜索算法的金纳米棒合成决策方法自动选择最优合成参数，消除生产过程中的人工操作部分，较大的降低材料合成过程中的人工成本；利用AStar启发式搜索算法进行最佳模型架构和基本参数的搜索，动态地调整生产流程中的基本参数组合，自动搜索合成配比，提高材料合成的速度和生产的智能化程度，探索有价值的新材料。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例公开的基于启发式搜索算法Astar的金纳米棒合成方法流程图；
图2是本发明实施例公开的金纳米棒（AuNRs）紫外吸收光谱图；
图3是本发明实施例公开的金纳米棒（AuNRs）紫外吸收光谱评价标准图；
图4是本发明实施例公开的AStar算法示意图；
图5是本发明实施例公开的金纳米棒合成示例图；
图6是本发明实施例公开的AuNRs制备总体流程图；
图7是本发明实施例公开的基于启发式搜索算法Astar的金纳米棒合成系统结构示意图。
实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
需要说明的是：在本文中提及的“多个”是指两个或两个以上。
以下对本申请实施例的技术方案的实现细节进行详细阐述：
本发明实施例提供了一种基于启发式搜索算法Astar的金纳米棒合成方法，如图1所示，该方法包括如下步骤：
步骤S101，通过启发式搜索算法Astar获取通过合成金纳米棒试验装置进行合成金纳米棒试验时的最优基本参数；
步骤S102，按照最优基本参数，将CTAB溶液与HAuCl4溶液混合，再经过NaBH4溶液还原得到晶种溶液；
步骤S103，按照最优基本参数，通过将CTAB-NaOL溶液与AgNO3溶液以及HAuCl4溶液进行混合，再加入pH调节剂调节混合液pH，最后加入AA溶液还原得到生长溶液；
步骤S104，将配制好的所述晶种溶液加入至所述生长溶液中，混合均匀后静置，得到金纳米棒AuNRs。
上述合成方法中，最优基本参数包括：合成金纳米棒试验参数和合成金纳米棒试验装置的环境参数。其中，合成金纳米棒试验参数包括：
合成金纳米棒试验所需要的试剂或中间产物名称、合成金纳米棒试验目标金纳米棒的配方数据、根据目标金纳米棒确定各试剂或中间产物所需的用量、合成过程中各步骤的反应时间或静置时间、晶种生长渐变过程的视觉数据、加热混合过程中金纳米棒形貌变化的视觉数据。
合成金纳米棒试验装置的环境参数包括：
合成金纳米棒试验装置中各试剂的位置、合成金纳米棒试验装置的环境温度和湿度、合成金纳米棒试验装置中加热振荡反应器的温度、合成金纳米棒试验装置中涡旋混匀模块和离心机的转速和时间。
优选地，本实施例的步骤S102中pH范围为2-4；优选地，所述金纳米棒（AuNRs）采用Biotek Epoch2酶标仪批量测试紫外吸收光谱结果，如图2所示为本实施例金纳米棒（AuNRs）紫外吸收光谱图。
正常金纳米棒（AuNRs）会有类似于如图3所示的1、2的两组信号峰。1号峰反映信息：球状颗粒以及金纳米棒两端的球形截面； 2号峰反映信息：棒状。
本实施例，金纳米棒（AuNRs）评价标准包括：
（1）有1、2两组峰，且2号峰强度Y2>1号峰强度Y1；注：Y1、Y2为吸光度（与产物颜色深浅有关），用于分别表示1号峰强度、2号峰强度，具体大小不作为衡量产物好坏标准。
（2）Y2/Y1 的值表示金纳米棒的产率，粗略估算，Y2/Y1 > 2 纳米棒的产率较好。
（3）2号峰的峰宽W 反映金纳米棒尺寸是否均一，W越小表示该样品中的金纳米棒间尺寸越接近。
（4）2号峰出峰位置X2反映的金纳米棒尺寸，尺寸越大，X2值（波长）越大，2号峰越往后出峰。通常情况下，我们需要生产指定尺寸的金纳米棒。
通过调整生成AuNRs的不同参数（合成金纳米棒试验参数、合成金纳米棒试验装置的环境参数）配比，可以得到不同金纳米棒的波形图。为了得到更优质的金纳米棒，我们采用Astar启发式搜索算法的金纳米棒合成决策方法设计自动选择最优参数配比。
进一步，本实施例，最优基本参数是基于启发式搜索算法Astar获取的基本参数。最优基本参数包括：合成金纳米棒试验参数和合成金纳米棒试验装置的环境参数。
需要说明的是，如图4所示，AStar算法的主要思想是：
创建两个集合OPEN集，CLOSED集，算法核心是从OPEN集中选择最优（f值小最优，或f相同时，h小的更优）的节点到CLOSED集中，然后将其后继节点放入OPEN集中，然后重复操作选取最优节点，直到到达目标，或者OPEN为空为止。最后再CLOSED集中根据目标G所包含的前序节点逆序查找最后到达起点S，这个链路的逆序即最优参数配比。
算法的具体步骤为：
* 初始化Open集和Closed集；
* 将起点加入Open集中，并设置优先级为0（优先级最高）；
* 如果Open集不为空，则从Open集中选取优先级最高的节点n：
* 如果节点n为终点，则：
