编辑推荐：
过去几十年中，固态气体传感领域的显著进步在很大程度上由材料发现所驱动。半导体金属氧化物、金属硫化物、碳基材料、金属-有机框架（MOFs）、结构形状工程、表面修饰及创新操作概念的进展，不断拓展了传感器研究人员可用的工具库。通过创造性合成、筛选与优化，研究界已将检
过去几十年中，固态气体传感领域的显著进步在很大程度上由材料发现所驱动。半导体金属氧化物、金属硫化物、碳基材料、金属-有机框架（MOFs）、结构形状工程、表面修饰及创新操作概念的进展，不断拓展了传感器研究人员可用的工具库。通过创造性合成、筛选与优化，研究界已将检测限推至更低浓度，降低工作温度，加快响应与恢复速度，并提升选择性与稳定性。材料发现为研究界做出了卓越贡献，并将继续作为重要的创新引擎。
与此同时，研究人员看到了《ACS Sensors》中传感材料研究方式的重要演变。越来越多的作者（及审稿人）不再满足于证明某种新材料或修饰改变了性能，而是追问其内在原因。研究尝试将传感器性能与缺陷和空位、特定晶面、催化活性位点、协同异质界面、反应路径与中间体、电子结构变化以及外部刺激关联起来。这一进展得益于日益精细的实验与计算方法：原位光谱和操作光谱（in situ and operando spectroscopies）可在接近真实传感工作状态的条件下探测表面；先进显微镜和结构表征提供了越来越清晰的活性界面图像；密度泛函理论（DFT）及其他计算方法（如分子动力学模拟，MD）则有助于将实验观察到的行为与原子尺度的分子吸附、反应和电荷转移过程联系起来。在《ACS Sensors》中，研究人员尤其欢迎这一发展！这种机理见解能将孤立的性能改进转化为可能迁移至其他材料与传感问题的知识。
本文是发表于《ACS Sensors》的社论（Editorial），旨在探讨气体传感材料能否从“发现”转向“设计”。研究人员首先回顾了材料发现在过去数十年中对固态气体传感发展的核心驱动作用：多种半导体金属氧化物、硫化物、碳基材料、金属-有机框架（MOFs）以及结构工程和表面修饰等策略持续扩大传感器研究的工具库，显著提升了检测限、响应速度、选择性与稳定性。然而，当前研究已经不再停留于“什么材料有效”，而是深入追问“为什么有效”，开始将传感性能与缺陷、晶面、催化位点、异质界面、反应路径、电子结构变化及外部刺激等联系起来。这一趋势得益于原位/操作光谱、先进显微镜、密度泛函理论（DFT）和分子动力学模拟等实验与计算方法的快速发展。
尽管机理理解日益深入，真正实现预测性材料设计仍面临两大挑战。第一，化学电阻响应的产生过程极为复杂：分析物可能在多个结构不同的表面位点吸附，经历竞争反应途径与表面中间体，电荷转移后如何耦合进半导体的电子结构（如局域在空位中、在不同晶格位点间重新分布，或离域到导带/价带）会显著影响最终响应。因此，需要将越来越复杂的机理知识转化为可迁移的描述符和设计规则。第二，现有传感器研究数据质量参差不齐，测试条件、器件架构、气体暴露方式等众多参数缺乏统一报告，且失败的体系很少发表，阻碍了建立标准化数据库和可泛化的预测模型。研究人员因而强调，需要建立类似其他领域已有的标准化测试与报告清单。
为解决这些问题，研究人员提出利用人工智能和机器学习工具。一方面，大语言模型和文献挖掘工具可从海量论文中提取材料组成与传感性能信息；另一方面，机器学习力场（MLIPs）在电子结构计算训练基础上，可将原子级模拟扩展到更大尺寸和更长时间尺度，从而探索吸附质扩散、缺陷迁移、表面重构等过程，结合物理启发的描述符，实现对传感材料合成前的计算筛选与设计。研究人员认为，这些预测性工具日益成熟后，将有效补充和指导实验发现，但不会取代发现。偶然观察、非常规材料和意外机制仍是创新的重要源泉。发现与设计应互为强化：发现扩展可探索的材料空间，机理研究解释性能来源，积累的知识指导下一步合成。最终，研究人员呼吁将数十年的经验知识转化为系统的设计能力，主动构建所需传感器，而非被动等待偶然发现。
在方法层面，该社论主要讨论了多种关键技术手段：原位/操作光谱用于在接近真实工况下探测表面状态；先进电子显微学和结构表征用于解析活性界面；密度泛函理论（DFT）用于计算吸附能、反应能垒和电荷转移；分子动力学模拟用于研究动态过程；机器学习力场（MLIPs）可突破尺度限制，实现更大体系的原子级模拟；大语言模型用于文献挖掘。这些方法共同构成了连接微观机理与宏观性能预测的桥梁。该文没有涉及样本队列来源或具体实验操作，属于观点论述。
综合来看，该论文的核心论点是通过机理理解、数据标准化和人工智能方法的融合，可以在气体传感领域逐步实现“按需设计”材料。尽管尚存在复杂性和数据方面的困难，但研究人员对此持乐观态度，认为发现与设计的结合将推动下一代高性能气体传感器的发展。
