饮用水管理不善使全世界数亿人面临危险污染物，这可能威胁公众健康并导致腹泻和癌症等各种疾病的传播。联合国可持续发展目标呼吁到 2030 年普遍和公平地获得安全且负担得起的不含粪便（例如细菌）和重要化学污染物（例如重金属）的饮用水。因此，越来越需要识别水中的潜在健康危害，以提供早期预警并预防灾难性事件，这需要智能、快速、适应性强和连续的传感系统来预测水污染。与最先进的基于质谱技术的实验装置耗时、昂贵且庞大（限制了其连续在线监测的能力）相比，电子传感器由于其卓越的性能而有望完成这项任务（例如，快速响应、高灵敏度和选择性、低成本和易于操作）以及与现有水基础设施和无线数据传输集成的潜力。
基于此情况，威斯康星大学密尔沃基分校（University of Wisconsin-Milwaukee）的研究人员报告了湿转移、阻抗和噪声测量以及机器学习的结合，以促进基于石墨烯的场效应晶体管（GFET）传感器阵列的可扩展纳米制造以及故障设备的有效识别。我们的传感器能够实时检测重金属离子（铅和汞）和流动的自来水中同时存在大肠杆菌细菌。这项研究提供了可靠的质量控制协议，以增加电子传感器监测流水中污染物的潜力。
研究人员将研究成果以“Scalable graphene sensor array for real-time toxins monitoring in flowing water”为题发表在《Nature Communications》上。
图文导读
图 1：基于石墨烯的场效应晶体管 (GFET) 传感器阵列的晶圆级纳米制造和功能化。
图2.用于隔离非理想设备的交流阻抗光谱仪。
图 3：GFET 传感器的噪声频谱测量
图 4：GFET 传感器阵列在流水系统中的测量结果
图 5：用于分类和量化流水中各种混合离子和细菌物种的机器学习 (ML) 模型。
结论
研究团队展示了一种可扩展的方法，用于开发以多种生化配体和抗体为特异性探针的 GFET 传感器阵列装置，以同时检测自来水中的重金属和大肠杆菌。通过在硅衬底上旋涂的方法在晶圆级沉积 GO 分散体，可实现电阻和电流开/关比的窄分布，这对于商业化的电子传感器来说是非常理想的。
为了剔除非理想传感动力学的传感器，可以通过高频阻抗和低频噪声测量预选出理想的器件。在 ML 的帮助下，真实自来水流中的多种毒素可以被成功识别并高精度量化。研究团队的场效应晶体管传感器规模化制造和器件变化最小化策略为未来自来水中各种有毒物质的实时动态预测和水风险管理带来了希望。
原文：https://www.nature.com/articles/s41467-023-39701-0
本文来自Carbontech，本文观点不代表石墨烯网立场，转载请联系原作者。
