محققان حسگری ساخته شده از “دود یخ زده” ساخته اند که از تکنیک های هوش مصنوعی برای تشخیص فرمالدئید درلحظه را در غلظت های کم از هشت قسمت در میلیارد استفاده می کند که بسیار فراتر از حساسیت اکثر سنسورهای کیفیت هوای داخلی است.
محققان دانشگاه کمبریج حسگرهایی ساخته‌اند که از مواد بسیار متخلخل به نام آئروژل ساخته شده‌اند. با مهندسی دقیق شکل سوراخ ها در آئروژل ها، حسگرها توانستند اثر انگشت فرمالدئید، یک آلاینده معمولی هوای داخل خانه است را در دمای اتاق تشخیص دهند.
حسگرهای اثبات مفهوم، که به حداقل قدرت نیاز دارند، می توانند برای شناسایی طیف گسترده ای از گازهای خطرناک تطبیق داده شوند و همچنین می توانند برای کاربردهای پوشیدنی و مراقبت های بهداشتی کوچک شوند.
ترکیبات آلی فرار (VOCs) منبع اصلی آلودگی هوای داخل ساختمان هستند که باعث آبریزش چشم، سوزش در چشم و گلو و مشکل در تنفس در غلظت بالا می‌شوند. غلظت بالا می تواند باعث حملات در افراد مبتلا به آسم شود و قرار گرفتن در معرض طولانی مدت ممکن است باعث ایجاد برخی سرطان ها شود.
فرمالدئید یک VOC(ترکیب آلی فرار) رایج است و از وسایل خانگی از جمله محصولات چوبی فشرده (مانند MDF)، کاغذ دیواری ها و رنگ ها و برخی پارچه های مصنوعی منتشر می شود. در بیشتر موارد، سطوح فرمالدئید ساطع شده توسط این اقلام کم است، اما سطوح می تواند در طول زمان افزایش یابد، به خصوص در گاراژهایی که رنگ ها و سایر محصولات ساطع کننده فرمالدئید به احتمال زیاد ذخیره می شوند.
طبق گزارش سال 2019 از گروه «روز هوای پاک»، یک پنجم خانوارها در بریتانیا غلظت قابل توجهی از فرمالدئید را نشان دادند، به طوری که 13 درصد از خانه ها از حد توصیه شده توسط سازمان بهداشت جهانی (WHO) فراتر رفتند.
پروفسور توفیق حسن از گرافن کمبریج گفت: “VOCهایی مانند فرمالدئید می توانند با قرار گرفتن در معرض طولانی مدت حتی در غلظت های پایین منجر به مشکلات جدی برای سلامتی شوند، اما حسگرهای فعلی حساسیت یا انتخاب پذیری لازم برای تمایز بین VOC هایی که تأثیرات متفاوتی بر سلامت دارند را ندارند.” مرکز، که پژوهش را رهبری کرد.
ژو چن، نویسنده اول مقاله گفت: «ما می‌خواستیم حسگری بسازیم که کوچک باشد و انرژی زیادی مصرف نکند، اما بتواند فرمالدئید را در غلظت‌های پایین تشخیص دهد.
محققان حسگرهای خود را بر اساس آئروژل ها قرار دادند: مواد فوق سبک که گاهی اوقات به عنوان دود مایع شناخته می شوند، زیرا بیش از 99 درصد حجم آنها هوا است. ساختار باز آئروژل ها به گازها اجازه می دهد به راحتی به داخل و خارج شوند. با مهندسی دقیق شکل یا مورفولوژی سوراخ ها، آئروژل ها می توانند به عنوان حسگرهای بسیار موثر عمل کنند.
محققان کمبریج با همکاری همکاران خود در دانشگاه وارویک، ترکیب و ساختار آئروژل ها را برای افزایش حساسیت آنها به فرمالدئید بهینه کردند و آنها را به رشته هایی در حدود سه برابر عرض یک موی انسان تبدیل کردند. محققان خطوط خمیری ساخته شده از گرافن و شکل دوبعدی کربن را به صورت سه بعدی پرینت کردند و سپس خمیر گرافن را در حالت انجمادی خشک کردند تا سوراخ هایی در ساختار آئروژل نهایی ایجاد شود. آئروژل ها همچنین دارای نیمه هادی های کوچکی هستند که به عنوان نقاط کوانتومی شناخته می شوند.
حسگرهایی که آنها توسعه دادند قادر به تشخیص فرمالدئید در غلظت‌های کم‌تر از هشت قسمت در میلیارد بودند که 0.4 درصد سطحی است که در محیط‌های کاری بریتانیا ایمن تلقی می‌شود. سنسورها همچنین در دمای اتاق کار می کنند و انرژی بسیار کمی مصرف می کنند.
محققان افرودند: حسگرهای گاز سنتی باید گرم شوند، اما به دلیل روشی که ما مواد را مهندسی کرده‌ایم، حسگرهای ما در دمای اتاق بسیار خوب کار می‌کنند، بنابراین بین 10 تا 100 برابر انرژی کمتری نسبت به سایر حسگرها مصرف می‌کنند.
برای بهبود گزینش پذیری، محققان سپس الگوریتم های یادگیری ماشین را در حسگرها گنجانیدند. الگوریتم‌ها برای تشخیص اثر انگشت گازهای مختلف آموزش داده شدند، به طوری که حسگر قادر بود اثر انگشت فرمالدئید را از سایر VOCها تشخیص دهد.
آشکارسازهای VOC موجود ابزارهای بی‌نقصی هستند شما فقط یک عدد برای غلظت کلی در هوا دریافت می‌کنید. با ساخت سنسوری که قادر به تشخیص VOC های خاص در غلظت های بسیار کم در زمان واقعی است، می تواند تصویر دقیق تری از کیفیت هوا و خطرات احتمالی سلامتی را به صاحبان خانه و مشاغل ارائه دهد
محققان می گویند که از همین روش می توان برای توسعه حسگرهایی برای تشخیص سایر VOC ها استفاده کرد. در تئوری، دستگاهی به اندازه یک آشکارساز استاندارد مونوکسید کربن خانگی می‌تواند چندین حسگر مختلف را در خود جای دهد و اطلاعات بلادرنگی را در مورد طیف وسیعی از گازهای خطرناک مختلف ارائه دهد. تیم Warwick در حال توسعه یک پلتفرم چند حسگر ارزان قیمت است که این مواد جدید آئروژل را در خود جای داده و همراه با الگوریتم های هوش مصنوعی، VOC های مختلف را شناسایی می کند.
.Materials provided by University of Cambridge. The original text of this story is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License. Note: Content may be edited for style and length
