Browsing by Author "Vega Villegas, Orli"

Now showing 1 - 1 of 1
  • Tesis de licenciatura
    Uso de machine learning para predecir propiedades de nanopartículas de metales nobles
    (Benemérita Universidad Autónoma de Puebla, 2026-02) Vega Villegas, Orli; Vega Villegas, Orli; 0009-0003-4196-2150; Arzola Flores, Jesús Andrés; 0000-0001-9839-982X; Santamaría Juárez, Juana Deisy; 0000-0003-0935-5468
    “En este trabajo se establece un modelo predictivo que emplea el radio de nanopartículas (NPs) esféricas de oro (Au), plata (Ag) y cobre (Cu) como variable independiente y la intensidad del modo dipolar de dichas NPs como variable a predecir, para esto se utilizó el software MiePlot para calcular los espectros teóricos de absorción, esparcimiento (dispersión) y extinción mediante la Teoría de Mie, con el propósito de identificar el máximo dipolar en función del radio de las NPs. Los resultados obtenidos se utilizaron para el entrenamiento, prueba y validación de modelos de aprendizaje supervisado. La regresión por vectores de soporte con kernel de función de base radial (SVR: Support Vector Regression (RBF: Radial Basis Function).) y k vecinos más cercanos (KNN: K-Nearest Neighbors) lograron un desempeño superior con respecto a la regresión lineal, alcanzando coeficientes de determinación superiores a 0.90 y errores absolutos medios bajos. El modelo SVR presentó mejores resultados específicamente para las NPs de Au, mientras que KNN tuvo mejores resultados para Ag y Cu. Con los resultados obtenidos se demuestra que el uso del (ML: Machine Learning) permite hacer predicciones de la intensidad del modo dipolar con un nivel de confiabilidad alto, siendo así una herramienta complementaria a la Teoría de Mie para el diseño y optimización de NPs plasmónicas en diferentes aplicaciones”.