晶面调控( facet-engineered ) BiSI纳米棒用于NO2/H2S混合气体智能分辨检测

《InfoMat》：Facet-engineered BiSI nanorods for intelligent distinguishing detection of NO2/H2S mixed gas

　　

有害气体的室温检测对工业智能化至关重要，但适用于实际场景的多气体传感器的开发仍显不足。研究人员在密度泛函理论(DFT)计算指导下发现BiSI的(121)晶面对NO2和H2S均具有优异的吸附及电荷转移能力，据此设计并制备了晶面调控的BiSI纳米棒传感器实现双功能传感，在室温下对1 ppm NO2和H2S分别表现出610%和?437%的显著响应。进一步将单一晶面调控BiSI传感器与反向传播神经网络(BP-NN)集成，实现了混合气体的智能分辨检测及浓度预测。该系统性设计有效克服了高功耗和复杂调制工作条件的限制，为同时多气体检测提供了一种低功耗、集成化且可推广的通用框架，适用于广泛的工业与环境监测场景。

论文解读：晶面调控BiSI纳米棒用于NO₂/H₂S混合气体智能分辨检测

本研究发表于《InfoMat》。工业数字化进程中，室温半导体气体传感器因低功耗、低成本及易集成备受关注，但实际场景中往往需同时监测多种有毒气体（如化工厂、煤矿中常见的NO₂和H₂S）。现有双功能传感器多依赖变温、光照等外部调制实现"二选一"检测，无法单次测量区分混合物，且传感器阵列存在信号处理复杂、多器件失效风险高等问题。少数单传感器结合机器学习(ML)的方案仍需温度调制而功耗较高。铋硫碘化合物(BiSI, bismuth sulfoiodide)具窄带隙(~1.6 eV)、低载流子有效质量及各向异性晶体结构，对氧化性/还原性气体亲和性不同，且晶面暴露可能影响传感行为。研究人员通过DFT计算证实BiSI(121)晶面对NO₂和H₂S吸附能与电荷转移均强于常见(310)晶面，遂通过溶剂热法调控硫源用量制备高比例(121)晶面暴露的BiSI纳米棒，在室温下实现双功能传感，并结合反向传播神经网络(BP-NN)对单一传感器采集的响应值(response value)、响应时间(response time)及恢复时间(recovery time)特征进行训练，成功实现对NO₂/H₂S单一及混合气体的分类识别与组分浓度预测，为低功耗智能混合气体检测提供新策略。

主要关键技术方法：

研究人员采用第一性原理DFT计算(VASP软件包)对比BiSI(121)与(310)晶面对NO₂和H₂S的吸附能(E_ads)及Bader电荷分析；通过一步溶剂热法调节前驱体S/Bi摩尔比(0.375–1.125)可控合成不同(121)晶面暴露程度的BiSI纳米棒，经XRD、SEM、TEM、HRTEM、EDX、XPS、EPR及BET表征材料结构与组成；制备叉指电极(IDE)基化学电阻式传感器，于室温(25℃，45% RH)测试对NO₂和H₂S的动态电阻响应；提取响应值、响应时间(t_res, 达90%最大响应)、恢复时间(t_rec, 恢复至10%)作为特征输入，构建BP-NN模型进行5折交叉验证的分类任务与回归(浓度预测)任务评估。

2 RESULTS AND DISCUSSION

2.1 Characterization of BiSI nanorods

BiSI纳米棒经一步溶剂热法合成，SEM/TEM显示棒状形貌(长10–40 μm，直径0.2–1.0 μm)，HRTEM测得0.302 nm晶格间距对应(121)晶面，EDX证实Bi、S、I均匀分布。BET比表面积在S/Bi=0.500–1.000样品间相近(9.7–10.7 m²g^–1)。XRD匹配正交相BiSI(JCPDSNo.73-1171)，随S/Bi摩尔比增大(121)衍射峰强度相对(310)晶面比值I₍₁₂₁₎/I₍₃₁₀₎递增并在S/Bi=1.000附近趋于饱和，证实通过硫源用量可调控(121)晶面暴露程度。XPS确认Bi³⁺、S^2–、I^–化学态且无杂质，EPR显示各样品硫空位信号极弱且相当，排除缺陷浓度差异干扰——性能差异归因子晶面暴露不同。结论：成功合成(121)晶面择优取向的BiSI纳米棒，(121)晶面暴露度可通过前驱体S/Bi比可控调节。

