近日，清華大學(xué)機(jī)械系在智能氣體傳感器研究中取得新進(jìn)展，基于單氣體傳感器實(shí)現(xiàn)了混合物多組分智能檢測(cè)。相關(guān)研究成果以“Selective Detection of Mixtures via a Single Nonselective Sensor—Making the Unworkable Sensor Workable by Machine Learning"為題發(fā)表在《智能系統(tǒng)》期刊（Advanced Intelligent Systems），被選為當(dāng)期封底文章，并被Advanced Science News公眾號(hào)作為亮點(diǎn)文章進(jìn)行報(bào)道。

混合物中的多組分檢測(cè)，在現(xiàn)代生物醫(yī)學(xué)及化學(xué)研究中有著的重要地位。由于傳感單元響應(yīng)選擇性往往不盡如人意，不同組分在同一傳感器上產(chǎn)生的響應(yīng)信號(hào)會(huì)不可避免地發(fā)生重疊。然而，現(xiàn)有手段難以直接通過(guò)單個(gè)傳感器對(duì)混合物直接進(jìn)行組分區(qū)分檢測(cè)，因而不得不引入分離裝置以實(shí)現(xiàn)重疊信號(hào)的分離。這導(dǎo)致現(xiàn)有檢測(cè)手段仍需面對(duì)成本較高、操作流程冗長(zhǎng)、需要專業(yè)人員操作等問(wèn)題。

近年來(lái)，人工智能的發(fā)展為傳感器信號(hào)處理與特征提取提供了新思路。針對(duì)上述問(wèn)題，該研究針對(duì)混合物組分在同一傳感器上的重疊響應(yīng)信號(hào)，探索出了低成本、高準(zhǔn)確率、自動(dòng)化的多組分智能檢測(cè)方法?；贕RU（Gated Recurrent Unit）神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)方法，實(shí)現(xiàn)了直接從單個(gè)氣體傳感器的重疊信號(hào)中提取混合物中各個(gè)組分信息，無(wú)需預(yù)分離，簡(jiǎn)單快速地完成了混合物組分檢測(cè)工作。同時(shí)借助數(shù)學(xué)模型和仿真技術(shù)為實(shí)驗(yàn)研究提供理論支撐，具有較好的理論意義和應(yīng)用價(jià)值。

針對(duì)該傳感器的響應(yīng)信號(hào)重疊現(xiàn)象，團(tuán)隊(duì)進(jìn)一步提出了一種氣體雙擴(kuò)散模型，能夠同時(shí)考慮被測(cè)氣體混合物分子與載流氣體分子雙向擴(kuò)散，并討論了混合物響應(yīng)信號(hào)的時(shí)序特性與混合物成分之間的固有關(guān)系?；谠撃Ｐ偷姆抡娼Y(jié)果與實(shí)際重疊響應(yīng)信號(hào)具有良好的一致性，這也為該研究所提的多組分智能檢測(cè)方法提供了明確的理論依據(jù)。

該研究所提出的混合物多組分智能檢測(cè)方法，可以大幅降低傳感單元選擇性對(duì)復(fù)雜組分檢測(cè)的影響，減小傳感材料構(gòu)建的壓力，為進(jìn)一步推動(dòng)機(jī)器嗅覺(jué)電子鼻的普適化檢測(cè)應(yīng)用拓寬了道路。該技術(shù)有望在各種自動(dòng)化檢測(cè)場(chǎng)景中發(fā)揮重要作用，例如醫(yī)療領(lǐng)域中對(duì)呼吸氣揮發(fā)性疾病標(biāo)志物的實(shí)時(shí)檢測(cè)、石油工業(yè)中對(duì)多種烷烴的同時(shí)監(jiān)測(cè)、食品工業(yè)中對(duì)多類型產(chǎn)品的品質(zhì)鑒定等。

原文：《清華大學(xué)：智能氣體傳感器研究中取得新進(jìn)展，基于單氣體傳感器實(shí)現(xiàn)了混合物多組分智能檢測(cè)》