基于超疏水PVDF/SiO2湿度传感器的智能电动送风呼吸器协同增强机理与热湿管理研究

《ENERGY & ENVIRONMENTAL MATERIALS》：Synergistic Enhancement of Modified-PVDF Humidity Sensitivity via Chemical Adsorption-Ionic Conductivity and its Application in Intelligent Powered Air-Purifying Respirator

本文报道了一种创新型智能电动送风呼吸器（IPAPR），其核心是采用接触角高达151°的超疏水聚偏氟乙烯/二氧化硅（PVDF/SiO2）湿度传感器。该传感器在75%至95%相对湿度（RH）区间内电阻变化达30%，其灵敏度提升源于水分子在极性基团（F, H, O）上的化学吸附与毛细管冷凝物理吸附的协同效应。第一性原理计算表明，随湿度增加，能隙从0.2782 eV降至0.1616 eV，电导率增强。系统通过门控循环单元（GRU）神经网络预测呼吸节律，动态调节风机转速（5000–35000 rpm），实现高效气体交换。相较于自吸过滤式呼吸器（SFDR），该设计有效降低面罩内部温度、使湿度降至环境水平（50%–60% RH），并维持内部正压，显著减少呼吸阻力。计算流体动力学（CFD）模拟验证了内部气流动态平衡，保障高通风效率。该研究为改善自吸过滤式呼吸器的热湿积聚与高呼吸阻力问题提供了先进解决方案。

　　

引言

在采矿、石化和建筑等工业领域，工人常暴露于职业性粉尘环境，其中可吸入粉尘（直径小于5 μm）可深入肺泡并引发慢性炎症反应。长期接触硅尘显著增加尘肺病发病率，该病以不可逆肺纤维化为特征，最终导致呼吸衰竭，已成为全球职业病的首要死因。现行职业健康安全法规要求在高粉尘环境中使用防护口罩。然而，传统自吸过滤式防尘呼吸器（SFDR）存在明显缺陷：呼出气体在面罩内冷凝，形成相对湿度超过95% RH的高湿微环境，易刺激黏膜并促进细菌滋生；呼吸产生的热量和湿气无法有效排出，导致皮肤温度升高，舒适性大幅降低；SFDR通常使用过滤棉进行粉尘过滤，导致呼吸阻力较高，产生窒息感。这些缺点不仅降低工作效率，还可能因不适感导致口罩佩戴不规范甚至回避使用，从而削弱防尘保护效果，加剧职业健康风险。

为应对这些挑战，研究者已提出多种解决方案。例如，在口罩中加入相变材料（PCMs）以在高温条件下吸收热量、降低内部温度；采用高效过滤材料替代传统过滤棉以降低呼吸阻力；并开发了电动送风呼吸器（PAPRs）来调节面罩内部环境。然而，大多数关于PAPR的研究集中于医疗领域，且多依赖手动控制风机速度，缺乏对使用者呼吸节律的实时适应能力。尽管已出现一些呼吸跟随式PAPR，但它们通常依赖于压力传感器，对内部湿度和温度变化的关注有限。传感技术已在气体检测、物理参数测量和人体生命体征监测等多个领域取得显著进展。湿度传感器作为传感技术的重要分支，因其在环境监测、医疗诊断和智能可穿戴设备中的广泛应用而受到相当多的关注并取得长足发展。

鉴于此，本研究提出一种创新方法：通过湿度传感器监测呼吸，并利用机器学习算法预测呼吸信号变化，进而主动控制风机通风。目前已有大量关于使用湿度传感器监测呼吸的研究。聚偏氟乙烯（PVDF）作为一种压电和热电材料，以其耐久性、化学稳定性、机械强度、电化学活性和热稳定性而闻名，是制备湿度传感器的常用材料。本研究开发了一种基于超疏水PVDF/SiO₂湿度传感器的智能电动送风呼吸器（IPAPR）。

结果与讨论

超疏水PVDF/SiO₂湿度传感器的制备与表征

PVDF作为压电和热电材料，因其独特的耐久性、化学稳定性和机械性能，在湿度传感器领域展现出巨大潜力。然而，传统PVDF湿度传感器易受温度和外部应力干扰，影响其湿敏性能。为克服此局限，本研究引入疏水SiO₂纳米颗粒，制备了受温度和应力干扰较小的超疏水PVDF/SiO₂湿度传感器。