* 从终点开始逐步追踪parent节点，一直达到起点；
* 返回找到的结果参数配比，算法结束；
* 如果节点n不是终点，则：
* 将节点n从Open集中删除，并加入Closed集中；
* 遍历节点n所有的邻近节点：
* 如果邻近节点m在Closed集中，则：
* 跳过，选取下一个邻近节点
* 如果邻近节点m也不在Open集中，则：
* 设置节点m的parent为节点n
* 计算节点m的优先级
* 将节点m加入Open集中
AStar算法的核心思想是维护两个值：起点到当前节点的距离g(n)和当前节点到目标节点的估计距离h(n)，其中g(n)表示起点到当前节点n的实际距离，h(n)是从当前节点n到目标节点的估计距离，也叫做启发式函数。具体来说，这个启发式函数是一个估计的值，然后，在搜索过程中，选择下一个节点时，优先考虑f(n) = g(n) + h(n)最小的节点（其中f(n)表示总估价函数），并把它加入到待考察的节点集合中进行搜寻。
AStar算法通过f(n) = g(n) + h(n)函数来计算每个节点的优先级。其中：
f(n)是节点n的综合优先级。当我们选择下一个要遍历的节点时，我们总会选取综合优先级最高（值最小）的节点。
g(n) 是节点n距离起点的代价。
h(n)是节点n距离终点的预计代价，这也就是AStar算法的启发函数。关于启发函数我们在下面详细讲解。
AStar算法在运算过程中，每次从优先队列中选取f(n)值最小（优先级最高）的节点作为下一个待遍历的节点。另外，AStar算法使用两个集合来表示待遍历的节点，与已经遍历过的节点，这通常称之为Open集和Closed集。
进一步，本实施例，采用Astar启发式搜索算法的执行金纳米棒合成决策。
所述步骤S101包括：获取基本参数，基本参数包括试验基本参数、环境基本参数；将基本参数中每个参数看作一个节点，并对每个节点进行编号；创建Open集，Open集中的初始参数配比为经验配比；创建Closed集，保持为空；其中Closed集为已经试验过的基本参数；
当Open集不为空，从 Open集合中选择基本参数；针对Open集中选中的基本参数，利用AStar算法对周边参数进行估值，估值后的基本参数放入Subs集；所述Subs集为基于Open集基本参数的周边扩展参数；针对Subs集的参数，选择估值最高的基本参数再次进行实验，如果该基本参数不在Open集中，则将此参数放入Open集中，产生新的基本参数；如果该基本参数为Open集的已有基本参数，则更新；如果指定基本参数做完实验后，放入Closed集；最后，统一在Closed集的已做完实验的基本参数选择金纳米棒合成参数；在迭代上述AStar算法中，如果最后subs集为空，并反向搜索前序节点生成策略，结束算法；如果找到参数配比，就返回基本参数，并将返回的基本参数作为最优基本参数；否则，表示不存在最优基本参数。
如图5的金纳米棒合成示例所示，在金纳米棒合成的过程中，将待做实验的基本参数（比如将合成金纳米棒试验参数和当前合成金纳米棒试验装置的环境参数）放入Open集中，并且针对Open集中选中的基本参数的周边参数进行估值，估值后的基本参数放入Subs集。本实例的关于基本参数是参考金纳米棒采用现有技术或者根据本领域技术人员内的经验参数参数来确定。Sub集为基于Open集基本参数的周边扩展参数。针对Subs集的参数，选择估值最高的基本参数再次进行实验，如果该基本参数不在Open集中，则将此参数放入Open集中，产生新的基本参数；如果该基本参数为Open集的已有基本参数，则更新。如果指定基本参数做完实验后，放入Closed集。最后，统一在Closed集的已做完实验的基本参数选择金纳米棒合成参数。
针对上述流程，本实施例提出采用AStar启发式搜索算法的金纳米棒合成决策方法 (NanoAuAStar)，优化AuNRs的生产工艺。在金纳米棒合成过程中，有一些需要调控的流程工艺中的基本参数，例如在它的生产过程中在某些环节的溶液配比、温湿度、反应时间、离心率、晶种的反应时间、反应器的温度和转速等。由此，针对合成流程，可以将上述算法中的每个节点对应一个配比或者环境的温度等。例如合成中，每一个点表示合成流程中的一个基本参数。
在一些实施例中，实验的最优基本参数包括但不限于如下：
合成金纳米棒试验参数：超纯水/mL；CTAB(s)/g；NaOL(s)/g； 1mM HAuCl4/mL；4mMAgNO3/mL；3.6542M 盐酸/mL；AA/mL ；晶种/mL；
合成金纳米棒试验装置的环境参数：晶种生长渐变过程的视觉数据；环境的温度和湿度；加热振荡反应器的温度；加热振荡反应器变化过程的视觉数据；涡旋混匀模块的转速和时间；离心机的转速和时间。
