一个基于MOF的新型电化学传感器,用于使用人工神经网络同时量化二元混合物中的酸:挑战和机遇

科学领域:

• 电化学 电化学 电化学
• 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:

• 2 - 尼托醇 (2 - NP) 和4 - 尼托醇 (4 - NP) 是危险的环境污染物.
• 它们相似的化学结构导致重叠的电压学反应,使同时检测变得复杂.
• 现有的电化学方法在环境样本中与信号重叠和矩阵效应作斗争.

研究的目的:

• 开发一个人工神经网络 (ANN) 辅助的电化学策略,同时量化2-NP和4-NP.
• 为了克服电化学检测中严重的峰值重叠和矩阵诱导的非线性所带来的挑战.
• 创建一个敏感和可靠的分析工具,用于监测环境矩阵中的酸.

主要方法:

• 用一个Ni-MOF-74/Fe3O4/SiO2/NH2/β-CD纳米复合材料修改一个玻璃碳电极 (GCE).
• 使用中央复合设计 (CCD) 优化电催化参数,以考虑度依赖性.
• 应用ANN建模来解决复杂的电化学数据和预测分析剂度.

主要成果:

• 修改后的电极表现出增强的稳定性和电子转移,用于酸氧化.
• 通过ANN建模,成功地解决了重叠的信号,实现了高校准精度 (2-NP的R2 = 0.9302,4-NP的R2 = 0.9604).
• 该方法表现出良好的可重现性,广泛的动态范围和足够的环境监测灵敏度 (高达20 ppm).

结论:

• 将ANN与基于MOF的电化学传感器集成,为分析复杂混合物提供了一种新且强大的方法.
• 这一策略有效地克服了电化学系统中的信号重叠和非线性行为.
• 拟议的方法是一个有前途的分析工具,可用于对尼托醇的可靠环境监测.