使用微流体SERS人工智能芯片对挥发性有机化合物的超敏感区分
Haiting Cao1, Huayi Shi1, Jie Tang1
1Suzhou Key Laboratory of Nanotechnology and Biomedicine, Institute of Functional Nano & Soft Materials (FUNSOM), Soochow University, Suzhou, Jiangsu 215123, China.
iScience
|September 21, 2023
概括
这项研究引入了一个新的平台,用于在每万亿分之几的水平上检测微量化物. 该系统使用快速预度和表面增强拉曼散射 (SERS) 进行易挥发性有机化合物的敏感和准确的识别.
科学领域:
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
- 传感器技术 传感器技术
背景情况:
- 现有的气体传感器很难在微量水平 (每万亿分,ppt) 上检测挥发性有机化合物 (VOC).
- 在环境监测和安全方面,在ppt水平上准确地区分和识别特定的化物仍然是一个重大挑战.
研究的目的:
- 开发一个集成的平台,用于同时快速预缩,表面增强的拉曼散射 (SERS) 检测和微量化物的自动识别.
- 为了在ppt级别上实现气态化物的敏感检测和分类.
主要方法:
- 使用类似喷嘴的微流体缩器快速预缩气态分析物 (在0.01毫秒内缩五倍).
- 采用集成的基于的SERS芯片,采用性伊米达酸框架-8涂层银纳米粒子进行检测.
- 开发了一个完全连接的深度神经网络,用于光谱数据分析和挥发性有机化合物的分类.
主要成果:
- 证明了气态分析物的快速预度,在毫秒内缩因子为五倍.
- 使用SERS芯片成功检测出六种气态化物在100ppt的水平.
- 获得了大约80.9%的识别准确度来分类这些化物化合物.
结论:
- 集成的平台使得高灵敏度的检测和ppt水平的微量化物准确的识别.
- 微流体预度,SERS检测和深度神经网络分析的结合为挥发性有机化合物的实时监测提供了一个有希望的解决方案.
