CN113223642B - 钴掺杂改性氮化铟传感器检测有毒气体的仿真方法 - Google Patents
钴掺杂改性氮化铟传感器检测有毒气体的仿真方法 Download PDFInfo
- Publication number
- CN113223642B CN113223642B CN202110479957.9A CN202110479957A CN113223642B CN 113223642 B CN113223642 B CN 113223642B CN 202110479957 A CN202110479957 A CN 202110479957A CN 113223642 B CN113223642 B CN 113223642B
- Authority
- CN
- China
- Prior art keywords
- cobalt
- indium nitride
- gas
- doped
- adsorption
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- NWAIGJYBQQYSPW-UHFFFAOYSA-N azanylidyneindigane Chemical class [In]#N NWAIGJYBQQYSPW-UHFFFAOYSA-N 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 43
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 title claims abstract description 38
- 229910017052 cobalt Inorganic materials 0.000 title claims abstract description 26
- 239000010941 cobalt Substances 0.000 title claims abstract description 26
- 238000004088 simulation Methods 0.000 title claims abstract description 21
- 239000002341 toxic gas Substances 0.000 title claims description 8
- 238000001179 sorption measurement Methods 0.000 claims abstract description 42
- 239000002356 single layer Substances 0.000 claims abstract description 30
- 230000004044 response Effects 0.000 claims abstract description 21
- 239000010410 layer Substances 0.000 claims abstract description 18
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 17
- 231100000719 pollutant Toxicity 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 14
- 230000007246 mechanism Effects 0.000 claims abstract description 11
- 239000007789 gas Substances 0.000 claims description 60
- 125000004429 atom Chemical group 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 125000004433 nitrogen atom Chemical group N* 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 229910052723 transition metal Inorganic materials 0.000 claims description 3
- 150000003624 transition metals Chemical class 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000003775 Density Functional Theory Methods 0.000 claims 1
- 241000170489 Upis Species 0.000 claims 1
- 239000006185 dispersion Substances 0.000 claims 1
- 229910052757 nitrogen Inorganic materials 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 8
- 229910052751 metal Inorganic materials 0.000 abstract description 5
- 239000002184 metal Substances 0.000 abstract description 5
