Subdominios de grafeno e inteligencia artificial empleados en la detección de iones contaminantes en agua

En esta Jornada les mostraré cómo obtener dominios de grafeno más pequeños (subdominios de 3-8 nm de diámetro) extraídos de grafeno monocapa obtenido por CVD. Estos subdominios son propicios por su confinamiento cuántico y por la presencia de grupos sp² /sp³ en su superficie lo que les brinda propie...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Llaver, Mauricio, Barrionuevo, Santiago Daniel, Ibáñez, Francisco Javier
Formato: Objeto de conferencia Resumen
Lenguaje:Español
Publicado: 2024
Materias:
Química
dominios de grafeno
espectros de fluorescencia
Inteligencia artificial
machine learning
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/178876
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-178876
record_format dspace
spelling I19-R120-10915-1788762025-05-12T20:03:45Z http://sedici.unlp.edu.ar/handle/10915/178876 Subdominios de grafeno e inteligencia artificial empleados en la detección de iones contaminantes en agua Llaver, Mauricio Barrionuevo, Santiago Daniel Ibáñez, Francisco Javier 2024-09 2025 2025-05-12T12:45:07Z es Química dominios de grafeno espectros de fluorescencia Inteligencia artificial machine learning En esta Jornada les mostraré cómo obtener dominios de grafeno más pequeños (subdominios de 3-8 nm de diámetro) extraídos de grafeno monocapa obtenido por CVD. Estos subdominios son propicios por su confinamiento cuántico y por la presencia de grupos sp² /sp³ en su superficie lo que les brinda propiedades de fluorescencia y poder ser modificados químicamente para mejorar la detección selectiva y precisa de iones contaminantes como el Hg²⁺ presente en agua de consumo. Por otro lado, la incorporación de inteligencia artificial, a través del uso de machine learning (ML), nos permite distinguir con precisión los espectros de fluorescencia del sensor y de esa forma, poder discriminar, por ejemplo: señales de Fe³⁺ de Hg²⁺. Los resultados arrojados por ML fueron luego validados por espectroscópicas de uso convencional dando resultados muy similares lo cual nos permite asegurar que con inteligencia artificial podemos reducir ostensiblemente las horas de laboratorio/hombre e insumos necesarios en aplicaciones de detección ultrasensible. Instituto de Investigaciones Fisicoquímicas Teóricas y Aplicadas Objeto de conferencia Resumen http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 13-13
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Química
dominios de grafeno
espectros de fluorescencia
Inteligencia artificial
machine learning
spellingShingle Química
dominios de grafeno
espectros de fluorescencia
Inteligencia artificial
machine learning
Llaver, Mauricio
Barrionuevo, Santiago Daniel
Ibáñez, Francisco Javier
Subdominios de grafeno e inteligencia artificial empleados en la detección de iones contaminantes en agua
topic_facet Química
dominios de grafeno
espectros de fluorescencia
Inteligencia artificial
machine learning
description En esta Jornada les mostraré cómo obtener dominios de grafeno más pequeños (subdominios de 3-8 nm de diámetro) extraídos de grafeno monocapa obtenido por CVD. Estos subdominios son propicios por su confinamiento cuántico y por la presencia de grupos sp² /sp³ en su superficie lo que les brinda propiedades de fluorescencia y poder ser modificados químicamente para mejorar la detección selectiva y precisa de iones contaminantes como el Hg²⁺ presente en agua de consumo. Por otro lado, la incorporación de inteligencia artificial, a través del uso de machine learning (ML), nos permite distinguir con precisión los espectros de fluorescencia del sensor y de esa forma, poder discriminar, por ejemplo: señales de Fe³⁺ de Hg²⁺. Los resultados arrojados por ML fueron luego validados por espectroscópicas de uso convencional dando resultados muy similares lo cual nos permite asegurar que con inteligencia artificial podemos reducir ostensiblemente las horas de laboratorio/hombre e insumos necesarios en aplicaciones de detección ultrasensible.
format Objeto de conferencia
Resumen
author Llaver, Mauricio
Barrionuevo, Santiago Daniel
Ibáñez, Francisco Javier
author_facet Llaver, Mauricio
Barrionuevo, Santiago Daniel
Ibáñez, Francisco Javier
author_sort Llaver, Mauricio
title Subdominios de grafeno e inteligencia artificial empleados en la detección de iones contaminantes en agua
title_short Subdominios de grafeno e inteligencia artificial empleados en la detección de iones contaminantes en agua
title_full Subdominios de grafeno e inteligencia artificial empleados en la detección de iones contaminantes en agua
title_fullStr Subdominios de grafeno e inteligencia artificial empleados en la detección de iones contaminantes en agua
title_full_unstemmed Subdominios de grafeno e inteligencia artificial empleados en la detección de iones contaminantes en agua
title_sort subdominios de grafeno e inteligencia artificial empleados en la detección de iones contaminantes en agua
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/178876
work_keys_str_mv AT llavermauricio subdominiosdegrafenoeinteligenciaartificialempleadosenladetecciondeionescontaminantesenagua
AT barrionuevosantiagodaniel subdominiosdegrafenoeinteligenciaartificialempleadosenladetecciondeionescontaminantesenagua
AT ibanezfranciscojavier subdominiosdegrafenoeinteligenciaartificialempleadosenladetecciondeionescontaminantesenagua
_version_ 1855354283823726592

Ejemplares similares