比传统检测污染物分子精准的解决方案:超薄纳米传感器光学指纹检测

简介:

由超薄纳米材料制成的传感器通过提供清晰的光学指纹来检测污染物分子,以此提高环境遥感的精度。传统的传感器依赖于微小的峰值偏移和强度变化检测空气中的污染物分子,但该方法并不精确。

纳米级传感器为污染物识别提供清晰的光学指纹

通过激活传感器材料中的暗电子状态并产生新的可见峰以识别污染物分子。传感器材料光学指纹的改变证明了污染物分子的存在。

来自瑞典查尔姆斯理工大学和德国柏林工业大学的一支研究团队开发了一种使用原子级厚度的过渡族金属二硫化物(TMDs)的高效传感器。TMDs拥有极佳的表面积与体积比和极强的光与物质相互作用,使得该材料对周围环境的变化非常敏感。

TMDs除了能显示亮激子,也能显示角动量或质心动量不为零的各种暗激子。新型传感器通过激活纳米材料中的暗激子来识别分子。纳米材料表面上的污染物分子与暗激子相互作用并使其可见(变亮),并改变光学指纹以显示污染物分子的存在。

该团队证明,TMDs中的暗激子和亮激子具有高效的耦合,而具有强偶极矩的非共价连接分子可能使暗激子发光,从而在光谱中产生额外的峰。

“该方法可能为环境气体的检测开辟出新的可能性,”研究人员Maja Feierabend表示,“我们的方法比传统的传感器更加稳定,因为新的传感器依赖于其光学特性的微小变化。”当光线照射在传感器上时,将会显示材料的光学指纹。

“我们的方法在超薄、高速、高效、精密的传感器研究领域有极大潜力。未来,利用该方法有希望制造出用于环境研究的高灵敏度和高区分度的传感器。”研究人员Ermin Malic说。

该团队为其新型传感器提交了专利申请。接下来他们将与实验物理学家和化学家合作,为这一新型化学传感器进行原理证明。

该研究已发表在《自然通讯》(Nature Communications)。

目录
相关文章
|
20天前
光学雨量计:高精度测量降水量的理想解决方案
光学雨量计:高精度测量降水量的理想解决方案
光学雨量计:高精度测量降水量的理想解决方案
|
7月前
|
小程序 数据处理
主流测绘仪器以及数据后处理软件教程
主流测绘仪器以及数据后处理软件教程
108 1
|
9月前
|
算法
【漂移-扩散通量重建 FV 方案】用于半导体和气体放电模拟的电子传输的更准确的 Sharfetter-Gummel 算法(Matlab代码实现)
【漂移-扩散通量重建 FV 方案】用于半导体和气体放电模拟的电子传输的更准确的 Sharfetter-Gummel 算法(Matlab代码实现)
|
10月前
|
机器学习/深度学习 运维 网络架构
基于声音信号的工业设备异常检测
异常检测主要目标是将异常事件与正常事件区分开来,因此才有了“异常”一词。本文将介绍基于声音信号的工业机械异常检测,使用的数据集是MIMII声音数据集,该数据集很容易在网上获得。
164 0
|
传感器 机器学习/深度学习 人工智能
多传感器融合 | CenterFusion:毫米波雷达和相机后融合3D检测算法
本文主要介绍一种基于毫米波雷达和相机后融合的3D目标检测算法——CenterFusion,原本是公司内部的一个技术方案,截取了其中的核心理论部分,所以看起来肯能有些严肃。
多传感器融合 | CenterFusion:毫米波雷达和相机后融合3D检测算法
|
编解码 人工智能 算法
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(下)
本文作者提出了一种鲁棒的车道检测和跟踪方法来检测车道线,该方法主要介绍了三个关键技术。首先,应用双边滤波器来平滑和保留边缘,引入了一个优化的强度阈值范围(OITR)来提高canny算子的性能,该算子检测低强度(有色、腐蚀或模糊)车道标记的边缘。第二,提出了一种稳健的车道验证技术,即基于角度和长度的几何约束(ALGC)算法,然后进行霍夫变换,以验证车道线的特征并防止不正确的车道线检测。最后,提出了一种新的车道线跟踪技术,即水平可调车道重新定位范围(HALRR)算法,该算法可以在左、右或两条车道标记在短时间内部分和完全不可见时跟踪车道位置。
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(下)
|
传感器 编解码 人工智能
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(上)
本文作者提出了一种鲁棒的车道检测和跟踪方法来检测车道线,该方法主要介绍了三个关键技术。首先,应用双边滤波器来平滑和保留边缘,引入了一个优化的强度阈值范围(OITR)来提高canny算子的性能,该算子检测低强度(有色、腐蚀或模糊)车道标记的边缘。第二,提出了一种稳健的车道验证技术,即基于角度和长度的几何约束(ALGC)算法,然后进行霍夫变换,以验证车道线的特征并防止不正确的车道线检测。最后,提出了一种新的车道线跟踪技术,即水平可调车道重新定位范围(HALRR)算法,该算法可以在左、右或两条车道标记在短时间内部分和完全不可见时跟踪车道位置。
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(上)
|
传感器 机器学习/深度学习 监控
基于环境传感器的跌倒检测
在智能监控领域中,基于深度学习的跌倒检测算法已经成为热门的研究方向,具体是利用卷积神经网络检测人体关键点以提取姿态信息,作为获取跌倒动作特征的重要前提,但目标的多尺度问题、人体姿态多样性及复杂场景因素的干扰会产生姿态遮挡和丢失现象,不利于跌倒特征的提取,并且在对跌倒动作进行检测时容易受到相似行为的影响,这些问题给算法的研究增加了难度。
524 0
|
机器学习/深度学习 算法
基于深度神经网络的车辆牌照检测与识别【含代码】
车牌识别系统可以自动检测并识别图像中的车辆牌照,其算法主要包括牌照定位、牌照分割、字符识别等步骤。本文将给出一种基于深度学习的车牌识别系统方案。 要快速掌握开发人工智能系统的技能,推荐汇智网的 机器学习系列在线课程 由于可以自动地从视频图像中提取车辆牌照信息,因此车牌识别系统可以应用于以下行业: 公共安全:用于检测被盗抢车辆,将车牌与盗抢车辆数据库记录比对即可发现。
4933 0
|
索引 数据处理
便携式人体脉搏检测系统(2)
LabView+VISA+PL2303
1582 0

相关课程

更多