首先对合成材料进行了理论分析。利用密度泛函理论计算了PVDF、TPU、PDMS和炭黑的分子静电势。计算结果表明，PVDF分子中F基团周围的电子云密度较高，吸引正电荷，而H基团周围的电子云密度较低，排斥正电荷。基于分子静电势，构建了计算模型用于进一步计算。材料间的吸附能均为负值，表明所得PVDF/SiO₂传感器具有良好的稳定性，理论上可形成化学键合结构而非物理结构。

为分析合成材料是否具有湿敏特性，计算了每种材料以及PVDF/SiO₂传感器结合不同数量水分子时的最高占据分子轨道（HOMO）和最低未占分子轨道（LUMO）。HOMO-LUMO能隙代表了分子HOMO和LUMO之间的能量差。能隙越小，电导率越高，因为电子更容易从HOMO跃迁到LUMO，从而增强材料的导电性。结果表明，添加炭黑后，PVDF/SiO₂传感器的能隙从-2.2803 eV降至-0.2782 eV，表明炭黑的添加增强了材料的导电性。随着吸附水分子数量的增加，能隙逐渐减小，从无水分子时的-0.2782 eV降至吸附四个水分子时的-0.1616 eV。这证明随着湿度增加，能隙变小，导电性增强，从理论上表明了其具有优异湿敏材料性能的潜力。

通过X射线衍射（XRD）和扫描电子显微镜（SEM）对材料的晶体结构和微观形貌特征进行了系统表征。XRD结果显示，纯PVDF膜在20.4°处显示出显著的特征衍射峰，归属于β相110和220晶面的布拉格衍射，表明极性β相在PVDF主链中占主导。18.9°处的峰相对较弱，对应于α相的100晶面，表明PVDF薄膜中α和β相共存，且β相为主。研究表明，PVDF的压电性能主要源于其四种晶相：α、β、γ和δ。其中，β相因其强极化和优异的压电/铁电性能，是构建湿度传感器的理想晶型。纯TPU在20.8°处显示出一个宽衍射峰，对应于有序硬相结构和无序无定形相的混合物。相关研究表明，在PVDF/TPU共混体系中，PVDF分子的–CF₂基团与TPU分子的–NH₂基团之间存在化学相互作用，这种相互作用促进了PVDF中β相的形成。纯PDMS在12.1°处出现一个宽峰，归因于其部分结晶特性，而在22.2°处的宽峰则表明其无定形特性。炭黑和疏水SiO₂纳米颗粒由于其无定形性质，未显示出尖锐的衍射峰，而是表现出典型的弥散峰。PVDF/SiO₂薄膜显示出PVDF的特征β相衍射峰，而TPU和PDMS的衍射峰保持不变，表明在制备过程中各组分之间未发生显著的化学反应。这些结果证实通过物理共混成功构建了多相复合体系。理论计算显示组分间吸附能为负值，表明界面相容性良好，有助于复合材料优异的结构稳定性。

SEM分析进一步揭示了复合膜的形态演变。随着SiO₂含量的逐渐增加，膜表面变得更为粗糙，膜的比表面积增加。通过Brunauer-Emmett-Teller（BET）法测量比表面积，从PVDF/TPU/C的0.3831 m²g^-1到含75 wt% SiO₂的复合膜的1.2465 m²g^-1。比表面积的增加为膜提供了更多的吸附位点。由于SiO₂的疏水性，膜表面的固-液界面能降低。当液滴接触表面时，部分液滴与空气接触，显著减少了固-液接触面积。这使得液滴在表面上更容易保持球形，降低其对表面的粘附力，从而形成Cassie-Baxter润湿状态，增强了复合膜的疏水性。含75 wt% SiO₂的复合膜接触角为151°，表明其具有超疏水性能。能量色散X射线光谱（EDS）元素分布显示，Si、O和F元素均匀分布在膜表面，证实了SiO₂纳米颗粒与PVDF良好的分散性和相容性，这保证了所制备复合膜的疏水均匀性和长期稳定性。