- 238000012216 screening Methods 0.000 abstract description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 230000006698 induction Effects 0.000 description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 229910021529 ammonia Inorganic materials 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003574 free electron Substances 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- APFVFJFRJDLVQX-UHFFFAOYSA-N indium atom Chemical group [In] APFVFJFRJDLVQX-UHFFFAOYSA-N 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002052 molecular layer Substances 0.000 description 1
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000011540 sensing material Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明公开了一种钴掺杂改性氮化铟传感器检测气体污染物的仿真方法，该方法包括以下步骤：S1.筛选气体污染物NH3和H2S，对气体分子进行几何优化；S2.对钴金属掺杂的氮化铟单分子层进行几何优化，得出最稳定的掺杂结构；S3.对两种气体分子在钴掺杂改性的氮化铟单分子层表面的吸附过程进行仿真；S4.通过仿真数据得出钴掺杂改性的氮化铟单分子层吸附两种气体污染物的气敏机理，确定改性后的传感器响应。钴掺杂可以大大提高氮化铟传感器对NH3和H2S的气敏性能。通过这种方法，可以对钴掺杂改性的氮化铟传感器的气敏机理进行分析，并确定改性后的结构吸附气体污染物的传感器响应，为钴掺杂的氮化铟传感器检测NH3和H2S气体污染物提供理论基础。
Description
技术领域
本发明涉及一种气体传感器仿真方法，尤其涉及氮化铟传感器检测气体污染物的仿真方法。
背景技术
硫酸盐和氨是造成雾霾天气的主要化学成分，有毒气体氨气(NH3) 和硫化氢(H2S)对人类的生存环境和健康造成的威胁日益严重。NH3等气体造成的大气污染已经成为全球性问题。H2S不仅是主要的环境污染物，还是SF6的主要分解组分，通过检测H2S可以反映气体绝缘组合电器的绝缘性能。吸附和检测NH3和H2S两种气体对工业和环境工程具有重大的意义。
在现有技术中，常用气体检测管法、气相色谱法和传感器法来检测气体污染物。在众多方法中，利用气敏材料吸附气体前后电阻率变化原理制成的电阻式传感器具有体积小、灵敏度高和响应快等优点。氮化铟(InN)单分子层的热稳定性好、带隙较宽，其单层膜对气体的吸附和传感性能良好。过渡金属的d轨道与气体分子轨道重叠，掺杂过渡金属的结构对气体分子的气敏响应会增强。InN单分子层是一种很有前途的传感材料，目前，缺少钴(Co)掺杂类石墨烯结构InN单分子层吸附和感应上述两种气体的准确方法。
发明内容
本发明鉴于背景技术的不足提出一种基于钴掺杂改性的氮化铟单分子层吸附和感应气体污染物NH3和H2S的方法，确定改性后的结构吸附气体污染物的传感器响应，提供钴掺杂的氮化铟传感器检测上述两种气体污染物的传感机理，加速新型传感器在检测NH3和H2S 气体方面的发展。
一种钴掺杂氮化铟单分子层吸附和感应NH3和H2S的仿真方法，包括以下步骤：
S1.筛选气体污染物NH3和H2S，对气体分子进行几何优化；
S2.对钴金属掺杂的氮化铟单分子层进行几何优化，得出最稳定的掺杂结构；
S3.对两种气体分子在钴掺杂改性的氮化铟单分子层表面的吸附过程进行仿真；
S4.通过仿真数据得出钴掺杂改性的氮化铟单分子层吸附两种气体污染物的气敏机理，确定改性后的传感器响应。
可选的，对钴金属掺杂的氮化铟单分子层进行几何优化，包括：
切割表面，建立超晶胞，设置真空层以避免临近单元的相互作用，运用Monkhorst–Pack方法对布里渊区的k点采样，设置能量收敛精度，最大应力和最大位移；
可选的，对钴金属掺杂的氮化铟单分子层进行几何优化之后，找出最稳定的掺杂结构，选取使|Eatom+EInN-ECo-InN|的值最大的掺杂方式。Eatom，EInN和ECo-InN分别表示钴原子的能量，和掺杂钴原子前氮化铟单分子层的能量，掺杂钴原子后氮化铟单分子层的能量，能量的单位为eV；
可选的，对NH3和H2S在钴掺杂改性的氮化铟单分子层表面的吸附过程进行仿真，方法为：在相同参数下，模拟气体分子通过不同方式接近氮化铟表面的吸附过程，寻找最稳定的吸附结构；
可选的，通过仿真数据得出钴掺杂改性的氮化铟单分子层吸附两种气体污染物的气敏机理，包括：吸附能，电荷转移，态密度，能带结构，最小作用距离；
进一步，确定改性后氮化铟传感器的时间响应和温度响应，响应值S的计算方法为：
Rgas是传感器在给定气体下的电阻，Rair是传感器在空气下的电阻；
分别以温度和时间为横轴，传感器响应值为纵轴可以得到传感器的温度响应和时间响应曲线。
本发明的有益效果是：通过本发明，构造类石墨烯InN单分子层，得到Co原子在InN表面的最稳定掺杂位点，改善InN单分子层的气敏性能。可以对Co掺杂改性的InN单分子层吸附和感应NH3和H2S 的过程进行理论分析，把握钴掺杂的氮化铟传感器的传感机理，简化实际实验，把握传感器在最佳工作温度下的时间响应，判断NH3和 H2S气体浓度。
附图说明
附图1为本发明的流程图；
附图2为四种不同钴掺杂方式的氮化铟单分子层结构模型；
附图3为钴掺杂氮化铟单分子层吸附不同气体分子的态密度；
附图4为优化后的NH3分子结构模型；
附图5为为优化后的H2S分子结构模型；
具体实施方式
下面结合附图和实例对本发明进行详细阐述。
本发明提供一种钴掺杂氮化铟单分子层吸附和感应NH3和H2S 的仿真方法，包括以下步骤：
S1.筛选气体污染物NH3和H2S，对气体分子进行几何优化；
S2.对钴金属掺杂的氮化铟单分子层进行几何优化，得出最稳定的掺杂结构；
S3.对两种气体分子在钴掺杂改性的氮化铟单分子层表面的吸附过程进行仿真；
S4.通过仿真数据得出钴掺杂改性的氮化铟单分子层吸附两种气体污染物的气敏机理，确定改性后的传感器响应；
本实例中，步骤S1中，根据分子式建立分子球棍模型，优化时的具体参数设置如下：
能量收敛精度，最大应力和最大位移分别设置为1x10-5Ha，和自洽场公差设置为1x10-6Ha。
本实例中，步骤S2中，确定最稳定的掺杂结构的步骤如下：
构造类石墨烯InN单分子层，首先切割InN(001)表面；建立4x 4x1的超晶胞，其中包含16个In原子和16个N原子；设置的真空层避免相邻分子层之间的相互作用；
对InN单分子层进行优化，优化时的具体参数设置如下：
在几何优化(Geometry Optimization)任务下，优化精度(Quility)选择“Customized”，由于钴原子的加入自旋不受限制勾选“Spin unrestricted”选项,还应勾选“Use formal spin as initial”和“Use symmertry”两个选项；利用广义梯度近似(GGA)的Perdew Burke Ernzerho(PBE)梯度修正函数导出交换关联能；布里渊区k点设置为 7x7x1；
选取使|Eatom+EInN-ECo-InN|的值最大的掺杂方式，此时的结构为最稳定掺杂结构；
Eatom，EInN和ECo-InN分别表示钴原子的能量，和掺杂钴原子前氮化铟单分子层的能量，掺杂钴原子后氮化铟单分子层的能量，能量的单位为eV。
本实例中，步骤S3中，对两种气体分子在钴掺杂改性的氮化铟单分子层表面的吸附过程进行仿真，仿真参数设置与步骤S1和S2相同，具体步骤如下：
NH3和H2S分子以不同的方式接近改性后的氮化铟分子层表面，确定最稳定的吸附结构。
确定最稳定吸附结构的方法：计算吸附能Ead，计算方法如下：
Ead＝Egas/surface-Egas-Esurface
其中，Egas/surface为吸附气体后系统的总能量，Esurface为吸附气体前掺杂结构的总能量，Egas为气体分子的能量。负的吸附能表示气体吸附过程是一个放热过程，可以自发进行。
选取|Ead|最大的结构为最稳定的吸附结构。
本实例中，步骤S4中，通过仿真数据得出钴掺杂改性的氮化铟单分子层吸附两种气体污染物的气敏机理，包括：
作出掺杂后的氮化铟单分子层吸附气体前后的态密度图；
作出掺杂后的氮化铟单分子层吸附气体前后的能带结构图；
根据吸附气体前后态密度图和能带结构图的变化，从微观上研究氮化铟吸附NH3和H2S的气敏机理。
步骤S4中，还包括确定传感器响应的方法，响应值S的计算方法为：
Rgas是传感器在给定气体下的稳定电阻，Rair是传感器在空气下的稳定电阻；
分别以温度和时间为横轴，传感器响应值为纵轴可以得到传感器的温度响应和时间响应曲线。
以下通过实例对本发明做出进一步说明：
四种不同钴掺杂方式的氮化铟单分子层结构模型如图2所示： (1)钴原子位于氮原子的上方；(2)钴原子替代氮原子；(3)钴原子位于氮原子和铟原子之间的桥位；(4)钴原子位于环的空心中。
四种掺杂方式掺杂后结构的总能量表1所示，能量最低、最稳定的掺杂方式为(1)。
表1四种不同钴掺杂方式掺杂后氮化铟系统的能量
对NH3和H2S分子在氮化铟表面的吸附过程仿真，得到的吸附距离，吸附能，电荷转移数据如表2所示。负的吸附能代表吸附过程是一个放热过程，反应可以自发进行。两种气体的吸附能绝对值都超过了0.8eV，为化学吸附。此外，H2S在改性氮化铟表面的吸附能和吸附距离都大于NH3。
表2钴掺杂的氮化铟单分子层吸附NH3和H2S分子的吸附距离、吸附能、电荷转移和能带宽度。
钴掺杂的氮化铟单分子层吸附NH3和H2S分子前后的态密度图如图3所示。吸附H2S后态密度整体向右移动，意味着有更多的电子填充到价带和导带之间，费米能级处态密度的值升高，电子更容易从价带跃迁到导带，产生自由电子和空穴，氮化铟表面的电导率上升。而改性氮化铟表面吸附NH3的情况则刚好相反，整个态密度向左移动，伴随着费米能级处态密度的下降，电导率也下降。
通过本发明，构造类石墨烯InN单分子层，得到Co原子在InN 表面的最稳定掺杂位点，改善InN单分子层的气敏性能。研究人员可以对Co掺杂改性的InN单分子层吸附和感应NH3和H2S的过程进行理论分析，把握钴掺杂的氮化铟传感器的传感机理，简化实际试验；把握传感器在最佳工作温度下的时间响应，判断NH3和H2S气体浓度。
Claims (5)
1.钴掺杂改性氮化铟传感器检测有毒气体仿真方法，其特征包括：
S1.根据气体污染物NH3和H2S的分子式建立分子球棍模型，构建类石墨烯结构的氮化铟单分子层；
S2.确定钴元素在氮化铟单分子层表面的能量最低的掺杂方式；
S3.对气体分子以不同方式靠近钴掺杂改性的氮化铟单分子层表面的吸附过程进行仿真，得到吸附距离、电荷转移、吸附能、态密度的数据，
S4.根据S3气体吸附仿真计算得到的数据，得到钴掺杂氮化铟传感器吸附NH3和H2S的气敏机理；确定改性后的传感器响应。
2.根据权利要求1所述的钴掺杂改性氮化铟传感器检测有毒气体仿真方法，其特征在于，步骤S1构造类石墨烯InN单分子层，首先切割InN(001)表面；建立4ⅹ4ⅹ1的超晶胞，其中包含16个In原子和16个N原子；设置的真空层避免相邻分子层之间的相互作用。
3.根据权利要求1所述的钴掺杂改性氮化铟传感器检测有毒气体仿真方法，其特征在于，步骤S2中选用过渡金属元素钴对氮化铟单分子层进行表面掺杂，选取使体系能量最低的掺杂方式，所有计算基于密度泛函理论进行，使用Grimme方法进行DFT-D色散校正。
4.根据权利要求1所述的钴掺杂改性氮化铟传感器检测有毒气体仿真方法，其特征在于，步骤S2和S3中所有仿真计算的k点设置为7ⅹ7ⅹ1；步骤S3中，将气体分子放置在距离氮化铟单分子层表面的位置进行吸附仿真。
5.根据权利要求3所述的钴掺杂改性氮化铟传感器检测有毒气体仿真方法，选取使体系能量最低的掺杂方式的方法，当钴原子的掺杂位点位于氮原子上方时，钴原子和掺杂钴原子前后的氮化铟单分子层能量之差的绝对值最大，此时掺杂体系最稳定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110479957.9A CN113223642B (zh) | 2021-04-30 | 2021-04-30 | 钴掺杂改性氮化铟传感器检测有毒气体的仿真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110479957.9A CN113223642B (zh) | 2021-04-30 | 2021-04-30 | 钴掺杂改性氮化铟传感器检测有毒气体的仿真方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113223642A CN113223642A (zh) | 2021-08-06 |
