近日，中国矿业大学职业健康研究院与澳门大学等单位开展联合研究，在危险气体检测领域取得重要进展。成果以论文“Surface electronic structure modulation of PdO/SnO2 through loading Pd for superior hydrogen sensing performance”形式发表于化工领域顶刊Chemical Engineering Journal（中科院一区TOP、IF=13.2）。该研究在我院何新建教授、黄胜副教授共同指导下完成，第一作者为我校安全22级博士研究生高丹红。
在全球能源结构转型与绿色低碳发展加速推进的背景下，氢能作为清洁、高效且可再生的战略能源，正逐步渗透至化工、交通、能源等多个关键领域。然而，氢气易燃易爆、无色无味的特性，令其泄漏隐患成为制约其大规模应用的瓶颈之一。特别是在封闭或高危工业环境中，即便是微量泄漏也可能引发严重事故，亟需具备高灵敏度、低检测限和高选择性的氢气传感器进行快速痕量检测。
图1.气敏机理示意图
近期，研究团队聚焦金属氧化物半导体（MOS）在氢气检测中的核心技术瓶颈，创新性地构建出一种具备梯度能级结构的介孔Pd-PdO/SnO₂双壳微球传感器，突破传统材料在灵敏度、响应速度、抗干扰与湿度容忍度等多维性能的瓶颈限制。研究通过软模板诱导调控手段，精确构筑出Pd富集外壳/Sn富集内壳的核壳结构，实现了电子定向迁移路径的构建与肖特基势垒调控。
图2.(a)所有样品的XRD图谱；(b, c) SnO2的SEM和TEM图像；(d, e, f) 5 at.% Pd-PdO/SnO2 DSMs的SEM、TEM和高分辨率TEM图像；(h)~(l) 5 at.% Pd-PdO/SnO2的能量色散X射线光谱（EDS）元素（Sn、Pd和O）映射图。
依托PdO-SnO2界面的能级差驱动，该结构有效提升了电子-空穴对分离效率，并在162.5°C下实现对痕量氢气（0.5 ppm）的快速识别，响应值（Ra/Rg）高达35，响应/恢复时间分别仅为0.2 s与4.8 s，展现出超快动力学特性与宽量程线性响应（0.5–8000 ppm）。在湿度干扰始终是传感器实用化难题的背景下，研究进一步融合机器学习智能算法，精准解析传感器多维响应特征，实现了在80%相对湿度下依然维持91%检测准确率的优异性能，显著提升了在高湿工业环境中的实用可靠性。密度泛函理论（DFT）模拟表明，梯度能级Pd-PdO/SnO2结构显著增强了H2分子的吸附能力（-0.76 eV）、电荷转移效率（提升46倍）和电子密度富集（态密度提升68%），并将解离势垒从1.32 eV降至0.85 eV，从而加速反应过程、提升响应强度。该核壳微球在高温高湿等复杂工况下依然保持优异的结构稳定性与化学可靠性，为氢能安全保障的智能化传感系统构建提供了坚实支撑。
图3.(a)Pd-PdO/SnO2 DSMs结构示意图；(b)SnO2、PdO/SnO2和5at.% Pd-PdO/SnO2传感器在不同工作温度下的响应；(c)50 ppm到8000 ppm氢气的恢复曲线；(d)浓度拟合曲线；(e) 0.5 ppm到20 ppm氢气的恢复曲线；(f) 5 at.% Pd-PdO/SnO2传感器在1000 ppm氢气下的单次响应曲线；(g)5 at.% Pd-PdO/SnO2传感器在1000 ppm氢气下的稳定响应/恢复曲线；(h)1000 ppm氢气下的气体选择性。
该传感器采用了先进的感知神经网络（MLP）算法，利用机器学习技术对氢气浓度进行精确分类。通过对不同氢气浓度数据的处理，发现该传感器在识别准确率方面表现出了91%的优秀结果，能够稳定工作并且避免过拟合，适用于多种复杂环境中的氢气监测。特别是在高湿度环境下，5 at.% Pd-PdO/SnO₂传感器能够高效地识别氢气浓度，并维持稳定的性能表现，显著提高了气体检测的可靠性。此外，结合主成分分析（PCA）降维技术，该传感器能够更好地在二维空间中分离不同浓度的氢气样本，进一步提高了特征提取和分类的精度。这一创新成果不仅为氢气传感器的研究开辟了新方向，也为未来智能化、自动化气体检测技术的普及奠定了基础，尤其在工业安全、环境监测以及能源领域的氢气泄漏检测中，具有广泛的应用前景。
图4.(a) 特征值提取；(b) MLP感知神经网络；(c) 混淆矩阵；(d) 测试集和验证集的准确度损失函数曲线；(e) ROC曲线；(f) PCA降维后决策边界的散点图。
文章链接为：https://doi.org/10.1016/j.cej.2025.163694
