シラーズ大学とイスラム・アザド大学の研究者はJuly 31, 2026、水中のメトロニダゾールをTiO2/ZnOナノ複合体で分解でき、機械学習モデルでその過程を予測できると報告した。研究チームはゾルゲル法でTiO2/ZnOナノ複合体を合成し、EDX、TEM、FTIR、SEM、XRDで特性を調べた。対象汚染物質はメトロニダゾールで、水域や土壌環境への不適切な廃棄が細菌耐性を助長し、人間や他の生物を脅かし得る抗生物質だ。

研究チームは、中心複合計画を用いた応答曲面法により、pH、照射時間、メトロニダゾール濃度、触媒投与量の4変数を試験し、最適化した。最も有利な条件下で、合成されたナノ複合体はメトロニダゾールを94.92%分解した。研究者らは、再利用性、分解機構、光源強度が光触媒プロセスに与える影響も調べた。

応答曲面法を手がかりに、光触媒分解効率を予測する機械学習モデルと深層学習モデルが訓練された。評価対象はサポートベクター回帰、人工ニューラルネットワーク、全結合ニューラルネットワーク、ランダムフォレストだった。サポートベクター回帰は最も強い報告結果を示し、R = 0.9495、R2 = 0.8502、MSE = 7.2560、RMSE = 2.6937だった。

特徴量重要度分析では、反応時間とpHが最も影響の大きいパラメータとされ、メトロニダゾール濃度がそれに続いた。触媒投与量の影響は分析上最小だった。著者らは、カーネルベースのサポートベクター回帰が、限られたデータで複雑な光触媒システムをモデル化するうえで有効だったと述べ、競合する利益はないと申告した。論文は06 May 2026に受理され、27 July 2026に採択され、31 July 2026にScientific Reportsで公開された。

シラーズ大学とイスラム・アザド大学の研究者はJuly 31, 2026、水中のメトロニダゾールをTiO2/ZnOナノ複合体で分解でき、機械学習モデルでその過程を予測できると報告した。研究チームはゾルゲル法でTiO2/ZnOナノ複合体を合成し、EDX、TEM、FTIR、SEM、XRDで特性を調べた。対象汚染物質はメトロニダゾールで、水域や土壌環境への不適切な廃棄が細菌耐性を助長し、人間や他の生物を脅かし得る抗生物質だ。

研究チームは、中心複合計画を用いた応答曲面法により、pH、照射時間、メトロニダゾール濃度、触媒投与量の4変数を試験し、最適化した。最も有利な条件下で、合成されたナノ複合体はメトロニダゾールを94.92%分解した。研究者らは、再利用性、分解機構、光源強度が光触媒プロセスに与える影響も調べた。

応答曲面法を手がかりに、光触媒分解効率を予測する機械学習モデルと深層学習モデルが訓練された。評価対象はサポートベクター回帰、人工ニューラルネットワーク、全結合ニューラルネットワーク、ランダムフォレストだった。サポートベクター回帰は最も強い報告結果を示し、R = 0.9495、R2 = 0.8502、MSE = 7.2560、RMSE = 2.6937だった。

特徴量重要度分析では、反応時間とpHが最も影響の大きいパラメータとされ、メトロニダゾール濃度がそれに続いた。触媒投与量の影響は分析上最小だった。著者らは、カーネルベースのサポートベクター回帰が、限られたデータで複雑な光触媒システムをモデル化するうえで有効だったと述べ、競合する利益はないと申告した。論文は06 May 2026に受理され、27 July 2026に採択され、31 July 2026にScientific Reportsで公開された。