基于机器学习的过渡金属掺杂SnS2纳米材料在检测C5F10O/CO2分解产物中的应用探索

《ACS Applied Nano Materials》:Machine-Learning Exploration of Transition-Metal-Doped SnS2 Nanomaterials for Sensing C5F10O/CO2 Decomposition Products

【字体: 大 中 小 】 时间:2026年08月13日 来源:ACS Applied Nano Materials 5.8

编辑推荐:

   打开图像查看器 摘要 随着人们对温室气体排放问题的日

  

随着人们对温室气体排放问题的日益关注,C5F10O/CO2被视为一种有潜力的SF6替代品。然而,它在局部放电条件下会分解产生有害物质CF4、CO和COF2,从而威胁设备安全。因此,研发能够有效检测这些气体的传感器材料至关重要。近年来,用于传感应用的纳米材料领域取得了显著进展。本文提出了一种高效策略,将密度泛函理论与机器学习相结合,以二维SnS2纳米片作为材料基底。通过系统的特征工程,包括对皮尔逊相关系数、斯皮尔曼等级相关系数以及最大信息系数的交叉验证,构建出了最优的特征集。在此基础上,建立了最优的机器学习模型,用于预测气体产物与掺杂过渡金属的SnS2之间的相互作用强度。通过多种筛选标准,找出了最具应用前景的传感材料。电子结构分析进一步揭示了纳米级传感机制。这项工作为识别纳米级气体敏感材料提供了高效方法,同时也推动了环保型惰性气体在线监测技术的发展。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号