机器学习驱动的石墨烯量子点光阵列用于快速检测和识别重金属离子
Xin Zhang1, WeiWei Zhu1, Shanting Zhang1
1Hefei University of Technology, Hefei, 230009, China.
Environmental research
|December 4, 2025
概括
这项研究介绍了一种新的光阵列,使用化石墨烯量子点 (GQD) 来快速检测重金属离子 (HMI). 这种具有成本效益的传感器在识别各种样本中的HMI时达到100%的准确性.
科学领域:
- 环境科学 环境科学
- 材料科学 材料科学 材料科学
- 分析化学 分析化学
背景情况:
- 重金属离子 (HMI) 对人类健康和生态系统构成重大风险.
- 有效的检测技术对于环境监测和污染控制至关重要.
研究的目的:
- 开发一种快速,具有成本效益的光阵列,用于检测和识别重金属离子 (HMI).
- 为了利用配合的石墨烯量子点 (GQDs) 作为探测器的新型传感平台.
主要方法:
- 制造一个光阵列,使用三个配合的石墨烯量子点 (GQD) 探针.
- 研究不同HMI对GQDs的显著光灭效应.
- 机器学习算法的应用用于基于光响应模式的HMI识别.
主要成果:
- 基于GQD的光阵列能够在3分钟内快速检测到HMI.
- 在五个不同的测试HMI中观察到明显的光响应模式.
- 机器学习算法在缓冲和真实水样中的HMI实现了100%的识别准确性.
结论:
- 使用GQDs建立了一个强大而简单的HMI指纹识别平台.
- 这项技术为环境监测应用提供了重大进步.
- 开发的传感器既有效又具有成本效益,用于HMI检测.