本专利利用AStar启发式搜索算法，最开始的时候都是一个初始参数（该参数可以来源金纳米合成的文献材料），然后针对这个基本参数进行实验，做完实验后的基本参数放入Closed集中。同时做完实验之后，针对这个基本参数进行调整或扩充，例如增加或减少、加热振荡反应器的变化过程的视觉数据等，得到新的基本参数。这些新的基本参数放入到Subs集合中，然后再对这些基本参数进行进一步估值，探索形成新的实验基本参数。这些新的估值实验基本参数如果不在Open集中，则将此参数放入Open集中；如果在Open集中，则更新Open集中该参数即可。最后，统一在Closed集的已做完实验的基本参数选择金纳米棒合成参数。
通过Astar启发式搜索算法的金纳米棒合成决策方法，即NanoAuAStar方法，在已经搜索里面找比较好的实验基本参数，然后在这个好的基本参数附近再探索。在此基础上，可以利用AStar算法，将上述金纳米棒合成问题抽象成是一个寻找函数估值的问题。
进一步，本实施例中，使用AStar解决金纳米棒合成问题的步骤（即确定出最佳的基本参数）具体可以包括如下：
定义状态：将最优基本参数中每个对应的实验基本参数看作一个节点，并对每个节点进行编号；创建Open集，Open集中的初始参数配比为经验配比；创建Closed集，保持为空；其中Closed集为已经试验过的基本参数；其中Closed集为已经试验过实验的基本参数，例如使用转速为1200rpm的条件下剧烈搅拌3min。
当Open集不为空，从 Open集合中选择基本参数；
使用启发式方法判定：需要定义一个启发式函数，用于从基本参数选择参数。我们要合成的目标是一种特定长度的金纳米棒，求解估值最大的节点。
针对Open集中选中的基本参数，利用AStar算法对周边参数进行估值，估值后的基本参数放入Subs集；所述Subs集为基于Open集基本参数的周边扩展参数；针对Subs集的参数，选择估值最高的基本参数再次进行实验，如果该基本参数不在Open集中，则将此参数放入Open集中，产生新的基本参数；如果该基本参数为Open集的已有基本参数，则更新；如果指定基本参数做完实验后，放入Closed集；最后，统一在Closed集的已做完实验的基本参数选择金纳米棒合成参数。
输出结果：在迭代上述AStar算法中，如果最后subs集为空，并反向搜索前序节点生成策略，结束算法；如果找到参数配比，就返回基本参数；否则，表示不存在这样的合成参数配比。
综上，使用AStar算法可以有效地解决金纳米棒合成问题，而且能够快速找到最优和最优合成参数配比，可以有效解决金纳米棒合成决策选择问题。
优选地，如图6所示为本实施例的AuNRs制备总体流程图。在确定好最后的基本参数后执行制备金纳米棒（AuNRs）。其中，包括（1）晶体溶液配制；（2）生长溶液配制；（3）晶种生长。
（1）晶种溶液配制：
A、取5mL 0.2mol/L CTAB溶液与5mL 0.5mmol/L HAuCl4溶液混合得到混合液1；
B、将混合液1在转速为1200rpm的条件下剧烈搅拌3min；
C、往混合液1中加入0.65mL 0.006mol/L NaBH4溶液，得到混合液2；
D、将混合液2在转速为1200rpm的条件下剧烈搅拌2min；
E、将混合液2在室温下混合均匀后静置30min得到晶种溶液。
（2）生长溶液配制：
A、在50℃的热水浴条件下将2.8g CTAB与0.4936g NaOL溶于7mL超纯水当中得到混合液3；
B、将混合液3在转速为700rpm的条件下搅拌5min；
C、将热水浴温度缓慢降低至30℃；
D、往混合液3中加入0.504mL 4mmol/L AgNO3溶液得到混合液4；
E、将混合液4在转速为700rpm的条件下搅拌10min；
F、将混合液4混合均匀后静置15min；
G、往混合液4中加入7mL 0.5mmol/L HAuCl4溶液得到混合液5；
H、将混合液5在转速为700rpm的条件下搅拌90min；
I、往混合液5中加入0.042mLpH调节剂得到混合液6；
J、将混合液6在转速为400rpm的条件下搅拌15min；
K、往混合液6中加入0.035mL 0.064mol/L AA溶液得到混合液7；
L、将混合液7在转速为700rpm的条件下搅拌30s得到生长溶液。
（3）晶种生长：
A、往（2）中的生长溶液中加入0.0112mL（1）的晶种溶液得到混合液8；
B、将混合液8在转速为700rpm的条件下搅拌2min；
C、将混合液8在30℃的热水浴中保存12h得到所述金纳米棒（AuNRs）。
此外，本实施例的第二方面提供了一种基于启发式搜索算法Astar的金纳米棒合成系统，如图7所示，所述系统包括第一混合还原模块710、第二混合还原模块720以及合成模块730。
第一混合还原模块710，按照最优基本参数，将CTAB溶液与HAuCl4溶液混合，再经过NaBH4溶液还原得到晶种溶液；所述最优基本参数包括CTAB溶液、HAuCl4溶液以及NaBH4溶液之间的配比；
