表面增强的拉曼光谱和人工神经网络用于检测MXene片的表面终端
Andrii Trelin1, Anastasiia Skvortsova1, Anastasia Olshtrem1
1Department of Solid State Engineering, University of Chemistry and Technology, Prague 16628, Czech Republic.
概括
这项研究引入了一种结合表面增强拉曼光谱 (SERS) 和人工神经网络 (ANN) 的新方法,以准确确定MXene (Ti3C2Tx) 表面化学. 这种SERS-ANN方法为分析这些2D材料提供了一个比传统XPS更快,更简单的替代方案.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术纳米技术
- 表面化学 表面化学
背景情况:
- MXene片状特性是由表面终端组 (例如, =O, -OH, -F) 所决定的.
- 这些结尾的比率会影响薄片稳定性和催化活性.
- 传统的表面化学确定依赖于X射线光电谱学 (XPS).
研究的目的:
- 开发一种精确可靠的替代方法来确定MXene (Ti3C2Tx) 表面化学.
- 为此目的,将表面增强拉曼光谱 (SERS) 与人工神经网络 (ANN) 结合起来.
- 创建一种独立于片制备和测量变化的通用技术.
主要方法:
- 使用了表面增强的拉曼光谱法 (SERS) 与共振激发波长.
- 应用人工神经网络 (ANN) 用于光谱分析.
- 通过使用不同拉曼光谱仪的三组独立制备的Ti3C2Tx片.
主要成果:
- 手动SERS光谱分析未能准确确定表面终点.
- 综合的SERS-ANN方法在确定表面终端方面实现了高精度.
- 使用独立准备的样本证实了方法可靠性.
结论:
- 通过SERS-ANN方法,可以准确地确定MXene表面的化学成分.
- 这种技术比XPS更快,更简单.
- 开发的通用方法独立于薄片稳定性和制备/测量条件.
