異丙醇（IPA）分子作為抗病毒診斷的生物標志物，在與環境安全和醫療保健相關的揮發性有機化合物（VOC）領域發揮著重要作用。然而，傳統的氣體分子檢測存在諸多明顯缺陷，例如離子淌度方法的工作條件苛刻，中紅外光譜的光物質相互作用微弱，從而導致目標分子的響應受限。為了實現對異丙醇的高選擇性、快速響應、高靈敏度檢測，研究人員提出了一種基于離子淌度質譜（IMMS）的人工智能（AI）增強化學檢測方法，并借助多開關摩擦電納米發電機來實現。

據麥姆斯咨詢報道，近日，東南大學與新加坡國立大學（National University of Singapore）的聯合科研團隊在Nature Communications期刊發表了以“Triboelectric-induced ion mobility for artificial intelligence-enhanced mid-infrared gas spectroscopy”為主題的論文。該論文第一作者為東南大學機械工程學院朱建雄副教授，通訊作者為朱建雄副教授、東南大學儀器科學與工程學院宋愛國教授和新加坡國立大學Chengkuo Lee教授。

這項研究提出了一種AI增強離子淌度與中紅外光譜的協同方法，利用來自不同維度傳感信號的互補特征，實現異丙醇識別的高精度。利用摩擦發電機產生的“冷”等離子體放電，增強了異丙醇的中紅外光譜響應，并獲得良好的回歸預測。此外，即使在不同碳基氣體的干擾下，該協同方法也能實現準確率99.08%的氣體濃度預測。AI增強系統的協同方法為醫療保健應用中的混合物和回歸預測提供了準確的氣體傳感機制。

基于IMMS的AI增強化學傳感檢測

準確檢測異丙醇的種類對于提供安全環境至關重要。準確檢測異丙醇最常用的方法是基于離子淌度或中紅外光譜。然而，這些檢測方法受限于特定條件（低氣壓和高溫）。為了解決這個問題，研究人員提出了利用自供電的摩擦發電機作為額外的高壓源，在環境氣壓下產生冷離子等離子體。基于機械振動的摩擦電納米發電機所產生的高壓顯著增強了離子淌度在低氣壓和環境氣壓下對異丙醇的精確檢測。同時，中紅外光譜降低了異丙醇分子隨吸收和反射的響應，從而精確地獲得波長和響應。IMMS化學傳感的協同方法成為利用摩擦電納米發電機來快速準確檢測低濃度氣體混合物的解決方案。

因此，離子淌度傳感與增強中紅外反射的協同機制使化學傳感能夠實現快速響應時間和準確檢測。此外，采用AI增強方法的數據處理將充分發揮離子淌度傳感和增強中紅外響應的優勢，從而實現超高精度和大范圍的檢測（如圖1）。

圖1 基于IMMS協同方法論的AI增強化學傳感示意圖

用于氣體檢測的離子淌度質譜儀

離子淌度系統由針狀板電極結構、高電壓元件（摩擦電納米發電機）和集電器構成，如圖2a所示。圖2b展示了AI增強離子淌度方法的示意圖。通過使用深度學習方法，可以準確地估計異丙醇濃度。

圖2 利用離子淌度質譜儀檢測異丙醇

AI增強中紅外檢測

圖3a展示了異丙醇分子在中紅外光譜區域的等離子體增強振動光譜，顯著提高了其檢測靈敏度。圖3c介紹了中紅外光譜的AI增強方法，說明了異丙醇數據處理過程。數據處理包括：標準校準、合成少數級別的過采樣技術（SMOTE）增強方法和t分布-隨機鄰近嵌入（t-SNE）分類。圖3d為異丙醇濃度與中紅外響應間的關系曲線。

圖3 中紅外增強等離子體放電對不同濃度異丙醇的影響

在進行實際光學測量前，對傅里葉變換紅外（FTIR）光譜儀的背景標定至關重要。為了避免這種耗費人力的過程，研究人員采用AI方法來提供準確的濃度測量。圖4a展示了未經數據預處理的原始數據。數據預處理可通過標準校準、SMOTE和環境光傳感器（ALS）校準來實現；接著，使用t-SNE進行特征提取；最后利用線性判別分析（LDA）和深度神經網絡（DNN）進行氣體分類和預測。

圖4 無需任何初始背景標定的AI增強方法

利用協同方法在混合氣體中識別異丙醇

圖5闡釋了IMMS與紅外光譜的協同方法。如圖5a所示，兩者的信號被送至機器學習工具進行計算。IMMS方法中的異丙醇分子受到超高壓的劇烈震動。在濃度估計方面，將兩種方法測量相同濃度的數據相連接，然后使用t-SNE進行特征提取，再使用DNN進行濃度估計。氣體數據采用并行連接和尋址方式，利用LDA對氣體特征進行分類，以識別不同異丙醇濃度或不同種類的氣體。最后，采用AI增強的傳感器融合機制對異丙醇濃度進行檢測。

圖5 基于IMMS協同作用的混合氣體檢測

綜上所述，這項研究提出了一種用于AI增強的化學傳感的協同IMMS機制，以實現對氣體混合物的快速響應和準確檢測。研究人員利用摩擦電納米發電機產生高壓等離子體，解決了環境壓力對離子淌度的限制以及氣體分子的中紅外光譜響應和反射探測微弱的問題。該研究結果顯示，通過AI增強自動提取特定特征，自供電離子淌度的精度比傳統方法提高了近兩倍。該研究還表明，摩擦電發電機產生的冷等離子體也增強了異丙醇傳感的中紅外光譜響應，并通過深度學習得到了良好的線性預測。

此外，數據處理可能會消除基于觀測的背景標定，從而節省人力成本。針對異丙醇檢測中存在的問題，該研究以99.08%的準確率利用AI增強技術從IMMS數據成功提取異丙醇特征。該研究提出的方法可以對采集到的數據進行多模態數據處理，并可與現有方法結合，實現協同機制。

審核編輯：劉清