【器件论文】机器学习辅助的 CdS/Ga₂O₃ 异质结光电化学传感器用于高灵敏四环素检测

        由浙江农林大学的研究团队在学术期刊 Electrochimica Acta 发布了一篇名为 Machine Learning-Assisted CdS / Ga₂O₃ Heterojunction PEC Sensor for Sensitive Tetracycline Detection（机器学习辅助的 CdS/Ga₂O₃ 异质结光电化学传感器用于高灵敏四环素检测）的文章。

摘要

        本文构建了一种由宽带隙 Ga₂O₃ 与窄带隙 CdS 组成的 PEC 传感器，用于增强土霉素（TC）检测性能，从而克服传统方法中灵敏度低、操作复杂等局限。CdS/ Ga₂O₃ 复合材料通过一步水热法合成，实现了通过能带调控来高效分离与传输光生载流子。与纯 CdS 或纯 Ga₂O₃ 相比，该异质结的光电流提高了六倍，响应速度和衰减速度显著改善，稳定性亦大幅提升。传感器在 TC 浓度范围 1 pM 至 50 μM 内表现出优异的重复性（RSD = 0.359 %）、选择性和灵敏度，并实现了 0.045 μM 的低检测限。在湖水和河水样本中的测试进一步证实了其较高的实际应用能力（RSD < 2 %）。为进一步提升检测精度，研究采用了三种机器学习算法——SVR、随机森林和 XGBoost——对不同 TC 浓度下的光电响应数据进行分析，通过交叉验证与特征筛选构建预测模型。其中，随机森林表现最佳，在误差评估与拟合精度上均优于其他算法，并进一步强化了 TC 浓度与光电响应之间的线性关联。该研究为抗生素的定量检测提供了新的思路，并凸显了异质结工程在 PEC 传感器优化中的潜力。

原文链接：

https://doi.org/10.1016/j.electacta.2025.147851