2023年8月10日，6165cc金沙总站卢丽敏教授和软件学院艾施荣副教授为共同通讯作者，硕士研究生姚航为论文第一作者，在TOP二区《Chemosphere》(IF= 8.8)发表题为“A machine learning strategy-incorporated BiFeO₃/Ti₃C₂ MXene electrochemical platform for simple, rapid detection of Pb²⁺ with high sensitivity”的论文，该研究工作得到了国家自然科学基金、江西省自然科学基金和江西省教育厅基金的支持。

电化学技术广泛应用于水体系中重金属离子的检测，而获得最优的实验参数是传感器实现最佳检测性能的先决条件，但是常用的一次一因子(OFAT)优化方法需要进行大量繁琐、耗时且不同步的实验，导致检测效率不理想。

为了解决这一问题，本文提出一种新的机器学习(ML)策略，结合铁酸铋/碳化钛(BiFeO₃/MXene)电极材料构建了新颖的电化学传感器用于Pb²⁺的高灵敏检测。BiFeO₃/MXene复合材料具有互连的骨架结构、丰富的活性位点和大表面积，表现出优异的电子导电性和对Pb²⁺的高富集率。此外，采用正交实验设计(OED)结合反向传播人工神经网络(BPANN)和遗传算法(GA)对支撑电解质pH、BiFeO₃/MXene修饰体积、沉积电位和沉积时间等传感器参数进行优化，获得了精确的检测参数，进而提高了该电化学传感器的检测性能。所构建的电化学传感器对Pb²⁺的检测限低至0.0001 μg·L^-1。

原文链接: https://doi.org/10.1016/j.chemosphere.2023.139728