PVDF/SiO₂传感器性能表征

将制备的PVDF/SiO₂与电极结合组装成传感器后，对传感器的湿敏性能进行了表征。首先系统研究了不同炭黑含量的PVDF/SiO₂湿度传感器在高湿环境（75% RH至95% RH）下的性能差异。响应（S）被定义为关键评估指标：S = |R_a- R₀| / R₀× 100%，其中R_a代表传感器在不同湿度条件下的工作电阻，R₀代表标准湿度下的基线电阻。实验表明，炭黑含量为12 wt%的传感器在75% RH至95% RH的湿度范围内响应值为30%，而炭黑含量为0、6和18 wt%的PVDF/SiO₂传感器响应值分别为24%、21%和22%。因此，选择炭黑含量为12 wt%的PVDF/SiO₂传感器进行后续研究。传感器在75% RH至95% RH湿度范围内的循环测试显示，响应值稳定在30%左右，没有明显的性能衰减，表明材料在高湿环境中具有优异的稳定性。传感器的长期稳定性测试表明，在13天的测试期内，PVDF/SiO₂传感器在75%至95% RH的湿度变化下表现出约30%的稳定响应值，证明了其优异的长期稳定性以及在口罩中长期进行呼吸监测的潜力。

然而，传感器的响应时间为126.01秒，恢复时间为262.83秒。这种现象可能归因于SiO₂纳米颗粒的疏水屏障效应。使用传感器模拟监测了口鼻呼吸以及高强度劳动下的呼吸。结果表明，PVDF/SiO₂传感器能够准确、清晰地监测各种人体状态下的呼吸。与鼻呼吸相比，口呼吸产生的气体流量更大，导致口罩内部湿度变化范围更广，易于区分口鼻呼吸。在高强度劳动条件下，人体呼吸频率增加，传感器电阻的变化清晰地反映出比口鼻呼吸更高的频率。值得注意的是，尽管PVDF/SiO₂传感器响应恢复时间较慢，但它仍然能够监测人体呼吸，因为呼吸产生的动态气压显著改善了响应和恢复特性。呼气时，高湿度气流（>95% RH）通过强制对流加速了水分子在传感器表面的吸附，缩短了响应时间；吸气时，传感器孔隙内外的压差促进了截留水分子的快速解吸，从而缩短了恢复时间。在有风和无风条件下传感器的响应和恢复情况表明，气流的影响改善了PVDF/SiO₂传感器的响应恢复性能。在相同响应值下，响应时间从17.28秒减少到8.32秒，恢复时间从47.03秒减少到36.78秒。这表明呼吸产生的气流可以增强传感器监测呼吸的能力。

为进一步验证传感器的环境适应性，研究了其抗干扰性能：1) 压力稳定性：当对传感器施加1000 Pa的正常压力时，产生的响应偏差小于湿度响应的1%。2) 温度稳定性：在10.27、19.97和29.67 °C的温差下检查了传感器的响应特性。观察到传感器的响应值随着温度升高而逐渐增加，具体值分别为4.17%、4.80%和9.06%。然而，在实际应用场景中，30 °C或以上的温度骤变极为罕见。相反，湿度的变化对传感器响应值的影响远比温度变化显著。因此，在评估传感器的整体响应时，湿度成为更关键的因素，而温度的影响相对较小，基本上可以忽略不计。3) 选择性测试：传感器对呼出气体中常见干扰成分（500 ppm甲醇、乙醇、氨、丙酮和纯CO₂）的响应小于3%，远小于对75%–95% RH的响应。上述结果表明，PVDF/SiO₂湿度传感器能够有效实现呼吸信号的实时监测，为呼吸跟随送风控制提供可靠的传感基础。

湿敏机理

超疏水PVDF/SiO₂湿度传感器的湿敏机理可分为三个阶段。第一阶段，低湿度下的化学吸附。在低湿度条件下，水分子优先与PVDF和TPU基质中的极性官能团发生化学吸附。分子静电势计算表明，水分子可以与PVDF分子链中的氟（F）和氢（H）原子以及TPU分子中的氧（O）和氢（H）原子形成多个氢键。炭黑的引入引入了更多的极性位点，促进了水分子的定向吸附，增强了传感器的湿敏性。在此阶段，载流子是水分子电离产生的H⁺和OH^-离子，其迁移率受到化学吸附层致密结构的限制。

