고성능 가스 센서 개발은 수소 저장, 운송 및 에너지 응용에 필수적인 수소(H2)와 암모니아(NH3)를 감지하는 데 매우 중요하며, 이는 새롭게 부상하는 수소 경제에서 안전성과 효율성을 확보하기 위해 필수적입니다. 수소는 하한 폭발 농도가 4%로 매우 인화성이 높으며, 암모니아는 독성이 강해 심각한 건강 위험을 초래할 수 있으므로 조기 및 정확한 감지가 사고 예방과 안전한 취급을 위해 중요합니다. 그러나 대부분의 수소 센서는 암모니아에 대한 교차감도를 갖고 있어 두 가스를 구분하기 어렵습니다. 또한, 암모니아와 수소의 혼합물은 탄소 배출 제로를 달성하기 위한 대체 연료로 간주됩니다. 혼합물 내 감지는 혼합물의 가연성 및 독성 한계가 개별 가스와 다르기 때문에 안전, 공정 최적화 및 효율적 연료 사용을 위해 정확한 모니터링이 필요합니다. 본 연구에서는 팔라듐(Pd) 나노입자가 장식된 전기정적으로 형성된 나노와이어(Pd-EFN) 센서를 사용하여 저농도에서 H2, NH3 및 그 혼합물을 선택적으로 검출합니다. EFN 센서는 CMOS 호환 공정을 통해 제작된 다중 게이트 고갈 모드 전계효과 트랜지스터(FET)로 독특한 다중 게이트 전기정적 제어를 제공하여 감도와 선택성을 향상합니다. 실험 결과는 서로 다른 백게이트 전압에서 뚜렷한 "전기정적 지문"이 관찰되어 높은 가역성 반응 및 향상된 가스 구분을 보여줍니다. 선형 및 커널 서포트 벡터 머신, AdaBoost, 그래디언트 부스팅, 익스트라 트리, 랜덤 포레스트, 의사 결정 트리, 선형 판별 분석, K-최근접 이웃 등 감독 학습 기법을 이용하여 H2 대 NH3 및 H2 대 (NH3+H2) 구분에서 최대 94% 분류 정확도를 달성했습니다. 또한, VGG-19 신경망을 활용한 전이 학습 접근법과 센서 응답 맵을 입력으로 적용하여 정확도를 각각 약 97% 및 96%로 향상시켰습니다. 더불어, 개별 가스와 혼합물(H2/NH3/(NH3+H2))을 구분하는 능력도 전이 학습을 통해 77%에서 87%로 개선되었습니다. 단일 센서로 고정확도 개별 가스 및 혼합물 식별 능력은 센서 배열이 필요 없으며, 진보된 소형화 및 비용 효율적인 가스 감지 플랫폼 구현에 기여하여 수소 안전 및 환경 모니터링의 실제 적용 가능성을 보여줍니다.
Mukherjee 등(수요일)이 이 질문을 연구했습니다.