Polipropilen/Polianilin Kompozit Filmlerin Dielektrik Özelliklerinin Yapay Sinir Ağları Modeli İle Tahmini

Abstract

ÖzBu çalışmada, polipropilen (PP) polimerinin frekansa bağlı kompleks dielektrik fonksiyonunun gerçek ve sanal bileşenlerinin, kütlece % 0,3, 0,4, 0,6 ve 0,7 polianilin (PANI) katkısına bağlı olarak değişimi dielektrik spektroskopisi yöntemiyle incelenmiştir. Dielektrik ölçümler, 100 Hz ile 15 MHz arasında değişen frekans aralığında oda sıcaklığında empedans analizör yardımıyla gerçekleştirilmiştir. Deneysel sonuçlar, PANI katkısıyla PP'nin dielektrik parametrelerinin lineer olmayan bir değişim sergilediğini göstermiştir. Bu bağlamda öncelikle, PP/PANI kompozitlerin kompleks dielektrik fonksiyonlarının gerçek ve sanal bileşenlerinin frekansa bağlılığının Yapay Sinir Ağları (YSA) modeli ile tahmin edilebileceği gösterilmiştir. Ardından, deneysel olarak hazırlanmamış farklı PP/PANI kompozitler için YSA modeliyle kütlece farklı PANI katkı yüzdeleri için (% 0,1, 0,2, 0,5, 0,8 ve 1), kompleks dielektrik fonksiyonun gerçek ve sanal bileşenlerin frekansa bağlı değişimleri hesaplanmıştır. YSA modeli ile elde edilen sonuçlar, kompleks dielektrik fonksiyonlarının gerçek ve sanal bileşenlerinin artan PANI katkısıyla lineer olmayan değişimiyle uyumlu olarak bulunmuştur. Böylelikle, kondansatör gibi çeşitli dielektrik uygulamalar için istenilen dielektrik parametrelere sahip PP/PANI kompozitlerin üretiminde uygun kütlece PP ve PANI yüzdeleri öngörülebilir. AbstractIn this study, the change of the frequency dependence of the real and imaginary components of the complex dielectric function of the polypropylene (PP) polymer depending on the addition of 0.3%, 0.4%, 0.6% and 0.7% polyaniline (PANI) was investigated by using dielectric spectroscopy method. Dielectric measurements were performed at room temperature in the frequency range of 100 Hz to 15 MHz by impedance analyzer. Experimental results have shown that the dielectric parameters of PP exhibit non-linear variation with the PANI contribution. In this context, firstly, it has been shown that the frequency dependence of real and virtual components of complex dielectric functions of PP / PANI composites can be estimated with Artificial Neural Network (ANN) model. Then, the frequency dependences of the real and imaginary components of the complex dielectric function of the PP/PANI composites with different PANI additive concentrations (0.1, 0.2, 0.5, 0.8, and 1.0%), which were not prepared experimentally, were calculated by using ANN method. The results obtained with the YSA model were also found to be consistent with the nonlinear variation of the real and imaginary components of complex dielectric function with increasing PANI doping. Hence, suitable PP and PANI mass percentages can be predicted in the production of PP/PANI composites with desired dielectric parameters for various dielectric applications such as capacitor.

Bazalt/PANI Kompozitlerinin Dielektrik Özelliklerinin Tahmini için Makine Öğrenmesi Modellerinin Karşılaştırılması

“…Fakat istenilen dielektrik özelliklere sahip malzemeyi üretebilecek uygun kombinasyonların bulunması çok yoğun deneysel çabaya ihtiyaç duymaktadır (Alkan et al, 2020;Kılıç, 2020;Kılıç, Ergin, Karabul, & Özdemir, 2019). Yoğun zaman ve maliyet gerektiren bu süreçleri Makine öğrenmesi gibi Yapay zekâ modeller kullanarak optimize etmek mümkündür (Eyecioglu, Karabul, Alkan, Kilic, & Icelli, 2016;Eyecioglu, Kılıç, & Özdemir, 2018;Kılıç, Eyecı̇oglu, Özdemı̇r, & Alkan, 2019). Makine öğrenmesi algoritmaları, bir veri setinin yorumlanmasına, ondan bir anlam çıkarılmasına ve daha sonra çözülmesi gereken problemde ortaya çıkan bilgiyi kullanılmasına izin veren bir bilgisayar bilimi alanıdır.…”

“…Başka bir çalışmada, polimer malzemelerin frekans bağımlı dielektrik sabiti (e) tahmininde Gauss süreci regresyon algoritması (GPR) kullanılmış ve makine öğrenmesi algoritmalarının spesifik uygulamalar için belirli özelliklere sahip polimelerlerin keşfinde kullanılabileceğini önerilmiştir (Chen et al, 2020). Shen vd., 2019 yılında yaptıkları çalışmada, simülasyon verilerini kullanarak oluşturdukları makine öğrenmesi modelini, polimer bazlı nanokompozitlerin dilelektrik parçalanma mekanizmalarını yarı kantitatif tahmini için kullanmışlardır (Shen et al, 2019 (Eyecioglu, Kılıç, & Özdemir, 2018). Çalışmada, ileri beslemeli sinir ağları (MLFF) eğitim modeli kullanılmıştır.…”

Estimation of Dielectric Constant of Ni(II)Pc and CdSeS/ZnS QDs Dope Liquid Crystal Structures by Machine Learning Algorithms

“…Bu çalışmada, son yıllarda araştırmacılar tarafından tercih edilen, deneyleri ve güçlü tahmin algoritmalarını bir arada kullanan yarı deneysel bir yaklaşım kabul edilmiştir [18]. Elde edilen malzemelerin deney çıktıları dikkate alınarak, üretilmemiş numuneler için olası ve güvenilir sonuçlar üretebilecek matematiksel modeller ve algoritmalar geliştirmek, yukarıda bahsedilen deneysel dezavantajların üstesinden gelmenin önemli bir yoludur [19].…”

“…Ulusal literatür incelendiğinde de son yıllarda bu kapsamda çalışmaların olduğu görülmektedir. Eyecioglu ve arkadaşları, kütlece farklı polianilin katkılı polipropilen (PP) polimerinin dielektrik fonksiyonlarının gerçek ve sanal bileşenlerinin frekansa bağlı değerlerinin Yapay Sinir Ağları ile tahminlenebileceğini göstermiştir [19]. Kılıç ve arkadaşları polietilenin hem polianilin katkısına hem de sıcaklığa bağlı değişimlerinin, genelleştirilmiş regresyon sinir ağları yöntemiyle %93-%99 arasında değişen doğruluk değeriyle tahmin edildiğini raporlamıştır [23].…”