随着湿度增加，第二阶段物理吸附开始。当相对湿度达到临界值时，化学吸附层饱和，水分子开始极性位点上形成规则排列的单层物理吸附。随着湿度进一步增加，开始形成多层物理吸附。H⁺离子与吸附的水分子结合形成水合氢离子（H₃O⁺），通过Grotthuss传导机制促进快速质子转移。此过程遵循反应方程式：H₂O + H⁺→ H₃O⁺和 H₃O⁺+ H₂O → H₂O + H₃O⁺。质子沿着氢键网络跳跃，显著降低了电阻率。在此阶段，载流子迁移率主要由Grotthuss链式反应的速率决定。

第三阶段，高湿度条件下的多层毛细管冷凝。在毛细管力的作用下，水分子形成多层液态水膜。PDMS/SiO₂疏水涂层通过Cassie-Baxter润湿状态保持疏水屏障，迫使水分子通过PVDF/TPU的亲水通道定向渗透。此时，传感机制由水合离子和自由水分子形成的电双层结构的电解质溶液离子传导机制主导。然而，毛细管冷凝效应会减慢水分子的解吸速率，导致传感器的恢复速度较慢。尽管如此，PVDF/SiO₂传感器的疏水性可以降低材料表面的固-液界面能并增加接触角。这使得液滴更难以在表面铺展并渗入传感器内部，从而有效抑制毛细管冷凝的发生。因此，毛细管冷凝只会在更高湿度水平下且经过较长时间后才会发生。

面具内部气流场模拟与呼吸信号预测

为系统评估IPAPR的空气动力学性能，本研究采用计算流体动力学（CFD）方法对面具内部流场和压力分布进行了数值模拟。对1、3、6和9 m s^-1的入口风速进行了模拟。模拟结果表明，外部空气通过吸气阀进入面具。阀瓣均匀分散气流并将速度从9 m s^-1降低至约4 m s^-1，有效防止高速空气直接冲击人脸。从两侧进入的气流经阀瓣整流后，在面具内部形成大尺度涡流。这些涡流最终通过呼气阀排出到外部环境。气流在面具内部形成明确的通道，没有显著的小尺度湍流涡流。该设计防止了面具内部的气流阻塞，确保了面具内外高效的气体交换，为佩戴者持续提供新鲜空气。

面具内部压力分布模拟显示，风机输送的外部空气进入面具并通过吸气阀，在此处减压——从超过3000 Pa降至约370 Pa。面具内部压力梯度相对均匀，稳定在370 Pa左右。外部压力设为0 Pa。在面具内外压差的作用下，面具内部的高温高湿空气自动向外流动。由于风机提供超过3000 Pa的压力，远高于面具内部压力，因此在面具内外建立了完整的气流通道。这有效地实现了冷却、除湿和降低呼吸阻力。在吸气和呼气阀附近的狭窄区域观察到空气速度快速增加和相应压力下降，这是文丘里效应所致。当高速气流进入阀门附近的狭窄区域时，流速增加而压力降低。模拟显示最大气流速度为88.44 m s^-1。根据马赫数公式：Ma = v / a = 88.44 / 340 ≈ 0.26 < 0.3，该流动可视为不可压缩流。因此，可应用不可压缩流体连续性方程和伯努利原理进行分析。虽然文丘里效应引起的局部负压会影响空气交换效率，但它远小于跨吸气和呼气阀的压差，因此不会导致回流。

在不同入口风速下，面具内部流场和压力分布基本保持不变。然而，内部速度和压力值随着入口速度的增加而增加。低湿度空气的流入有助于湿度传感器更快地恢复，并增强呼吸信号波动的幅度，有助于更精确、更清晰地监测呼吸过程中的湿度变化。模拟结果表明，内部空气最终通过呼气阀排出。由于佩戴面具时口鼻呼出的气体朝向呼气阀，将传感器放置在呼气阀处可确保实时、准确的信号采集。

本研究进一步关注呼吸信号的动态预测和闭环控制策略。传感器采集的湿度信号本质上是具有显著时间相关性的非平稳时间序列，预测精度直接影响风机的响应速度和佩戴舒适度。为此，构建了基于门控循环单元（GRU）的呼吸信号预测模型，以提取呼吸信号的时间特征，实现送风系统的前馈控制。IPAPR系统通过模数转换器（ADC）实时采集PVDF/SiO₂湿度传感器的电阻信号，然后输入GRU预测模型。为增强模型的泛化能力，将ADC采集的数据按7:3的比例划分为训练集和测试集，并使用最小-最大缩放将其归一化到[0, 1]范围。系统比较了四种时间序列预测算法——GRU、LSTM、BiLSTM和LSTM-Transformer。结果表明，GRU模型的损失函数在训练过程中最早收敛到稳定值（训练损失=0.0001），并在测试集上取得了最低的平均绝对误差（MAE）0.0862，优于其他模型（LSTM: 0.0900; BiLSTM: 0.0989; LSTM-Transformer: 0.0924）。GRU的累积误差（-251.78）也低于LSTM（-301.61）、BiLSTM（-263.46）和LSTM-Transformer（-302.84），因此成为实时预测呼吸信号的最佳选择。

GRU是一种先进的循环神经网络（RNN）架构，其核心优势在于独特的门控机制，旨在有效解决传统RNN在建模长序列时常见的梯度消失和爆炸问题。GRU在捕捉长期依赖关系方面表现尤为出色。GRU的架构包括两个门单元和一个隐藏状态：重置门评估当前候选状态对先前隐藏状态的依赖性，而更新门调节隐藏状态信息的更新；候选隐藏状态保留相关的输入信息。GRU可以在每个时间步有效地计算隐藏状态，减少计算复杂度，同时学习短期和长期依赖关系。GRU模型的预测值与呼吸信号的实际值在趋势上高度一致，充分证明了其在预测呼吸信号方面的准确性和可靠性。在模型复杂度方面，训练好的GRU、LSTM-Transformer、LSTM和BiLSTM模型的参数数量分别为302,800、2,044,453、393,700和787,300。与其他算法相比，GRU模型不仅复杂度更低、结构更简单，而且在训练过程中收敛速度更快、训练时间更短。这显著降低了计算成本，提高了推理速度，使其更适用于实时应用。

IPAPR系统性能评估

基于PVDF/SiO₂湿度传感器和GRU预测模型，本研究进一步开发了前馈风机控制系统。通过实时采集湿度信号和预测呼吸模式，系统动态调节风机转速以匹配人体呼吸节律。为评估系统的综合性能，对IPAPR和SFDR在温度、湿度和压力方面进行了比较分析，揭示了改善佩戴舒适度的内在机制。

IPAPR系统采用脉宽调制（PWM）动态控制风机转速，吸气时增加至35,000 rpm，呼气时降低至5,000 rpm以维持基本通风。实验结果表明，GRU模型预测的呼吸信号与PWM控制信号良好同步，表明前馈控制策略有效缓解了气流跟不上呼吸时常见的响应滞后问题。在内部环境调节方面，IPAPR表现出显著优势：

1. 1.
   压力调节：对于SFDR，在佩戴过程中，内部压力在呼气时增加，在吸气时减少，变得低于外部压力。这导致面具内部产生约100 Pa的负压。在内外压差的作用下，气体被吸入面具内部。这种情况会导致佩戴者呼吸阻力增加。对于IPAPR，风机维持面具内部正压，有助于减少由面具引起的呼吸阻力。在吸气期间，内部压力仍可维持在大约100 Pa的正压水平。面具内部的正压不仅增强了面具的防护性能，而且有效防止粉尘颗粒进入面具内部并被佩戴者吸入。
2. 2.
   湿度控制：面具内外空气的持续交换稀释了呼出气体中的水分，将内部湿度从95% RH以上降低到50%–60% RH范围内，接近环境条件。此外，流动的气流增强了水分子的对流传质，加速了传感器水分的吸附和解吸，从而改善了阻抗信号的响应和恢复，有助于准确的呼吸监测。
3. 3.
   温度调节：外部空气与潮湿内部空气之间的热交换导致内部温度低于SFDR。此外，高速气流加速了皮肤上汗液的蒸发，从而提高了佩戴者的舒适度。

这些结果表明，IPAPR的前馈控制有效调节了内部微环境。其核心优势在于基于GRU的预测模型实现了预见性控制以减少气流延迟，以及超疏水PVDF/SiO₂传感器抑制了液膜阻塞以确保长期监测稳定性。这种调节策略不仅缓解了SFDR中热湿积聚引起的生理不适，也为优化呼吸阻力提供了新的技术途径。

将IPAPR与三种类型的PAPR进行了比较。从面具内部温湿度和面具内外压差三个方面对IPAPR与这三种PAPR进行了比较分析。在湿度和温度控制方面，IPAPR表现出优越的性能，能够维持面具内部较低的温湿度水平。这一结果可能归因于IPAPR使用两个风机进行送风，提高了送风效率。效率的提高促进了面具内外更快的气体交换，从而有助于降低内部湿度和温度。此外，压差数据显示IPAPR能够维持面具内部正压。该正压确保了面具的防护效能。即使在吸气阶段面具内部压力下降时，其仍高于外部压力，有效防止外部粉尘颗粒进入面具。这是因为在呼气阶段，风机转速并未降至零，而是设定了最低转速阈值以确保面具内部正压。

结论

本研究成功开发了一种基于超疏水PVDF/SiO₂复合材料的湿度传感器，并将其应用于智能电动送风呼吸器（IPAPR），以实时监测呼吸信号并动态调节气流。经SiO₂纳米颗粒改性的传感器具有151°的出色接触角。第一性原理计算揭示了传感器的湿敏机理，即复合膜中的PVDF和TPU基团吸附水分子，从而改变薄膜的电导率。随着湿度增加，传感器的电导率显著提高。实验结果表明，该传感器在75%–95% RH范围内具有30%的响应值，响应时间和恢复时间分别为126秒和262秒。在气流压力下，其性能进一步增强，能够准确检测呼吸信号。计算流体动力学（CFD）模拟验证了面具的通风设计，并开发了基于GRU的呼吸信号预测模型，以减少气流与呼吸之间的不匹配。与LSTM、BiLSTM和LSTM-transformer模型相比，GRU模型在测试集上取得了最低的MAE（0.086）和累积误差（-251.78）。本研究通过降低IPAPR的内部温度、湿度和呼吸阻力，有效提高了佩戴者的舒适度。与SFDR相比，内部温度有效降低，湿度降至环境空气湿度水平（50%–60% RH），且面具内部维持正压，显著降低了佩戴者的呼吸阻力。未来的研究应侧重于扩大测试人群以增加数据多样性，并改进面具或风机设计以降低噪音排放。

实验部分/方法

传感器制备

首先，制备PVDF/TPU/C湿敏溶液：将0.6 g聚偏氟乙烯（PVDF）和0.2 g热塑性聚氨酯弹性体（TPU）溶解于3 ml N,N-二甲基甲酰胺（DMF, C₃H₇NO, 纯度99.9%）和1 ml 二甲亚砜（DMSO, C₂H₆SO, 纯度99%）中。加入约300 μl 1-乙基-3-甲基咪唑双(三氟甲基磺酰基)酰亚胺（TFSI, C₈H₁₁F₆N₃O₄S₂, 纯度99%），混合溶液在70 °C、800 rpm下搅拌90分钟，确保PVDF和TPU完全溶解，形成乳白色溶液。然后，加入12%（摩尔分数）炭黑（C），混合物在室温、800 rpm下搅拌60分钟，确保炭黑颗粒分散均匀。

第二，制备PDMS/SiO₂疏水溶液：将所需量的聚二甲基硅氧烷（PDMS）预聚物溶解于甲苯（C₆H₅CH₃, 纯度99.5%）中，制备10% w/w溶液。加入相对于PDMS为75 wt%的疏水气相纳米二氧化硅（SiO₂, 纯度99.8%, 粒径7–40 nm）。溶液在室温、1000 rpm下搅拌60分钟，随后在室温下超声处理30分钟，得到PDMS/SiO₂预聚物。然后将PDMS固化剂以1:10 w/w（固化剂与预聚物之比）的比例加入溶液中，混合物在室温、1000 rpm下搅拌60分钟，得到PDMS/SiO₂疏水溶液。

最后，制备超疏水PVDF/SiO₂湿敏复合膜：将制备好的PVDF/TPU/C湿敏溶液和PDMS/SiO₂疏水溶液按1:1 w/w比例混合，在室温、1000 rpm下搅拌60分钟。将混合溶液缓慢倾倒在载玻片上，使用刮刀（间隙750 μm）沿一个方向均匀刮涂形成液膜。最后，将液膜在80 °C烘箱中干燥60分钟，得到超疏水PVDF/SiO₂湿敏复合膜。将制备的复合膜切割成1 cm × 1 cm的小片，两端涂覆导电胶以连接导线，用于后续实验和性能表征。

实验方法

第一性原理计算：