第二混合还原模块720，按照最优基本参数，通过将CTAB-NaOL溶液与AgNO3溶液以及HAuCl4溶液进行混合，再加入pH调节剂调节混合液pH，最后加入AA溶液还原得到生长溶液；所述最优基本参数包括CTAB-NaOL溶液、AgNO3溶液、HAuCl4溶液、pH调节剂、以及AA溶液之间的配比；
合成模块730，将所述生长溶液加入至所述晶种溶液，混合均匀保存一定时间，得到所述金纳米棒AuNRs。
优选地，所述最优基本参数是基于启发式搜索算法Astar获取的基本参数，包括：
将最优基本参数中每个对应的实验基本参数看作一个节点，并对每个节点进行编号；创建Open集，Open集中的初始参数配比为经验配比；创建Closed集，保持为空；其中Closed集为已经试验过的基本参数；
当Open集不为空，从 Open集合中选择基本参数；
针对Open集中选中的基本参数，利用AStar算法对周边参数进行估值，估值后的基本参数放入Subs集；所述Subs集为基于Open集基本参数的周边扩展参数；针对Subs集的参数，选择估值最高的基本参数再次进行实验，如果该基本参数不在Open集中，则将此参数放入Open集中，产生新的基本参数；如果该基本参数为Open集的已有基本参数，则更新；如果指定基本参数做完实验后，放入Closed集；最后，统一在Closed集的已做完实验的基本参数选择金纳米棒合成参数；
在迭代上述AStar算法中，如果最后subs集为空，并反向搜索前序节点生成策略，结束算法；如果找到参数配比，就返回基本参数；否则，表示不存在这样的合成参数配比。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于启发式搜索算法Astar的金纳米棒合成方法，其特征在于，所述方法包括：
步骤S101，通过启发式搜索算法Astar获取通过合成金纳米棒试验装置进行合成金纳米棒试验时的最优基本参数，包括，获取基本参数，基本参数包括试验基本参数、环境基本参数，
将基本参数中每个参数看作一个节点，并对每个节点进行编号，创建Open集，Open集中的初始参数配比为经验配比，创建Closed集，保持为空，其中Closed集为已经试验过的基本参数，
当Open集不为空，从 Open集合中选择基本参数，
针对Open集中选中的基本参数，利用AStar算法对周边参数进行估值，估值后的基本参数放入Subs集，所述Subs集为基于Open集基本参数的周边扩展参数，针对Subs集的参数，选择估值最高的基本参数再次进行实验，如果该基本参数不在Open集中，则将此参数放入Open集中，产生新的基本参数，如果该基本参数为Open集的已有基本参数，则更新，如果指定基本参数做完实验后，放入Closed集，最后，统一在Closed集的已做完实验的基本参数选择金纳米棒合成参数，
在迭代上述AStar算法中，如果最后subs集为空，并反向搜索前序节点生成策略，结束算法，如果找到参数配比，就返回基本参数，并将返回的基本参数作为最优基本参数，否则，表示不存在最优基本参数；
步骤S102，按照最优基本参数，将CTAB溶液与HAuCl4溶液混合，再经过NaBH4溶液还原得到晶种溶液；
步骤S103，按照最优基本参数，通过将CTAB-NaOL溶液与AgNO3溶液以及HAuCl4溶液进行混合，再加入pH调节剂调节混合液pH，最后加入AA溶液还原得到生长溶液；
步骤S104，将配制好的所述晶种溶液加入至所述生长溶液中，混合均匀后静置，得到金纳米棒AuNRs。
2.根据权利要求1所述的基于启发式搜索算法Astar的金纳米棒合成方法，其特征在于，所述最优基本参数包括：合成金纳米棒试验参数和合成金纳米棒试验装置的环境参数。
3.根据权利要求2所述的基于启发式搜索算法Astar的金纳米棒合成方法，其特征在于，所述合成金纳米棒试验参数包括：
合成金纳米棒试验所需要的试剂或中间产物名称、合成金纳米棒试验目标金纳米棒的配方数据、根据目标金纳米棒确定各试剂或中间产物所需的用量、合成过程中各步骤的反应时间或静置时间、晶种生长渐变过程的视觉数据、加热混合过程中金纳米棒形貌变化的视觉数据。
4.根据权利要求2所述的基于启发式搜索算法Astar的金纳米棒合成方法，其特征在于，所述合成金纳米棒试验装置的环境参数包括：
合成金纳米棒试验装置中各试剂的位置、合成金纳米棒试验装置的环境温度和湿度、合成金纳米棒试验装置中加热振荡反应器的温度、合成金纳米棒试验装置中涡旋混匀模块和离心机的转速和时间。
5.一种基于启发式搜索算法Astar的金纳米棒合成系统，其特征在于，所述系统包括第一混合还原模块、第二混合还原模块以及合成模块；
第一混合还原模块，按照最优基本参数，将CTAB溶液与HAuCl4溶液混合，再经过NaBH4溶液还原得到晶种溶液；
第二混合还原模块，按照最优基本参数，通过将CTAB-NaOL溶液与AgNO3溶液以及HAuCl4溶液进行混合，再加入pH调节剂调节混合液pH，最后加入AA溶液还原得到生长溶液；
