Bilim Alanı 

Katıhal Fiziği, Atmosfer Fiziği

Araştırma Alanı

Ferromanyetik Rezonans (FMR)
Manyetik Granuler Filmler
Sıvılarda Gıda Güvenliği
Time Domain-Nuclear Magnetic Rezonance (TD-NMR)
Spin-spin relaxation times (T2)
Spin-lattice relaxation times (T1)
Mikrodalga Spektroskopi (MW) (Sıvıların Dielektrik sabitleri e1,e2)
Asit Yağmurları
Hava Kalitesi Ölçüm Teknikleri

1-) Metin ŞİMŞEK, “Dünya'nın Manyetik Alanında Nükleer Manyetik Rezonans (EF-NMR) Spektrometresi Ölçüm Verilerinin Sinyal İşleme ve Makine Öğrenme Teknikleri Kullanılarak Analizi ile Madde Tayini ve Tespiti”, Marmara Üniversitesi, Fen Bilimleri Enstitüsü, (Başlangıç: 30 Mart 2023-Bitiş: 11 Haziran 2024.)

ÖZET

Modern dünyada insanların güvenliği ve emniyeti için tehlikeli, patlayıcı ve yasadışı kimyasal maddelerin tespiti ve bu tehlikeli maddeleri birbirinden ayırt edebilmek son derece önemlidir.
Tehlikeli sıvı ve patlayıcı kimyasal maddelerin tespiti için geri saçılım X-ışını, termal nötron analizi (TNA), iyon mobilite spektrometrisi (IMS) ve gaz kromatografisi (GC), Nükleer manyetik rezonans (NMR) gibi çok çeşitli teknikler bulunmaktadır. Bu teknikler arasında yer alan Nükleer Manyetik Rezonans (NMR), sıvı ve katıların mikroskobik boyutlarda belirlenmesini ve analiz edilmesini sağlayan invazif olmayan (kutu/şişe açmadan)  bir yöntemdir. Bu nedenle malzemelerin kimyasal yapılarının belirlenmesinde ve tıbbi görüntülemede kullanılmaktadır. Ayrıca tıp, güvenlik uygulamaları, tarım ve gıda endüstrisi vb. alanlardaki kalite kontrol süreçlerinde çok verimli sonuçlar alınabilmektedir. NMR tekniğinin bir alt çeşidi olan Dünya'nın Manyetik Alanında Nükleer Manyetik Rezonans (EF-NMR) tekniği uygulama alanı açısından önemli bir yer teşkil etmektedir. Her ne kadar süper güçlü manyetik alan kullanılarak yapılan ölçümler kadar hassas ölçümleme yapılamasa bile, maliyet açısında etkin bir çözüm sağlaması ve dünyanın manyetik alanının kusursuz derecede homojen bir yapı sağlaması bu dezavantajları büyük ölçüde telafi etmektedir.
Hem tehlikeli hem de iyi huylu sıvıların benzer veri setlerine sahip olması nedeniyle, numuneleri doğrudan ölçüm verilerinden ayırt etmek oldukça zordur. Ancak gelişen teknoloji ile birlikte birçok alanda makine öğrenimi teknikleri kullanılmaktadır. Makine öğrenmesi başlığı altında sınıflandırma, regresyon, anomali tespiti, kümeleme, boyutsal indirgeme gibi farklı uygulamalar bulunmakta ve bu uygulamalar altında birçok farklı algoritma kullanılmaktadır. Bu tekniklerden biri olan ve en çok kullanılan sınıflandırma, etiketi bilinmeyen yeni bir gözlemin hangi sınıfa ait olduğunu, etiketi bilinen verilerden oluşan bir veri seti kullanarak belirlemek için kullanılmaktadır.
Bu tez çalışmasında; Dünyanın manyetik alanında nükleer manyetik rezonans (EF-NMR) spektroskopisi tekniği ile tehlikeli sıvı ve kimyasal maddelerden elde edilmiş NMR spektrumlarına ait veriler, kimyasalların birbirinden kolay ve hızlı bir şekilde ayırt edilmesi ve sınıflandırılması için makine öğrenmesi modellerinden Rastgele Orman Sınıflandırma (RFC), k-En Yakın Komşu (kNN) ve Lojistik Regresyon (LR) kullanılacaktır.

1-)Eray Emre ŞENTÜRK “Yemeklik Yağlarda Durulma Süreleri ve Makine Öğrenmesi Modelleri ile Tahmin Çalışmaları” Marmara Üniversitesi, Fen FAKÜLTESİ, (Başlangıç:  Şubat 2022 -Bitiş: Haziran 2022.)

