مشخصات پژوهش

عنوان	مطالعه همبستگی خواص ترمودینامیکی مربوط به گذار فاز حلال های اتکتیک عمیق و کمیت های مولکولی توسط فنون نوین یادگیری ماشین به منظور پیش بینی دیاگرام فاز این سیستم ها
نوع پژوهش	پایان نامه
کلیدواژه‌ها	دیاگرام فاز، حلال های اتکتیک عمیق، همبستگی، خواص ترمودینامیکی، یادگیری ماشین
چکیده	حلال های اتکتیک عمیق یا( DESs) به عنوان یک گروه جدید و سبز از حلال ها در صنایع مختلف، به ویژه در زمینه های شیمیایی و استخراج، مورد توجه قرار گرفته اند. این حلال ها معمولاً از ترکیب دو یا چند ماده تشکیل می شوند که یکی از آن ها به عنوان اهداکننده پیوند هیدروژنی و دیگری به عنوان گیرنده عمل می کند.این تعاملات شیمیایی باعث می شود که نقطه ذوب این ترکیبات به طور قابل توجهی کاهش یابد و خواص فیزیکی و شیمیایی مطلوبی را ارائه دهند. حلال های اوتکتیک عمیق به دلیل قابلیت های حل کنندگی فوق العاده و ویژگی های غیرسمی، به عنوان گزینه ای مناسب برای کاهش مشکلات زیست محیطی ناشی از پروتکل های سنتزی مبتنی بر حلال ها شناخته می شوند. با این حال، کمبود داده های ترمودینامیکی باعث دشواری در شناسایی ویژگی های مولکولی و ساختاری این حلال ها شده است. . مطالعات اولیه بر روی ترکیبات مختلف حلال های اتکتیک عمیق نشان داده اند که ترکیب مناسب مواد اولیه می تواند منجر به تغییرات قابل توجهی در خواص فیزیکی و شیمیایی آنها شود.علاوه بر این، استفاده از مدل های ترمودینامیکی برای پیش بینی رفتار دیاگرام های فاز نیز مورد توجه قرار گرفته است. این مدل ها به پژوهشگران اجازه می دهند تا با استفاده از داده های تجربی، دیاگرام های فاز را برای سیستم های مختلف حلال های اتکتیک عمیق ترسیم کنند.در نهایت، تحقیقات اخیر بر روی دیاگرام های فاز حلال های اتکتیک عمیق نشان دهنده اهمیت این حلال ها در کاربردهای صنعتی و محیط زیستی است و به توسعه روش های جدید برای طراحی و سنتز این حلال ها کمک می کنند. با به کارگیری یادگیری یادگیری ماشین در تحلیل داده های مربوط به دیاگرام های فاز و خواص ترمودینامیکی میتوانیم به پیش بینی دقیق تری از خواص جدید مواد دست یابیم . این فناوری میتواند به ویژه در صنایع مختلف از جمله شیمی ،مواد و مهندسی موثر باشد و زمینه ساز نوآوری های جدید گردد . همچنین پیاده سازی این پروژه نیاز به همکاری بین رشته ای از علوم کامپیوتر ، شیمی و علم مواد دارد و به دنبال ایجاد یک پلتفرم جامع و کارا خواهد بود.
پژوهشگران	ساناز رجب پور (دانشجو)، جابر جهان بین سردرودی (استاد راهنما)، رضا زارعی پور (استاد راهنمای دوم)