合成模块，将所述生长溶液加入至所述晶种溶液，混合均匀后静置，得到所述金纳米棒AuNRs。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2023107706630 | 2023-06-28 | ||
| CN202310770663 | 2023-06-28 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116493600A true CN116493600A (zh) | 2023-07-28 |
| CN116493600B CN116493600B (zh) | 2023-09-08 |
Family
ID=87325313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310777578.7A Active CN116493600B (zh) | 2023-06-28 | 2023-06-29 | 一种基于启发式搜索算法Astar的金纳米棒合成方法、系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116493600B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104209533A (zh) * | 2014-07-21 | 2014-12-17 | 苏州大学 | 一种快速制备金纳米棒的方法 |
| CN108356277A (zh) * | 2018-02-24 | 2018-08-03 | 浙江大学 | 一种金纳米棒的制备方法 |
| CN111763769A (zh) * | 2020-07-07 | 2020-10-13 | 中国科学院长春应用化学研究所 | 适用于临床现场及非医疗环境下新型冠状病毒核酸检测试剂盒及其制造方法 |
| CN113988354A (zh) * | 2021-08-04 | 2022-01-28 | 中山大学 | 基于机器学习的金纳米棒的合成优化方法、装置及介质 |
| CN114357857A (zh) * | 2021-12-03 | 2022-04-15 | 深圳先进技术研究院 | 机器人辅助数字化可控合成纳米晶体形貌的方法 |
| CN116272744A (zh) * | 2023-04-13 | 2023-06-23 | 南京信息职业技术学院 | 一种银纳米线的智能合成装置及合成方法 |
-
2023
- 2023-06-29 CN CN202310777578.7A patent/CN116493600B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104209533A (zh) * | 2014-07-21 | 2014-12-17 | 苏州大学 | 一种快速制备金纳米棒的方法 |
| CN108356277A (zh) * | 2018-02-24 | 2018-08-03 | 浙江大学 | 一种金纳米棒的制备方法 |
| CN111763769A (zh) * | 2020-07-07 | 2020-10-13 | 中国科学院长春应用化学研究所 | 适用于临床现场及非医疗环境下新型冠状病毒核酸检测试剂盒及其制造方法 |
| CN113988354A (zh) * | 2021-08-04 | 2022-01-28 | 中山大学 | 基于机器学习的金纳米棒的合成优化方法、装置及介质 |
| CN114357857A (zh) * | 2021-12-03 | 2022-04-15 | 深圳先进技术研究院 | 机器人辅助数字化可控合成纳米晶体形貌的方法 |
| CN116272744A (zh) * | 2023-04-13 | 2023-06-23 | 南京信息职业技术学院 | 一种银纳米线的智能合成装置及合成方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116493600B (zh) | 2023-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | An artificial intelligence enabled chemical synthesis robot for exploration and optimization of nanomaterials | |
| Bindewald et al. | Computational strategies for the automated design of RNA nanoscale structures from building blocks using NanoTiler | |