Özet:
Artan nüfus sonucu dünya çapında artan talep bitkisel yağ fiyatlarının artmasına neden olmuştur. Bunun sonucunda, yemeklik yağlar üzerinde birçok işlem yapılmaktadır ve günümüzde en fazla hile yapılan ürünlerin başında zeytinyağı gelmektedir. Duyusal karakteristikler ile ayırt edilemeyen ürünün içeriğini diğer yöntemlere göre basit, hızlı ve yüksek verimli bir şekilde analiz edebildiği için gıda analizlerinde zaman boyutlu Nükleer Manyetik Rezonans (TD-NMR) ve makine öğrenmesi modelleri kullanılmaya başlanmıştır. Bu çalışmada, lokal marketlerden alınan yemeklik yağların ve Sigma-Aldrich firmasından elde edilen Etanol sıvısının spin-örgü (T1) ve spin-spin (T2) durulma süreleri elde edilmiştir. Ayrıca, (T2) spektralarından elde edilen veriler kullanılarak makine öğrenmesi modellerinden (Random Forest Classifier (RFC) ve K-Nearest Neighbor (KNN)) alınan tahmin sonuçlarıyla sınıflandırma çalışmaları yapılmıştır. İki ayrı kategoride bulunan sıvı numuneleri (Yudum Ayçiçek Yağı ve Etanol) için RFC ve KNN modellerinde %100 ‘lük doğruluk oranına sahip olduğu görülmüştür. Yudum Ayçiçek Yağı ve Tariş Sızma Zeytinyağı (Güney Ege) numuneleri için ise RFC ve KNN modellerinde sırasıyla %98 ve %97‘lik doğruluk oranı elde edilmiştir. Elde edilen sonuçlar, TD- NMR yöntemi ve makine öğrenmesinin birlikte kullanılmasının başarısını ortaya koymaktadır.

2-) Aysu SANAN, “Sütlerin Sınıflandırılması ve Su-Süt karışımının Zaman Boyutlu NMR tekniği ile incelenmesi”, Marmara Üniversitesi, Fen FAKÜLTESİ, (Başlangıç:  Şubat 2023 -Bitiş: Haziran 2023.)

Özet:
Süt insanların doğduğu anda  belli bir süre tüketilebildikleri tek besin olduğu için ve daha sonra yaşamları boyunca ihtiyaç duydukları vitamin ve mineralleri sütten karşılayabildikleri için her dönem beslenmede yeri ön planda olmuştur. İnsanların süte olan talebi,üreticilerin rekabet oranını ve hileye başvurma oranını arttırmıştır.Üreticiler için en ucuz yollu ve en yaygın olan hile yöntemi tağşişlemedir. Gıda tağşişi en yaygın gıda dolandırıcılıklarından biridir. Düşük kaliteyi gizlemek veya daha fazla kar elde etmek için gıdalara yabancı maddeler eklenerek yapılır. Gıdanın tağşiş edilmesi, tüketici güvenini ve daha da önemlisi tüketicinin sağlığını etkileyeceği için doğrudan ekonomik kaygıların ötesine geçer. Duyusal karakteristikler ile ayırt edilemeyen ürünün içeriğini basit, hızlı ve yüksek verimli bir şekilde analiz edebildiği için gıda analizlerinde zaman boyutlu Nükleer Manyetik Rezonans (TD-NMR) tekniği kullanılmaya başlanmıştır.Bu çalışmada, lokal marketlerden alınan farklı yağ oranlarına sahip sütlerin spin-örgü (T1) ve spin-spin (T2) durulma süreleri Bruker Minispec mq-20 model TD-NMR cihazı kullanılarak ölçülmüştür. Elde edilen sonuçlar, TD-NMR yönteminin ve sonuçların analiz edilmesinin başarısını ortaya koymaktadır.

3-) İrfan HATİP, “Sütlerin Sınıflandırılması ve Su-Süt karışımının Mikrodalga (MW) Tekniği ile İncelenmesi”, Marmara Üniversitesi, Fen FAKÜLTESİ, (Başlangıç:  Şubat 2023 -Bitiş: Haziran 2023.)

Özet:
Süt besin değeri açısından en mükemmele yakın besin olarak belirlenmiştir. Özellikle gelişmekte olan ülkelerde süt tüketimi yüksektir.Şu anda dünya nüfusunun büyük bir bölümü için beslenmenin önemli bir parçasıdır. Artan talepler sonucunda, süt pazarındaki rekabet artmış,bazı üreticiler hile yapmaya başlamıştır.Bu hilelerden en yaygını ise sütün tağşiş edilmesidir. Tağşişleme, belirli bir gıdanın kalitesinin veya doğasının, tağşiş edici maddelerin eklenmesi veya çıkarılması yoluyla azaltıldığı süreçtir. Duyusal karakteristikler ile birbirinden ayırt edilmesi mümkün olmayan ürünlerin içeriğini basit, hızlı ve yüksek verimli bir şekilde analiz edebildiği için gıda analizlerinde Mikrodalga tekniği kullanılmaya başlanmıştır. Bu çalışmada, lokal marketlerden alınan farklı yağ oranlarına sahip sütlerin ?1 ve ?2 değerleri Agilent E8364B PNA serisi vektör ağ analizatörü ve VNA Agilent 85070E Dielektrik kiti kullanılarak ölçülmüştür. Elde edilen sonuçlar, Mikrodalga yönteminin ve sonuçların analiz edilmesinin başarısını ortaya koymaktadır.

