文章导读
你是否想过，机器也能像人一样“闻”出空气中的有害气体？华中科技大学刘欢教授团队最新成果揭开“电子鼻”的智慧之眼——他们提出“材料-算法协同优化”（MACO）新策略，通过调控半导体材料表面活性与电子结构，结合动力学特征编码和线性判别分析算法，成功实现对甲醛的高选择性识别与精准定量检测。更突破性的是，该模型不仅可解释性强，还能依据场景持续优化，揭示气味编码竟遵循质量作用定律，并验证了混合气体分析的可行性。这项融合材料科学与人工智能的前沿突破，或将重塑智能气体传感的未来。
— 内容由好学术AI分析文章内容生成，仅供参考。
7月15日，集成电路学院刘欢教授牵头的“量子人工嗅觉”学术前沿青年团队在Interdisciplinary Materials发表题为“Materials‐Algorithm Co‐Optimization for Specific and Quantitative Gas Detection”（用于特异性气体识别与定量检测的材料-算法协同优化）研究论文，李龙博士后和郭兰鹏博士生等人为论文共同第一作者，刘欢教授为论文通讯作者。
利用气体传感器实现灵敏、可靠、定量的快速气体检测和原位实时监测是智能传感器领域的研究前沿。甲醛检测技术在流程工业、环境保护和智能家居领域应用需求广泛。集成电路学院刘欢教授提出基于传感器动力学特征工程的“材料-算法协同优化”（Materials-Algorithm Co-Optimization, MACO）策略，设计制备出对甲醛具有选择性识别和定量检测能力的电子鼻机器嗅觉系统。
该策略基于半导体气敏材料和机器学习算法的协同设计，通过对氧化物半导体表面活性和电子结构的调控，结合传感器阵列化进行动力学特征组合编码，采用线性判别分析（Linear discriminant analysis, LDA）算法进行解码，提高了甲醛检测的选择性。以此为基础进行降维拟合，建立起定量检测的数学模型并揭示出气味编码机制遵循质量作用定律，同时验证了二元混合物分析的适应性。基于MACO的机器嗅觉感知模型可解释性强，可根据实际应用场景的特点进行迭代设计和性能优化，提高电子鼻机器嗅觉系统的环境适应性。
该研究工作得到国家自然科学基金、国家重点研发计划、湖北省自然科学基金创新群体以及华中科技大学学术前沿青年团队等项目的支持。
图1 MACO驱动的电子鼻机器嗅觉原理与应用示意图
图2 电子鼻机器嗅觉动力学特征工程和气体检测性能
论文链接：https://doi.org/10.1002/idm2.70001
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
暂无评论...