Российские ученые разработали первый в мире «электронный нос», чувствительный сразу к нескольким токсичным газам. Полученные сенсоры не требуют большой мощности батареи, стабильны при высокой влажности и способны распознать наличие всего 30 молекул диоксида азота или этилмеркаптана, обеспечивающего «запах газа», среди миллиарда молекул азота и кислорода, из которых состоит воздух. Такие устройства помогут отслеживать состояние окружающей среды, регулировать работу промышленных предприятий и оценивать свежесть скоропортящейся еды. С результатами работы можно ознакомиться в журнале Scientifc Reports. Проект поддержан грантом Российского научного фонда (РНФ).
Фото датчика вместе с чипом. Монетка для масштаба. Источник: Сергей Пономаренко
Токсичные газы, такие как оксиды азота, сероводород, меркаптаны и аммиак, представляют большой интерес для исследователей, поскольку связаны с загрязнением воздуха промышленными предприятиями и двигателями внутреннего сгорания. В то же время обнаруженные в выдыхаемом воздухе человека эти соединения могут быть маркерами ряда опасных заболеваний. Например, у пациентов с астмой концентрация оксида азота в выдыхаемом воздухе возрастает с приближением приступа. Компактное устройство, детектирующее этот газ, предупредит больного и позволит вовремя принять лекарства. Кроме того, продукты питания при порче выделяют аммиак и сероводород, сенсоры к которым можно интегрировать в холодильники или «умную» упаковку. С помощью такого «электронного носа» можно будет легко определить, какие продукты еще можно безопасно употреблять, уменьшив количество выброшенных свежих продуктов, а какие уже пора списывать, что снизит частоту пищевых отравлений.
Крайне перспективными для этого класса задач сегодня считаются газовые сенсоры на основе тонких пленок органических полупроводников. Когда на эти пленки попадают молекулы токсичного газа, их электрические свойства немного изменяются. Чтобы регистрировать слабые сигналы с пленок, ученые собрали из них специальную систему, называемую транзистором. Она позволяет усилить сигнал и зарегистрировать малейшие концентрации токсичного газа.
Сенсоры на основе транзисторов обычно плохо отличают разные молекулы и нестабильны, особенно во влажном воздухе, что затрудняет их использование. Для решения этой проблемы ученые из Института синтетических полимерных материалов имени Н.С. Ениколопова РАН (Москва) решили объединить несколько различных сенсоров в массив и обрабатывать приходящие с него сигналы методами машинного обучения. Такой подход имитирует работу обоняния млекопитающих, где множество сенсоров выполняет функцию обонятельного эпителия с большим количеством разных рецепторов, а машинное обучение — роль обонятельной коры в мозге. Именно поэтому изобретение назвали «электронным носом».
Экспериментальная установка для определения свежести продуктов. Источник: Даниил Анисимов
«Ранее наш коллектив разработал способ управления чувствительностью таких сенсоров к отдельным газам, а в данной работе мы смогли объединить большое количество датчиков на одном чипе и продемонстрировали электронную систему на основе органических транзисторов, работающую как обоняние», — сообщил руководитель гранта РНФ Сергей Пономаренко, доктор химических наук, директор и заведующий лабораторией функциональных материалов для органической электроники и фотоники ИСПМ РАН.
Ученые покрыли синтезированные в ИСПМ РАН пленки дополнительными рецепторными слоями. Эти слои содержали вещества, называемые металлопорфиринами, в которые включены ионы металлов. Прямоугольный чип с 20 сенсорами последовательно окунали в три различных раствора с модифицирующими соединениями. Это позволило объединить на малой площади четыре группы сенсоров, которые по-разному реагировали на исследованные газы. Далее электрические сигналы от каждой из этих групп анализировали методами машинного обучения с целью обнаружить характерные «отпечатки», свойственные определенным газам. Именно разница в откликах нескольких групп сенсоров позволила различать между собой диоксид азота, сероводород, этилмеркаптан и аммиак. Чувствительность полученного анализатора позволяет обнаружить всего несколько десятков молекул серо- и азотсодержащих газов среди миллиарда молекул окружающего воздуха.
На основе такого массива сенсоров ученые создали прототип портативного устройства для испытаний без использования дорогостоящего и массивного лабораторного оборудования. Прибор интерпретировал сигналы с чувствительных слоев и выводил информацию об обнаруженных газах и их концентрациях конечному пользователю. Поскольку при порче мясных продуктов выделяются летучие производные сероводорода и аммиака, формирующие неприятный запах, ученые решили проверить собранную установку на практике. Для этого исследователи установили сенсор на крышку пищевого контейнера с сырым мясом и следили за изменением сигнала. Уже на десятом часу хранения уровень сигнала позволил сказать о том, что мясо испорчено.
Авторы статьи, входящие в научный коллектив лаборатории. Источник: Сергей Пономаренко
Благодаря низкой стоимости и малому энергопотреблению большое количество таких датчиков, объединенных в «умную» сеть, можно будет использовать в современных городах и на промышленных предприятиях для своевременного обнаружения выбросов опасных газов в атмосферу и точной локализации их источника.
«Предложенный подход по конструированию массива сенсоров позволит собирать высокоспецифичные наборы рецепторных слоев для различных задач. В работе мы продемонстрировали одно из таких применений — портативное устройство для определения свежести мяса. Мы надеемся, что в будущем наша технология позволит создавать "умные" холодильники или целые комнаты хранения продуктов», — отметил первый автор статьи Даниил Анисимов, младший научный сотрудник ИСПМ РАН.
На следующем шаге ученые планируют создать компактную станцию контроля качества воздуха для «умных» городов и испытать ее в Москве, а также доработать и апробировать «электронный нос» в качестве портативного прибора ранней диагностики воспалительных заболеваний легких. Сейчас авторы оптимизируют производственные процессы и собирают новые данные для более точной классификации различных газов методами машинного обучения.
Информация и фото предоставлены пресс-службой Российского научного фонда
