Encuentra más información en nuestro repositorio digital
Se emplea un proceso de aprendizaje profundo de red neuronal convolucional (CNN) para analizar datos de dispersión Raman in situ para la captura de CO2 y sus conversiones fotocatalíticas en nanoesferas huecas de sulfuro de cobre (CuSHNS) y nanocubos de cobre (CuNC) en solución de microalgas de Spirulina maxima.
Los espectros Raman bajo luz visible a 633 nm en una solución microfluídica proporcionaron bandas marcadoras vibracionales representativas de características de doble enlace CO a ∼2100 cm−1 y vibraciones de flexión CH2/CH3 a ∼1400 cm−1 que están correlacionadas con productos de reducción de CO2 de monóxido de carbono (C1) y especies multicarbonadas como propanol (C3), butanol (C4), respectivamente.
Los espectros Raman acumulados se entrenaron y analizaron para estimar las vías fotocatalíticas utilizando el algoritmo CNN.
Se estudia la presencia de la microalga Spirulina maxima en la alteración de los procesos fotocatalíticos mediante el análisis de los cambios espectrales Raman colectivos.
La principal observación es que los picos intensos de CO en los espectros Raman del CO₂ adsorbido por CuNC prácticamente desaparecieron tras el tratamiento con microalgas, mientras que su intensidad aumentó ligeramente en el caso de CuSHNS. El proceso de aprendizaje profundo de CNN para los espectros Raman fue eficaz para diferenciar los mecanismos fotocatalíticos de la conversión de CO₂ en las superficies de las nanopartículas.