Investigasi Struktural dan Katalisis yang Diperkaya dari Katalis Mikroporous Terbungkus Kompleks Cu dengan Pemodelan Pragmatis untuk Prediksi Aktivitas Menggunakan Pembelajaran Mesin

Abstrak
Metode pasca-sintetik yang mudah dan efisien telah digunakan secara sistematis untuk menyiapkan silikoaluminofosfat hibrida dengan melumpuhkan kompleks ligan tembaga (׀׀) campuran yang terdiri dari 2,9-dimetil-1,10-fenantrolin dan tembaga nitrat pada material yang difungsikan sebagai basa. Aktivitas efektif katalis ini dalam reaksi pembukaan cincin epoksida dicapai ketika kompleks ini ditambatkan pada material SAPO yang difungsikan sebagai amina. Struktur, integritas fase, stabilitas termal dan keberadaan gugus fungsi diidentifikasi dengan menggunakan berbagai teknik analisis seperti XRD serbuk, adsorpsi-desorpsi N2, FT-IR, resolusi magnetik nuklir, dll. Konversi 90% dan 88% dicapai dengan menggunakan material SAPO-34 dan SAPO-5 yang diimobilisasi sebagai kompleks tembaga, yang masing-masing menunjukkan keefektifan material untuk reaksi ini. Pembelajaran mesin digunakan untuk memprediksi konversi produk dan selektivitas untuk meningkatkan reaksi untuk aplikasi industri lebih lanjut. Regresi linier (LR), support vector machine (SVM), dan k-nearest neighbor (kNN) telah digunakan dalam penelitian ini, sedangkan SVM dan kNN sama-sama menunjukkan kinerja yang baik dalam memprediksi konversi dan selektivitas katalis, dengan menganalisis mean squared error (MSE), mean absolute percentage error (MAPE), dan skor R. Penelitian ini menunjukkan sintesis inovatif dan kinerja katalis silikoaluminofosfat hibrida, yang menggambarkan algoritma machine learning prediktif yang akurat untuk menemukan kualitas katalis untuk reaksi tertentu.