剑桥《AFM》：喷墨打印高稳定和灵敏度的气体传感器

特定分析物的选择性和高温操作是化学电阻型气体传感器面临的主要挑战。互补的混合材料（例如用金属氧化物装饰的还原氧化石墨烯（rGO））可以实现具有灵敏度增强的室温传感器。然而，识别目标气体和从气体混合物中准确测量浓度的传感器培训仍然非常具有挑战性。

论 链接：

https://doi.org/10.1002/adfm.202113348

图2. rGO/CuCoOx传感器的气体传感特性。所有测量均在室温下进行。a) rGO/CuCoOx气体传感器对不同 NO2浓度（50 ppb 至 1 ppm）的动态气体响应。b) NO 2的气体响应总结图。c) 基于rGO/CuCoOx的传感器的十亿分之一级 (50 ppb) NO2传感性能。d) rGO/CuCoOx传感器在注入 250 ppb NH3时的气体响应：绿色，250 ppb ；NO 2与 250 ppb NH 3的混合物：天蓝色；NO 2（250 ppb）在潮湿空气（10% 和20% 相对湿度）下：紫蓝色；潮湿空气（10、20 和 30% 相对湿度）：珊瑚色。

图3. a) 主成分分析 (PCA) 的辅助分类的数据准备示意图。b) 从所有气体响应测量中提取的十个参数的平行坐标图：NO 2相关组（海军蓝：NO 2；天蓝色：潮湿空气下的 NO 2 ；青色：NO 2和 NH 3的混合物），潮湿空气（珊瑚色) 和 NH 3 (绿色)。c) 十个提取参数的主成分加载分数。d)五种不同类型的目标气体（NO 2、潮湿空气、NH 3、潮湿空气下的NO 2以及NO 2和NH 3的混合物）的PCA散点图。

图4. 用于分类和回归的 PCA 辅助机器学习 (ML) 结果。a) 5 个不同组（NO2、潮湿空气、NH 3、潮湿空气下的NO 2以及NO 2和NH 3的混合物）的决策图，通过应用k最近邻（kNN）模型进行分类折叠验证（k= 5）。b) 来自 kNN 分类结果的五种不同目标气体的混淆矩阵。c) NO 2和 d) 相对湿度 (RH)的预测气体浓度与实际气体浓度的关系。e) NO 2在 PC 空间中预测浓度的回归面。