쉬라즈대학교와 이슬람 아자드대학교 연구진은 2026년 7월 31일 TiO2/ZnO 나노복합체가 물속 메트로니다졸을 분해할 수 있으며, 머신러닝 모델이 그 과정을 예측할 수 있다고 보고했다. 연구진은 졸-겔 방법으로 TiO2/ZnO 나노복합체를 합성하고 EDX, TEM, FTIR, SEM, XRD로 특성을 분석했다. 대상 오염물질은 메트로니다졸로, 부적절하게 폐기되면 수생·토양 환경에서 세균 내성을 키우고 인간과 다른 생물에 위협이 될 수 있는 항생제다.

연구팀은 중심합성계획을 적용한 반응표면분석법으로 pH, 조사 시간, 메트로니다졸 농도, 촉매 투입량 등 4개 변수를 시험하고 최적화했다. 가장 유리한 조건에서 합성 나노복합체는 메트로니다졸을 94.92% 분해했다. 연구진은 또한 재사용 가능성, 분해 메커니즘, 광원 세기가 광촉매 공정에 미치는 영향도 조사했다.

반응표면분석법의 안내에 따라 머신러닝과 딥러닝 모델이 광촉매 분해 효율을 예측하도록 학습됐다. 평가 모델은 서포트 벡터 회귀, 인공신경망, 완전연결 신경망, 랜덤 포레스트였다. 특히 서포트 벡터 회귀는 R = 0.9495, R2 = 0.8502, MSE = 7.2560, RMSE = 2.6937로 가장 강한 성능을 보였다.

특징 중요도 분석에서는 반응 시간과 pH가 가장 영향력 있는 매개변수로 나타났고, 그다음은 메트로니다졸 농도였다. 촉매 투입량의 영향은 분석에서 미미했다. 저자들은 커널 기반 서포트 벡터 회귀가 제한된 데이터로 복잡한 광촉매 시스템을 모델링하는 데 효과적이라고 밝혔으며, 경쟁 이해관계가 없다고 선언했다. 논문은 2026년 5월 06일 접수됐고 2026년 7월 27일 승인됐으며, 2026년 7월 31일 Scientific Reports에 게재됐다.

쉬라즈대학교와 이슬람 아자드대학교 연구진은 2026년 7월 31일 TiO2/ZnO 나노복합체가 물속 메트로니다졸을 분해할 수 있으며, 머신러닝 모델이 그 과정을 예측할 수 있다고 보고했다. 연구진은 졸-겔 방법으로 TiO2/ZnO 나노복합체를 합성하고 EDX, TEM, FTIR, SEM, XRD로 특성을 분석했다. 대상 오염물질은 메트로니다졸로, 부적절하게 폐기되면 수생·토양 환경에서 세균 내성을 키우고 인간과 다른 생물에 위협이 될 수 있는 항생제다.

연구팀은 중심합성계획을 적용한 반응표면분석법으로 pH, 조사 시간, 메트로니다졸 농도, 촉매 투입량 등 4개 변수를 시험하고 최적화했다. 가장 유리한 조건에서 합성 나노복합체는 메트로니다졸을 94.92% 분해했다. 연구진은 또한 재사용 가능성, 분해 메커니즘, 광원 세기가 광촉매 공정에 미치는 영향도 조사했다.

반응표면분석법의 안내에 따라 머신러닝과 딥러닝 모델이 광촉매 분해 효율을 예측하도록 학습됐다. 평가 모델은 서포트 벡터 회귀, 인공신경망, 완전연결 신경망, 랜덤 포레스트였다. 특히 서포트 벡터 회귀는 R = 0.9495, R2 = 0.8502, MSE = 7.2560, RMSE = 2.6937로 가장 강한 성능을 보였다.

특징 중요도 분석에서는 반응 시간과 pH가 가장 영향력 있는 매개변수로 나타났고, 그다음은 메트로니다졸 농도였다. 촉매 투입량의 영향은 분석에서 미미했다. 저자들은 커널 기반 서포트 벡터 회귀가 제한된 데이터로 복잡한 광촉매 시스템을 모델링하는 데 효과적이라고 밝혔으며, 경쟁 이해관계가 없다고 선언했다. 논문은 2026년 5월 06일 접수됐고 2026년 7월 27일 승인됐으며, 2026년 7월 31일 Scientific Reports에 게재됐다.