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。