特定分析物的選擇性和高溫操作是化學(xué)電阻型氣體傳感器面臨的主要挑戰(zhàn)?；パa(bǔ)的混合材料（例如用金屬氧化物裝飾的還原氧化石墨烯（rGO））可以實現(xiàn)具有靈敏度增強(qiáng)的室溫傳感器。然而，識別目標(biāo)氣體和從氣體混合物中準(zhǔn)確測量濃度的傳感器培訓(xùn)仍然非常具有挑戰(zhàn)性。

來自劍橋大學(xué)的學(xué)者提出了rGO與CuCoOx二元金屬氧化物作為傳感材料的雜化。使用噴墨打印演示了具有*0 ppb檢測范圍的高度穩(wěn)定的室溫NO2傳感器。然后開發(fā)一個框架，用于具有良好可見性的機(jī)器智能識別，以識別特定氣體并從單個傳感器預(yù)測干擾氣氛下的濃度。本文使用從傳感器響應(yīng)中提取的十個唯一參數(shù)，然后利用基于機(jī)器學(xué)習(xí)的分類器提供了一個準(zhǔn)確率為*8.1%的決策邊界，最終能夠正確預(yù)測干擾環(huán)境中以前看不見的NO2濃度。這種方法可以在混合環(huán)境中實現(xiàn)可打印的室溫氣體傳感器的智能平臺，并且可以不管環(huán)境濕度。相關(guān)文章以“Inkjet-Printed rGO/binary Metal Oxide Sensor for Predictive Gas Sensing in a Mixed Environment”標(biāo)題發(fā)表在Advanced Functional Materials。

論文鏈接：

圖1. a) 本文配制的rGO/CuCoOx墨水的圖像。b) 具有印刷的rGO/CuCoOx傳感層和 Ag 叉指電極 (IDE) 的氣體傳感器裝置的圖像。c,d) rGO/CuCoOx雜化材料的 FE-SEM 圖像 e) rGO/CuCoOx的 HR-TEM 圖像和 f,g) 放大圖像。h) rGO/CuCoOx復(fù)合材料的 STEM 圖像。rGO/CuCoOx的 i) C、j) O、k) Co 和 l) Cu 的 EDS 元素圖。

圖2. rGO/CuCoOx傳感器的氣體傳感特性。所有測量均在室溫下進(jìn)行。a) rGO/CuCoOx氣體傳感器對不同 NO2濃度（*0 ppb 至 1 ppm）的動態(tài)氣體響應(yīng)。b) NO 2的氣體響應(yīng)總結(jié)圖。c) 基于rGO/CuCoOx的傳感器的十億分之一級 (*0 ppb) NO2傳感性能。d) rGO/CuCoOx傳感器在注入 2*0 ppb NH*時的氣體響應(yīng)：綠色，2*0 ppb ；NO 2與 2*0 ppb NH *的混合物：天藍(lán)色；NO 2（2*0 ppb）在潮濕空氣（10% 和20% 相對濕度）下：紫藍(lán)色；潮濕空氣（10、20 和 *0% 相對濕度）：珊瑚色。

圖*. a) 主成分分析 (PCA) 的輔助分類的數(shù)據(jù)準(zhǔn)備示意圖。b) 從所有氣體響應(yīng)測量中提取的十個參數(shù)的平行坐標(biāo)圖：NO 2相關(guān)組（海軍藍(lán)：NO 2；天藍(lán)色：潮濕空氣下的 NO 2 ；青色：NO 2和 NH *的混合物），潮濕空氣（珊瑚色) 和 NH * (綠色)。c) 十個提取參數(shù)的主成分加載分?jǐn)?shù)。d)五種不同類型的目標(biāo)氣體（NO 2、潮濕空氣、NH *、潮濕空氣下的NO 2以及NO 2和NH *的混合物）的PCA散點圖。

圖4. 用于分類和回歸的 PCA 輔助機(jī)器學(xué)習(xí) (ML) 結(jié)果。a) * 個不同組（NO2、潮濕空氣、NH *、潮濕空氣下的NO 2以及NO 2和NH *的混合物）的決策圖，通過應(yīng)用k最近鄰（kNN）模型進(jìn)行分類折疊驗證（k= *）。b) 來自 kNN 分類結(jié)果的五種不同目標(biāo)氣體的混淆矩陣。c) NO 2和 d) 相對濕度 (RH)的預(yù)測氣體濃度與實際氣體濃度的關(guān)系。e) NO 2在 PC 空間中預(yù)測濃度的回歸面。

本文提出了一種完全噴墨打印的石墨烯-BMO復(fù)合室溫氣體傳感器的新策略，用于混合環(huán)境下的預(yù)測傳感。本文系統(tǒng)地優(yōu)化和表征了合成的rGO/CuCoOx材料，結(jié)果顯示：Cu2O和Co2O*在rGO上均勻分布的緊密堆積簇。使用這種材料的二元溶劑型油墨進(jìn)行均勻印刷，本文展示了具有*0 ppb檢測限的高穩(wěn)定和靈敏的室溫NO2傳感器。此外，本文還使用單個基于rGO / CuCoOx的傳感器開發(fā)了一個機(jī)器智能識別框架，在識別特定氣體和預(yù)測其在干擾氣氛下的濃度方面表現(xiàn)出很高的準(zhǔn)確性。此外，本文提出的回歸模型能夠正確預(yù)測未經(jīng)訓(xùn)練的NO2和濕度濃度。本文的研究結(jié)果為混合環(huán)境中的室溫氣體檢測提供了一種強(qiáng)大的解決方案，無論環(huán)境濕度如何，都可只使用一個傳感器解決。（文：SSC）

本文來自微信公眾號“材料科學(xué)與工程”。歡迎轉(zhuǎn)載請聯(lián)系，未經(jīng)許可謝絕轉(zhuǎn)載至其他網(wǎng)站。