深度学习辅助的维生素B₁₂和维生素B₉的区分检测通过光MoSe₂量子点

科学领域:

• 材料科学 材料科学 材料科学
• 纳米技术纳米技术
• 分析化学 分析化学

背景情况:

• 二化 (MoSe2) 量子点 (QD) 具有独特的光学特性.
• 对MoSe2 QDs的高效合成对于它们的应用至关重要.
• 开发对必需维生素的敏感和选择性传感器具有重大意义.

研究的目的:

• 开发一种简单且环保的方法来合成MoSe2 QDs.
• 制造一种用于检测维生素B12 (VB12) 和维生素B9 (VB9) 的双模传感器.
• 应用深度学习来准确分析传感数据.

主要方法:

• 使用KOH作为间隔剂的MoSe2 QDs的水热合成.
• 基于光火的双模传感器的制造.
• 使用Förster的共振能量传输和内部波器效应机制来检测分析物.
• 应用卷积神经网络 (CNN) 进行数据分析和模式识别.

主要成果:

• 成功合成了MoSe2 QDs,提高了脱皮效率和缩短了时间.
• MoSe2 QD显示出适用于传感应用的蓝色辐射.
• 双模传感器在检测VB12和VB9.9方面取得了很高的准确性.
• 深度学习 (CNN) 在确定VB12和VB9.9的贡献方面表现出93%的准确性.

结论:

• 开发的热方法为MoSe2 QDs提供了一条有效的途径.
• MoSe2 QDs是用于双维生素检测的有希望的光材料.
• 深度学习显著提高了基于阵列的传感系统的准确性和潜力.