Conductive Covalent Organic Frameworks as Chemiresistive Sensor Arrays for the Detection and Differentiation of Gasotransmitters
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide This paper describes a chemiresistive sensor array using four structurally analogous, but chemically distinct, conductive covalent organic frameworks (COFs) (M-COF-DC-8, M = Fe, Co, Ni, and Cu) capable of detecting and differentiating four important gaseous analytes: nitric oxide (NO), carbon monoxide (CO), hydrogen sulfide (H 2 S), and ammonia (NH 3 ). The COFs were synthesized from the condensation of 2,3,9,10,16,17,23,24-octaamino-metallophthalocyanine precursors with pyrenetetraone linkers resulting in chemically robust and electrically conductive materials. Chemiresistive sensing experiments, together with machine learning to parse the response pattern of the sensor array, show that the M-COF-DC-8 (M = Fe, Co, Ni, Cu) materials can detect and differentiate this suite of oxidizing and reducing gases at parts-per-million concentrations, with theoretical limits of detection (LOD) in the parts-per-billion range in dry N 2 . Importantly, the COF array containing M-COF-DC-8 (M = Co, Ni, Cu) retains its ability to detect and differentiate these analytes in air and humidity under low power consumption. Spectroscopic investigations reveal that the synthetic control over the identity of the metallophthalocyanine core efficiently tunes material–analyte interactions and, therefore, emergent device performance. The use of highly tunable COFs as the active material in sensor arrays enables low-power, sensitive, and real-time gas detection with future applications in healthcare and personal protection.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».