| Wahl et al. | Machine learning–accelerated design and synthesis of polyelemental heterostructures | |
| Harris et al. | The genetic algorithm: foundations and apllications in structure solution from powder diffraction data | |
| Rhrissorrakrai et al. | MINE: module identification in networks | |
| Del Rosario et al. | Assessing the frontier: Active learning, model accuracy, and multi-objective candidate discovery and optimization | |
| CN116493600B (zh) | 一种基于启发式搜索算法Astar的金纳米棒合成方法、系统 | |
| Kotthoff et al. | Bayesian optimization in materials science: a survey | |
| Rao et al. | Advanced machine learning decision policies for diameter control of carbon nanotubes | |
| Shekar et al. | Active meta-learning for predicting and selecting perovskite crystallization experiments | |
| CN116441554B (zh) | 一种基于强化学习的金纳米棒AuNRs合成方法、系统 | |
| Schwartz | Computational models for cancer phylogenetics | |
| Raman | Identifying extra-large pore structures in zeolites with a machine learning approach and its deployment into production | |
| CN117423391A (zh) | 一种基因调控网络数据库的建立方法、系统及设备 | |
| CN113988354A (zh) | 基于机器学习的金纳米棒的合成优化方法、装置及介质 | |
| Georgantas et al. | MXenes-mining: a decade of discovery | |
| DE10028875A1 (de) | Rechnergestützte Optimierung von Substanzbibliotheken | |
| US20230261188A1 (en) | Battery production workflow optimization | |
| CN111950619A (zh) | 一种基于双重生成对抗网络的主动学习方法 | |
| WO2023097664A1 (zh) | 机器人辅助纳米晶自动表征加速材料的智能化逆向设计 | |
| Glasby et al. | Machine Learning and Digital Manufacturing Approaches for Solid‐State Materials Development | |
| Ha et al. | Estimation of high-dimensional directed acyclic graphs with surrogate intervention | |
| Harris et al. | Applications of evolutionary computation in structure determination from diffraction data | |
| Li et al. | Deep evolutionary learning for molecular design | |
| Li et al. | NSGAN: a non-dominant sorting optimisation-based generative adversarial design framework for alloy discovery |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |