2023年8月10日，博鱼体育官网登录入口卢丽敏教授和软件学院艾施荣副教授为共同通讯作者，硕士研究生姚航为论文第一作者，在TOP二区《Chemosphere》(IF= 8.8)发表题为“A machine learning strategy-incorporated BiFeO₃/Ti₃C₂ MXene electrochemical platform for simple, rapid detection of Pb²⁺ with high sensitivity”的论文，该研究工作得到了国家自然科学基金、江西省自然科学基金和江西省教育厅基金的支持。

电化学技术广泛应用于水体系中重金属离子的检测，而获得最优的实验参数是传感器实现最佳检测性能的先决条件，但是常用的一次一因子(OFAT)优化方法需要进行大量繁琐、耗时且不同步的实验，导致检测效率不理想。

为了解决这一问题，本文提出一种新的机器学习(ML)策略，结合铁酸铋/碳化钛(BiFeO₃/MXene)电极材料构建了新颖的电化学传感器用于Pb²⁺的高灵敏检测。BiFeO₃/MXene复合材料具有互连的骨架结构、丰富的活性位点和大表面积，表现出优异的电子导电性和对Pb²⁺的高富集率。此外，采用正交实验设计(OED)结合反向传播人工神经网络(BPANN)和遗传算法(GA)对支撑电解质pH、BiFeO₃/MXene修饰体积、沉积电位和沉积时间等传感器参数进行优化，获得了精确的检测参数，进而提高了该电化学传感器的检测性能。所构建的电化学传感器对Pb²⁺的检测限低至0.0001 μg·L^-1。

原文链接: https://doi.org/10.1016/j.chemosphere.2023.139728