使用基于机器学习的金属有机框架UiO-66-NH2/Ppix的比度光探针对硫化物进行智能定量识别
Degui Wang1, Long Yu2, Xin Li2
1School of Environment and Energy, South China University of Technology, Guangzhou 510006, People's Republic of China; School of Environmental Science and Engineering, Guangdong University of Petrochemical Technology, Maoming 525000, People's Republic of China.
Journal of hazardous materials
|November 12, 2023
概括
使用UiO-66-NH2和protoporphyrin IX (Ppix) 的新型机器学习比度光传感器可以精确地确定硫化物. 这种先进的传感器为环境监测提供快速,选择性和智能定量分析.
科学领域:
- 分析化学 分析化学
- 材料科学 材料科学 材料科学
- 环境科学 环境科学
背景情况:
- 由于硫化物的毒性和生理作用,硫化物的确定是至关重要的.
- 现有的硫化物检测方法往往缺乏灵敏度,选择性或速度.
- 纳米材料为开发先进的化学传感器提供了独特的特性.
研究的目的:
- 设计一台机器学习增强型比度光传感器,用于敏感和选择性硫化物测定.
- 用一个纳米金属有机框架 (UiO-66-NH2) 和protoporphyrin IX (Ppix) 进行双信号光传感.
- 开发一个智能数据分析模型,以提高硫化物量化的准确性.
主要方法:
- 制造了一种结合UiO-66-NH2和Ppix的比度光传感器.
- 使用UiO-66-NH2的蓝色光作为内部参考和Ppix的红色光作为分析信号.
- 应用机器学习算法,特别是线性差异分析 (LDA),以将RGB光特征与硫化物度相关联.
主要成果:
- 传感器对硫化物表现出比度光反应,颜色从蓝色变为红色.
- 在红色光强度和硫化物度之间观察到显著的正相关性.
- 基于光图像指纹提取的机器学习模型在硫化物测定中显示出更高的精度和准确性.
结论:
- 开发的UiO-66-NH2/Ppix探针与机器学习分析提供了一个智能和高效的方法,用于定量硫化物确定.
- 这种方法具有实时环境监测和污染检测的巨大潜力.
- 相对度光传感与机器学习相结合,为先进的化学分析提供了强大的策略.