| CN113223642B true CN113223642B (zh) | 2023-09-15 |
Family
ID=77090384
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110479957.9A Active CN113223642B (zh) | 2021-04-30 | 2021-04-30 | 钴掺杂改性氮化铟传感器检测有毒气体的仿真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113223642B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114965880A (zh) * | 2022-05-13 | 2022-08-30 | 浙江科技学院 | 一种最佳吸附位点分析TiO2气敏响应机理的模拟方法 |
| CN114974440A (zh) * | 2022-05-27 | 2022-08-30 | 国网天津市电力公司电力科学研究院 | 镍掺杂改性硫硒化铪传感器检测甲醛和氯乙烯的评估方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007052512A1 (ja) * | 2005-11-04 | 2007-05-10 | National University Corporation Nagaoka University Of Technology | 光による水分解触媒及びその製造方法。 |
| CN106504244A (zh) * | 2016-11-03 | 2017-03-15 | 中国矿业大学 | 一种基于Retinex与小波尺度积的矿井图像边缘检测算法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8236599B2 (en) * | 2009-04-09 | 2012-08-07 | State of Oregon acting by and through the State Board of Higher Education | Solution-based process for making inorganic materials |
| US9983183B2 (en) * | 2012-04-13 | 2018-05-29 | University Of Maryland, College Park | Highly selective nanostructure sensors and methods of detecting target analytes |
| US9476862B2 (en) * | 2012-04-13 | 2016-10-25 | University Of Maryland, College Park | Highly selective nanostructure sensors and methods of detecting target analytes |
-
2021
- 2021-04-30 CN CN202110479957.9A patent/CN113223642B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007052512A1 (ja) * | 2005-11-04 | 2007-05-10 | National University Corporation Nagaoka University Of Technology | 光による水分解触媒及びその製造方法。 |
| CN106504244A (zh) * | 2016-11-03 | 2017-03-15 | 中国矿业大学 | 一种基于Retinex与小波尺度积的矿井图像边缘检测算法 |
Non-Patent Citations (1)
| Title |
|---|
| First-principles study of gas adsorption on indium nitride monolayer as gas sensor applications;X Sun等;《2016 17th International Conference on Electronic Packaging Technology(ICEPT)》;1-4 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113223642A (zh) | 2021-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113223642B (zh) | 钴掺杂改性氮化铟传感器检测有毒气体的仿真方法 | |
| Heenen et al. | Solvation at metal/water interfaces: An ab initio molecular dynamics benchmark of common computational approaches | |
| Schrier | Fluorinated and nanoporous graphene materials as sorbents for gas separations | |