4-) Elif TOY, “Bazı Sıvı Kimyasallarda Durulma Süreleri ve Makine Öğrenmesi Modelleri ile Tahmin Çalışmaları”, Marmara Üniversitesi, Fen FAKÜLTESİ, (Başlangıç:  Şubat 2024 -Bitiş: Haziran 2024.)

Özet:
Sıvı kimyasalların kullanılmasıyla elde edilen güvenli ve güvenli olmayan sıvılar ya da yasadışı sıvı malzemeler günümüzün en önemli problemlerinden birisidir. Duyusal karakteristikler ile ayırt edilemeyen ürünün içeriğini basit, hızlı ve yüksek verimli bir şekilde analiz edebildiği için sıvı analizlerinde zaman boyutlu Nükleer Manyetik Rezonans (TD-NMR) tekniği kullanılmaya başlanmıştır. Bu çalışmada; lokal marketten alınan yemeklik Komili Riviera Zeytinyağı, Di-Su, Sigma-Aldrich firmasından elde edilen (%99) saflıktaki Aseton, Etanol, Metanol, İsopropanol sıvılarının spin-spin (T2) durulma süreleri ölçülmüştür. Ayrıca, T2- spektralarından elde edilen veriler kullanılarak makine öğrenmesi modellerinden K-Nearest Neighbor (KNN), Random Forest Classifier (RFC) ve Logistic Regresyon (LR) alınan tahmin sonuçlarıyla sınıflandırma çalışmaları yapılmıştır. Farklı kategoride bulunan aseton ve yemeklik Komili Riviera Zeytinyağı için makine öğrenme modellerinde (RFC,  KNN ve LR) %100 ‘lük doğruluk oranına sahip olduğu görülmüştür. T2 değerleri birbirine yakın olan Di-Su ve metanol sıvıları için ise RFC, KNN ve LR modellerinde sırasıyla %99, %78 ve %86‘lik doğruluk oranı elde edilmiştir. 5’li sıvı numuneleri (Aseton, Etanol, Metanol, İsopropanol, Di-Su ) içinde RFC, KNN ve LR modellerinde sırasıyla %93, %52 ve %36’lik doğruluk oranı elde edilmiştir. Elde edilen sonuçlar, TD- NMR yöntemi ve makine öğrenmesinin birlikte kullanılmasının başarısını ortaya koymaktadır.

5-) Beyza ÖRTEN, “Bazı Sıvı Kimyasalların Durulma Sürelerinin Zaman Boyutlu NMR Cihazları İle İncelenmesi”, Marmara Üniversitesi, Fen FAKÜLTESİ, (Başlangıç:  Şubat 2024 -Bitiş: Haziran 2024.)

Özet:
Zaman boyutlu nükleer manyetik rezonans (TD-NMR), spin örgü (T1) ve spin-spin (T2) durulma zamanları ölçümleri sayesinde çeşitli sıvı kimyasalların ve bunların karışımlarının moleküler dinamiği konusunda bilgiler vermesinden dolayı önemli bir tekniktir. Bu çalışmada bazı sıvı kimyasalların, durulma sürelerini ölçmek için iki farklı proton NMR cihazı kullanılmıştır: Bruker Minispec mq-20 zaman boyutlu NMR ve yüksek çözünürlüklü 42MHz’lik Magritek Spinsolve NMR. Her iki cihaz tarafından elde edilen spin örgü (T1) ve spin-spin (T2) değerlerinin birbiriyle aynı eğilimde olduğu açıkça görülmüştür. Yüksek çözünürlüklü Magritek Spinsolve NMR cihazının manyetik alan gradyanı (inhomogenite)  değerinin Bruker Minispec cihazından daha iyi olduğu ve bunun sonucu olarak da daha uzun T1 ve T2 durulma süresine sahip olduğu elde edilmiştir.

6-) Beyzanur EROl, “Bazı Sıvı Kimyasallarda ve Gıdalarda Durulma Sürelerinin Sıcaklığa Bağlılığı”, Marmara Üniversitesi, Fen FAKÜLTESİ, (Başlangıç:  Şubat 2024 -Bitiş: Haziran 2024.)

Özet: