La nariz electrónica de bolsillo que integra un chip de matriz de sensores ultracompacto y una red espacio-temporal...

Área de la Ciencia:

• Detección de sustancias químicas
• Inteligencia artificial
• Sistemas microelectro-mecánicos (MEMS)

Sus antecedentes:

• Distinguir gases con estructuras moleculares similares, como el óxido nítrico (NO) y el dióxido de nitrógeno (NO2), es difícil para los sensores tradicionales.
• Los sensores existentes a menudo carecen de selectividad, portabilidad y tienen altas demandas de energía.

Objetivo del estudio:

• Desarrollar una nariz electrónica portátil de baja potencia para la detección y cuantificación de trazas de NO y NO2.
• Mejorar la selectividad del gas y la precisión de la detección utilizando un nuevo modelo de aprendizaje profundo.

Principales métodos:

• Integración de una matriz MEMS nanocompuesta a base de carbono de nueve sensores con un modelo de aprendizaje profundo espacio-temporal (STNet).
• STNet combina el codificador del transformador y la red de convolución temporal para el análisis de intersensores y dependencias temporales.
• Análisis en el sitio controlado por teléfono inteligente con latencia de subsegundos.

Principales resultados:

• Se han alcanzado límites de detección inferiores a 0,5 ppm para el NO y el NO2 con un consumo de energía por sensor inferior a 2 mW.
• Reducción de las tasas de clasificación errónea hasta en un 50% y mejora de la predicción de la concentración en un 25% en comparación con los modelos de referencia.
• Se ha demostrado una alta selectividad y precisión en conjuntos de datos probados en laboratorio.

Conclusiones:

• La nariz electrónica desarrollada supera las limitaciones de selectividad, portabilidad y consumo de energía para la detección de gases.
• Esta plataforma ofrece una solución escalable para el monitoreo ambiental en tiempo real, el control industrial y el diagnóstico médico.
• La integración de la inferencia de IA a nivel de borde con el hardware de detección selectiva permite un análisis avanzado en el sitio.