| Babaei et al. | Methanol selective gas sensor based on nano-structured conducting polypyrrole prepared by electrochemically on interdigital electrodes for biodiesel analysis | |
| CN110164509B (zh) | 石墨烯掺杂结构的模拟仿真方法 | |
| Choudhary et al. | Graph neural network predictions of metal organic framework CO2 adsorption properties | |
| Dong et al. | Molecular simulation and experimental study on propylene dehumidification through a PVA–PAA blend membrane | |
| He et al. | Adsorption equilibrium of binary methane/ethane mixtures in BPL activated carbon: isotherms and calorimetric heats of adsorption | |
| Chen et al. | Molecular model for the charge carrier density dependence of conductivity of polyaniline as chemical sensing materials | |
| Magnin et al. | Abnormal CO2 and H2O Diffusion in CALF-20 (Zn) Metal–Organic Framework: Fundamental Understanding of CO2 Capture | |
| Xu et al. | Electrochemical properties of a 2D-molybdenum disulfide–modified electrode and its application in SO2 detection | |
| Li et al. | Primitive and O-functionalized R-graphyne-like BN sheet: candidates for SO2 sensor with high sensitivity and selectivity at room temperature | |
| Feng et al. | High-throughput computational screening of Covalent− Organic framework membranes for helium purification | |
| Prestage et al. | Selective detection of volatile organics in a mixture using a photoionization detector and thermal desorption from a nanoporous preconcentrator | |
| Liu et al. | Computational screening of metal-organic frameworks for ammonia capture from humid air | |
| CN108256280A (zh) | 验证镍掺杂小半径碳纳米管对二氧化硫的吸附能力的方法 | |
| Liu et al. | Superior Selective CO2 Adsorption and Separation over N2 and CH4 of Porous Carbon Nitride Nanosheets: Insights from GCMC and DFT Simulations | |
| Singsen et al. | Transition-metal decorated graphdiyne monolayer as an efficient sensor toward phosphide (PH 3) and arsine (AsH 3) | |
| Fan et al. | Unravelling abnormal in-plane stretchability of two-dimensional metal–organic frameworks by machine learning potential molecular dynamics | |
| CN111428328B (zh) | 一种气敏材料性能的优化方法 | |
| Li et al. | Spatial characteristics of air pollution in the main city area of Chengdu, China | |
| Glenna et al. | Carbon Capture: Theoretical Guidelines for Activated Carbon-Based CO2 Adsorption Material Evaluation | |
| Gębicki | A prototype of electrochemical sensor for measurements of carbonyl compounds in air | |
| An et al. | Ultra-high gas sensing properties of porous Cr2O3@ SnO2 composite toward NOx based on the pp heterostructure | |
| Sun | Modeling ionic liquids with ePC-SAFT─ properties and gas solubilities |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |