《Synthetic Metals》：Nitrogen dioxide detection using layered PANI/multi-walled carbon nanotube-based composites: Experiments, deep neural network, and SHAP analysis
编辑推荐：
•基于3层PANI/MWCNT的薄膜实现了最佳的NO?响应效果。•使用SHAP的DNN建模显示NO?浓度是主要特征。•能在室温下检测到工业相关水平的NO?。•层依赖性响应控制了传感行为。•结合实验和机器学习的方法可以设计出高效的传感器。引言快速准确地检测有害气体目前是一个非常紧迫
- •
基于3层PANI/MWCNT的薄膜实现了最佳的NO?响应效果。
- •
使用SHAP的DNN建模显示NO?浓度是主要特征。
- •
能在室温下检测到工业相关水平的NO?。
- •
层依赖性响应控制了传感行为。
- •
结合实验和机器学习的方法可以设计出高效的传感器。
引言
快速准确地检测有害气体目前是一个非常紧迫的问题。二氧化氮（NO?）就是一种对人类生命构成威胁的气体[1],[2]。即使在低浓度下，它也会引起呼吸道刺激（OSHA允许的暴露限值为5 ppm）。高浓度的NO?可能导致严重的健康问题，包括哮喘、心血管疾病和肺部损伤[3]。因此，有效检测空气中的低浓度二氧化氮至关重要[3],[4]。
可以设计用于检测有害气体的传感器。然而，基于金属氧化物的传统气体传感器存在一些缺点。它们的主要缺点是能耗高，这是因为它们的工作温度通常在200-400°C[5]之间。这使它们不适合用于需要紧凑性和能效的便携式和移动设备。
近年来，研究人员开始关注基于碳纳米材料[6],[7],[8]的气体传感器，包括多壁碳纳米管（MWCNTs）。由于它们具有高灵敏度、低检测限和可在室温下工作，因此成为有前途的气体传感器材料[9],[10]。为了提高传感器性能和其他特性，采用了各种改性方法，包括功能化处理、用金属和金属氧化物掺杂[11],[12],[13],[14]，以及制造复合材料[15]等。
一些研究使用有机聚合物对碳纳米管（CNTs）进行了功能化处理[16],[17]。经过酸处理的CNTs也被用作气体传感器的活性材料[18],[19]。酸处理可以在CNT表面形成功能基团，产生新的缺陷和吸附位点。例如，用硫酸和铬酸处理MWCNTs后，其气体传感性能得到了改善[20]。
导电聚合物也被用作气体传感器的活性材料。例如，聚苯胺（PANI）因其独特的电化学和吸附性能而得到广泛应用，既可以作为独立材料使用，也可以作为复合材料的成分[21],[22],[23],[24],[25],[26],[27]。其他常用的聚合物包括聚吡咯（PPy）[28],[29],[30]和聚噻吩（PTh）[31],[32],[33]。关于PANI/CNT复合材料在气体传感器中的应用已有大量报道[34],[35],[36],[37]。然而，所制备薄膜的形态对其性能的影响却鲜有关注。虽然近年来讨论了层依赖性传感器响应（如MoS?[38],[39]、磷烯[40]气体传感器），但聚合物/CNT气体传感器的相关研究较少。
在本文中，我们介绍了一种基于PANI和化学处理过的MWCNTs制备传感薄膜的新方法。通过层层沉积不同层数的PANI/MWCNT复合材料，对传感器响应产生了显著影响。使用经过重铬酸处理的MWCNTs代替未经处理的MWCNTs来制备传感复合薄膜，显著提高了传感性能。这是第一篇研究PANI/MWCNT复合材料层依赖性响应的论文。
节选
材料
用于制备传感材料的有两种商用MWCNTs（来自中国深圳Nanotechport公司），分别是平均直径为26 ± 0.82 nm和36 ± 1.51 nm的MWCNT-26nm和MWCNT-36nm。它们的平均壁数分别为50层和148层。
聚苯胺（PANI）被用作基于层层沉积的传感薄膜的导电聚合物。该聚合物由俄罗斯科学院有机化学研究所提供。
MWCNTs的特性
初始状态和改性后的MWCNTs的无序程度、石墨化程度、比表面积以及功能化程度（即C:O比率）见表1。
两种改性材料（mMWCNT-26nm和mMWCNT-36nm）的I(D)/I(G)比率分别提高了11.3%和20.4%。氧化后，材料的结构无序程度增加。此外，改性样本的比重也降低了，尤其是mMWCNT-26nm相比mMWCNT-36nm降低得更明显。
结论
本研究系统地研究了通过滴落法制备的层状PANI/MWCNT复合材料的NO?化学电阻传感性能，特别关注了由层层沉积形成的传感器结构的影响。实验结果表明，改变PANI/MWCNT层的数量会显著调节NO?气体传感行为，最佳响应发生在3层结构时（对于MWCNT-26nm样本）。研究发现，层的数量
Lozben’ Arina D.：撰写 – 原始草稿，验证，方法论，资金获取，正式分析，数据管理。Arcady V. Ishchenko：撰写 – 原始草稿，方法论，研究，正式分析。Alexander G. Bannov：撰写 – 审稿与编辑，撰写 – 原始草稿，监督，研究，资金获取，正式分析，概念构思。Eugene A. Maksimovskiy：撰写 – 原始草稿，可视化，验证，资源管理，正式分析。Artyom A. Shishin：
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。
