Smarter Sensor erschnüffelt gezielt Gase
Ein mit KI ausgestatteter chemischer Sensor kann lernen, bestimmte Gase in der Luft mit hoher Empfindlichkeit und Selektivität zu erkennen
Das an der KAUST entwickelte Gerät nutzt maschinelles Lernen, um die Gase anhand der Art und Weise zu unterscheiden, wie sie bei der Interaktion mit dem Sensor leichte Temperaturveränderungen hervorrufen.
Der Sensor des Teams könnte in Bereichen eingesetzt werden, in denen empfindliche Tests für Gase erforderlich sind, z. B. in der medizinischen Diagnostik oder bei der Erkennung gefährlicher Gaslecks in der Industrie.
© 2022 KAUST
Intelligente elektronische Sensoren, die bestimmte Moleküle in der Luft aufspüren können, sind für Anwendungen von der medizinischen Diagnostik bis zur Erkennung gefährlicher Gaslecks in der Industrie sehr gefragt. Die Herausforderung besteht darin, das Zielgas in der komplexen Mischung von Chemikalien, die typischerweise in der Luft zu finden sind, genau zu erkennen, sagt Usman Yaqoob, ein Postdoc in den Labors von Mohammad Younis, der die Forschung leitete. "Bestehende Sensortechnologien leiden immer noch unter der Querempfindlichkeit", sagt Yaqoob.
Anstatt mit exotischen Materialien oder speziellen Beschichtungen zu versuchen, die Selektivität der Sensoren zu verbessern, wendet das Team maschinelles Lernen an. Auf der Hardwareseite ist das Herzstück des Geräts ein beheizter Siliziumstreifen, ein so genannter Mikrostrahlresonator. Wenn der Mikrostrahl an beiden Enden eingespannt ist, so dass er fast bis zum Knickpunkt gebogen ist, reagiert die Frequenz, bei der der Mikrostrahl in Resonanz geht, sehr stark auf Temperaturänderungen.
"Wenn er in der Nähe des Knickpunkts betrieben wird, reagiert der beheizte Mikrobalken sehr empfindlich auf verschiedene Gase, wenn diese eine niedrigere oder höhere Wärmeleitfähigkeit als Luft haben", sagt Yaqoob. Gase mit einer höheren Wärmeleitfähigkeit als Luft, wie Helium und Wasserstoff, kühlen den Mikrobalken, was seine Steifigkeit und seine Resonanzfrequenz erhöht. Gase wie Argon, die eine geringere Wärmeleitfähigkeit aufweisen, haben den gegenteiligen Effekt. "Die Verschiebung der Resonanzfrequenz wird mit einem Mikrosystemanalysator-Vibrometer festgestellt", sagt Yaqoob.
Das Team setzte dann künstliche Intelligenz (KI) ein, um die Daten zu analysieren und charakteristische Veränderungen der Resonanzfrequenz zu identifizieren, die den verschiedenen Gasen entsprechen. "Datenverarbeitung und Algorithmen für maschinelles Lernen werden verwendet, um eindeutige Signaturmarker für jedes getestete Gas zu erzeugen und ein genaues und selektives Modell zur Gasklassifizierung zu entwickeln", sagt Yaqoob. Nachdem der Algorithmus mit Daten aus der Reaktion des Sensors auf Helium, Argon undCO2 trainiert wurde, konnte er diese Gase mit 100-prozentiger Genauigkeit in einem unbekannten Datensatz identifizieren.
"Im Gegensatz zu herkömmlichen Gassensoren benötigt unser Sensor keine spezielle Beschichtung, was die chemische Stabilität des Geräts erhöht und es außerdem skalierbar macht", sagt Younis. "Man kann das Gerät bis in den Nanobereich skalieren, ohne seine Leistung zu beeinträchtigen, da es eine große Oberfläche für die Beschichtung benötigt", erklärt er.
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.
Originalveröffentlichung
Weitere News aus dem Ressort Wissenschaft
Holen Sie sich die Analytik- und Labortechnik-Branche in Ihren Posteingang
Ab sofort nichts mehr verpassen: Unser Newsletter für Analytik und Labortechnik bringt Sie jeden Dienstag auf den neuesten Stand. Aktuelle Branchen-News, Produkt-Highlights und Innovationen - kompakt und verständlich in Ihrem Posteingang. Von uns recherchiert, damit Sie es nicht tun müssen.
