基于金属有机框架的低温NO2气体感应系统-在结构和先进的机器学习技术中衍生出来的O3结构和先进的机器学习技术
Jesse Nii Okai Amu-Darko1,2, Shahid Hussain1,3, Enock Adjei Agyekum4,5
1School of Materials Science and Engineering, Jiangsu University, Zhenjiang 212013, China.
Inorganic chemistry
|August 22, 2024
概括
研究人员开发了用于检测二氧化 (NO2) 污染的氧化 (In2O3) 材料. 合成的IO-2材料显示出高灵敏度和NO2检测的可靠性,即使在室温下.
科学领域:
- 材料科学 材料科学 材料科学
- 环境科学 环境科学
- 化学工程是化学工程的重要组成部分.
背景情况:
- 对城市空气污染日益关注,需要先进的监测解决方案.
- 开发灵敏可靠的气体传感器对于环境保护至关重要.
研究的目的:
- 合成氧化物材料,以有效检测二氧化 (NO2).
- 为了评估合成材料的气体传感性能.
- 探索机器学习在预测传感器行为的应用.
主要方法:
- 印度氧化物材料的溶热合成.
- 在各种温度和度下评估气体传感性能.
- 对材料反应,线性和可重复性的分析.
- 机器学习模型应用程序用于预测分析.
主要成果:
- 氧化物 (In2O3) 材料,特别是IO-2,对NO2.2表现出异常敏感.
- 在150°C时观察到最佳的检测性能,在室温下也有显著的响应.
- 即使在100ppb的NO2中,也注意到高灵敏度,响应值为12.69.
- 证实了强大的线性关系 (R2 = 0.89454) 和良好的可复制性.
- 机器学习有效地预测了不同条件下的传感器响应.
结论:
- 合成的IO-2是开发灵敏和稳定的NO2气体传感器的一个有希望的材料.
- 这些发现支持创建高效,便携式和环保的空气质量监测设备.
- 机器学习集成可以优化气体传感器设计,以提高性能和可靠性.
