由碳纳米管制成的薄膜在先进光电子、能源和医药领域有着广阔的应用前景，但由于其制造过程受到严密的监督和严格的标准化要求，不太可能很快普及。纳米管的多相制造工艺极其难以管理，这是开发其巨大潜力的一个主要障碍。研究人员建议使用人工神经网络(ANN)来分析实验数据，并预测单壁碳纳米管合成的效率。

　　在发表在《Carbon》期刊上的研究中，科学家指出，机器学习方法，特别是人工神经网络在实验参数上的训练，如温度、气体压力和流速，可以帮助监控碳纳米管薄膜的性能。人类文明的发展、材料制造和应用技术的进步在信息技术时代紧密相连，材料和计算算法及其应用塑造着我们的日常生活。这同样适用于人工神经网络，它已经发展成为处理多参数任务不可或缺的工具。

　　这些任务的范围从对象识别到医学诊断等很多领域，在过去的25年里，由于纳米管生长过程的复杂性，基于碳纳米管的电子学发展几乎没有取得任何进展。相信，新方法将有助于创建一个有效的碳纳米管生产框架，并为它们的实际应用开辟新天地。研究提出利用人工神经网络对实验数据进行处理，并基于布杜阿尔反应预测气溶胶CVD合成单壁碳纳米管的性能。

　　利用五个关键输入参数（CO、CO2和二茂铁的压力、停留时间和生长温度）来控制制备纳米管薄膜的性能（产率、直径分布的平均值和标准偏差以及缺陷）。预测误差与实验误差基本一致，该方法对合成具有定制特性的纳米碳具有重要意义。