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