近日，我院李晓干教授团队在美国化学会分析化学领域顶级期刊《Analytical Chemistry》（IF=6.7，中科院一区TOP期刊，自然指数期刊）在线发表题为“Integrated WTe2@SnO2 Heterojunction Sensors and Deep Learning Architecture for Intelligent Multi-Gas Detection under Environmental Variations”的研究成果。大连理工大学为论文第一单位和通讯单位，集成电路学院2021级电子科学与技术专业博士生李新雷为论文第一作者，李晓干教授为论文通讯作者。
传统气体传感器在多组分气体共存及湿度波动条件下往往存在选择性不足、响应特征重叠以及抗干扰能力有限等问题，严重制约了其在实际应用场景中的可靠性与实用性。近年来，尽管通过构建异质结构能够在一定程度上改善气敏性能，但单一传感材料或简单阵列仍难以满足复杂气体体系中高精度识别的需求。因此，将高性能敏感材料设计与智能算法深度融合，成为提升多气体识别能力的重要发展方向。
本研究中，构建了一种基于WTe2@SnO2异质结构与深度学习算法协同优化的多气体检测平台。通过液相剥离法制备的异质结传感材料，利用其高比表面积及界面电荷转移效应，实现了对NO2等气体的高灵敏响应，并形成具有差异化特征的电学信号输出。该传感器在8 ppm NO2下表现出37.3的响应值、34 s的快速恢复时间以及低于100 ppb的检测限，显著提升了室温气敏性能。在此基础上，引入VAE-BiLSTM-SA深度学习模型，对传感响应中的时间动态特征与幅值特征进行联合提取与建模，实现对NO2、NH3及其混合气体在不同湿度条件下的高精度识别，分类准确率达到99.7%。该研究不仅验证了异质结构设计与深度学习融合在复杂气体识别中的显著优势，也为构建高可靠性、强环境适应性的智能气体传感系统提供了新的研究思路，对推动气体传感技术向实际应用迈进具有重要意义。
我院李晓干教授团队长期致力于低功耗、高性能的新型半导体气体传感器的研发。该研究工作获得国家重点研发计划、国家自然科学基金等资助支持。
论文链接：https://doi.org/10.1021/acs.analchem.5c05925
您当前的位置：