2.2 Gas sensing properties and mechanism

室温测试显示传感器遇NO₂(氧化性气体)电阻上升，遇H₂S(还原性气体)电阻下降，S/Bi-1.000样品((121)晶面最丰富)对1 ppm NO₂响应610%、对1 ppm H₂S响应?437%，较S/Bi-0.500分别提升约4.2倍和3.9倍，响应随(121)晶面暴露度增加正相关。S/Bi-1.000传感器对NO₂(50 ppb–8 ppm)和H₂S(50 ppb–8 ppm)呈两段线性响应，检出限达50 ppb(NO₂响应42%，H₂S响应38%)，理论检出限(TDL)分别为4 ppb(NO₂)和6 ppb(H₂S)。5次循环重复性良好，长期测试信号衰减微小；响应/恢复时间分别为NO₂: 8 s/42 s，H₂S: 24 s/284 s，二者动力学差异显著。相对湿度升至90%时仍保较高响应(NO₂: 519%，H₂S: ?365%)；对100 ppm NH₃、CH₄、CO、NO、H₂、SO₂及苯、甲苯响应远低于目标气体，具优良选择性。机理：空气中O₂吸附为O₂^–夺取n型半导体电子形成耗尽层；H₂S与O₂^–反应释放电子回半导体使电阻降低；NO₂直接夺取导带电子加深耗尽层使电阻升高——N₂氛围下单H₂S响应大幅下降、NO₂响应升高佐证该机理。结论：(121)晶面高暴露BiSI传感器具室温高响应、低检出限、良好选择性及稳定性，NO₂与H₂S响应方向相反且动力学特征不同，为ML识别提供互补信息。

2.3 Machine learning-assisted intelligent sensing system

2.3.1 Classification of mixed gases (classification task)

研究人员设15种气体状态(6种单一气体+9种NO₂/H₂S混合气)涵盖煤矿报警阈值浓度，提取响应值(Res. value)、响应时间(Resp. time)、恢复时间(Reco. time)为特征输入BP-NN(80%训练，20%测试，5折交叉验证)。以三特征(Res. value + Resp. time + Reco. time)训练分类准确率最高达99.33%；双特征组合中Res. value + Resp. time准确率97.33%，Res. value + Reco. time为94.00%，Resp. time + Reco. time最低(89.33%)——恢复时间波动较大(SD=5.79)削弱分类能力。结论：响应值与响应时间较稳定，加入恢复时间可进一步提升分类精度，单一BiSI传感器结合BP-NN可有效分类识别NO₂/H₂S单一及混合气体。

2.3.2 Generalization ability of the model (regression task)

构建四种递增样本量训练集(Scheme 1–4)评估浓度回归预测泛化能力，测试集含训练未见数据。训练集不足时两特征/三特征模型泛化差；Scheme 4(最大训练集)下两特征模型测试损失0.0975，三特征模型测试损失最低0.0518；三特征模型在Scheme 3已可达可接受精度(测试损失0.1457)。结论：充分训练样本下较少特征亦可获良好泛化，而更多特征可在较小样本量下维持精度，为平衡采样成本与模型性能提供依据。

2.3.3 Intelligent sensing platform demonstration for mixed gas recognition

研究人员搭建集成硬件平台：BiSI传感器将混合气化学信息转为电信号→数据采集卡→计算机自动解析特征→预训练BP-NN预测各组分浓度→超阈值触发报警。演示验证单传感器与ML算法无缝集成可实现混合气体智能分辨。结论：该平台具备转化为便携自动化监测系统的潜力，适用于多样工业环境。

总结与结论（翻译CONCLUSION部分）：

综上所述，DFT计算揭示BiSI(121)晶面对NO₂和H₂S均表现出显著的吸附作用与明显的电荷转移，为BiSI纳米棒的双功能传感能力提供了理论基础。在此理论指导下，研究人员通过一步溶剂热法成功合成了具(121)晶面择优暴露的BiSI纳米棒，其在室温下对1 ppm NO₂和H₂S分别呈现610%和?437%的优异响应，响应时间分别为8 s和24 s。此外，将反向传播神经网络(BP-NN)应用于提取的传感特征，证明仅凭单一传感器即可可靠识别NO₂/H₂S混合气体。这些发现凸显了将晶面调控BiSI传感器集成至智能传感平台的可行性，为多种工业及环境场景下有毒有害气体混合物的实时监测提供了一种通用且可扩展的策略。