Abstrak
Fotokatalisis menawarkan solusi hemat energi dan berkelanjutan untuk mengatasi polusi lingkungan dan kekurangan energi. Inti dari proses ini terletak pada fotokatalisis. Namun, membangun hubungan yang jelas antara struktur dan kinerjanya melalui metode eksperimen tradisional sering kali membutuhkan banyak waktu dan tenaga. Pembelajaran mesin (ML) baru-baru ini mendapatkan daya tarik dalam memandu sintesis fotokatalis, meskipun sering kali tertantang oleh ketersediaan data yang terbatas. Studi ini memperkenalkan pendekatan yang dipandu ML dinamis yang secara berulang mengoptimalkan parameter eksperimen melalui siklus analisis dan eksperimen ML yang berurutan, yang secara efektif menghindari kebutuhan akan kumpulan data yang besar. Diterapkan pada sintesis fotokatalis melalui pemanasan gelombang mikro quercetin, metode ini menghasilkan kinerja yang optimal setelah tiga iterasi, mencapai laju produksi hidrogen peroksida yang tinggi. Pendekatan ML ini menunjukkan strategi pengoptimalan ML beberapa percobaan yang efektif untuk sintesis katalis.