近日，徐锡金教授团队在气敏传感领域取得重要研究进展，相关工作以题为" Fully Self-Powered Gas Sensor through Fe-Ion Doping Engineering in Ni2P for Ultrasensitive and Visualized NO2 Sensing"的研究论文发表于国际传感器领域重要期刊ACS Sensors上（中科院一区，影响因子9.1）。硕士研究生孙召坤为论文第一作者，王晓副教授与徐锡金教授为共同通讯作者，自慰高潮
为第一完成单位。
本工作报道了一种基于锌空气电池（ZABs）的NO2气体传感器，该传感器将铁掺杂磷化镍（FNP）作为气敏材料应用于ZABs的正极，并结合深度学习算法来提高传感性能。由于Fe掺杂引起的电子离域化和电荷重分布，FNP催化剂载流子迁移率显著提高。此外，Fe掺杂引起的d带中心向费米能级的偏移有利于更强的O 2p/Fe d轨道杂化，并使得吸附物与底物的相互作用增强，NO2还原反应的吉布斯自由能降低。电荷密度的差异也表明了电子从FNP向NO2的转移和电子在O位点的积累。该传感器表现出高响应（0.22 V @ 20 ppm），低检测极限（LOD: 61.8 ppb）和快速传感速度（14 s）。通过引入了InceptionTime模型和小波变换算法，使传感器能够实现出色的气体识别和浓度定量，同时使得LOD降低至36.9 ppb。最后，利用传感器、STM32微控制器和电致变色装置构建了智能传感装置，用于远程和可视化气体检测。
传感器应用场景示意图(a)、人体嗅觉系统示意图(b)、基于ZABs的智能传感系统 (c)、神经网络模型和Daubechies小波尺度函数 (d)、可视化传感器概念图 (e)
撰稿：王晓 编辑：弋媛 审核：徐锡金
