气体传感技术作为人类嗅觉系统的延伸，因其工作可靠、灵敏度高等优点，在工业领域引起了极大的关注。此外，该技术在生活环境、医药、农业、食品安全等其他领域也具有巨大的应用潜力，对实用化气体传感器的开发至关重要。掺杂作为提高气敏特性的重要方法，已被广泛应用，然而，传统的气敏材料筛选方法为试错法，耗时耗力耗成本。筛选合适掺杂剂的过程繁琐且成本高昂。随着高通量概念的兴起，基于数值方法的材料筛选有望高效开发新一代功能材料。因此，建立一种快速确定掺杂材料对目标气体响应性的筛选方法至关重要。针对这一问题，我院材料科学与工程专业2022级本科生余秋晨（目前大三）在导师黄胜的指导下展开研究，相关成果以“A Generative Artificial Intelligence Model for Efficient Gas Sensitivity Prediction in Materials without Parameters from First Principle Calculation”为题在Sensors and Actuators A: Physical（JCR Q1，IF=4.1）上发表，中国矿业大学材料与物理学院为第一完成单位，余秋晨为第一作者，我院教师黄胜副教授为通讯作者。
图1 材料掺杂及工作流程示意图
在该研究中，以CO为目标气体，选择具有优异的光学、电学和压电性能的ZnO为本体材料，掺杂8种金属元素（Al, Cu, Na, Co, Mo, In, Pd, Pt），吸附位点分为6个位点。随后通过第一性原理计算其吸附能、电荷转移量、带隙、差分电荷、d带中心、扭曲度等25个参数，构建了多个物理参数与气敏材料灵敏度之间的关联，为后续模型训练和分析提供初始数据集。
图2 ZnO-X的吸附特性参数图
为了开发高精度的机器学习模型来预测气体传感特性，一组基于掺杂原子的内在特性的3个描述符(原子半径R、电负性N、第一电离能Im)被视为机器学习的特征变量。将数据集的20%作为测试集，80%作为训练集,运用到GPR、ERT、RFR、GBR、EGB、KNR、SVR和LightGBM 8个模型中，利用机器学习回归算法构建多种模型进行对比分析，以便准确预测气敏材料对CO气体的灵敏度。根据准确性和五折交叉验证的结果，ERT模型各项指标表现优异，同时通过Shapley分析特征重要性，得出吸附能和d带中心是最为重要的特征，为评估材料的气敏性能提供了一种更高效、更经济的方法。
图3 机器学习流程及数据分析
同时，为开发低成本计算方法，本文利用生成式人工智能(GAI)生成新的特征数据用于机器学习模型预测，通过规定掺杂原子的三个内在特征（原子半径R、电负性N、第一电离能Im）用生成式人工智能生成其余特征数据，达到预测灵敏度的目的。本文选取了对抗式生成网络和变分自编码器两种算法进行实验，结果证明条件式对抗生成网络算法没有模式崩溃，预测准确率更高。随后利用Ga, Ni, Au三张金属原子进行测试，其结果见下图。这种方法较为准确地预测了新掺杂材料的气体灵敏度，同时减少了对高成本计算和详尽实验测试的需求,提高了掺杂材料筛选的效率，促进了高选择性气体传感器的发展。
图4 生成式模型的原理及应用
综上，为了应对高气敏材料快速发展的迫切需求，这项工作引入了一种使用生成人工智能模型的气敏智能预测框架。该框架以极高的速度和精度有效地预测了目标材料的气体敏感性。在没有任何第一性原理计算参数的情况下确定响应程度，这为评估一系列类似材料作为特定气体的气敏材料建立了一个一般原则，鼓励了进一步的实验和理论研究。开发的DFT-GAI框架为发现理想的气体传感材料提供了宝贵的指导，为材料的有效设计和筛选指明方向。论文链接：https://authors.elsevier.com/sd/article/S0924-4247(25)00442-X
该研究的第一作者为中国矿业大学材料与物理学院2022级本科生余秋晨，通讯作者为我院黄胜副教授。上述研究得到了国家自然科学基金青年项目 (No. 52303356)支持。除此之外，余秋晨同学还以第一作者身份在Materials Science in Semiconductor Processing（IF=4.2）发表了题为“Enhanced moisture resistance performance of CsPbBr3 quantum dots through synergetic encapsulation with In3+ ions and polymer”的论文，我院黄胜副教授、顾修全副教授为通讯作者。论文链接：https://www.sciencedirect.com/science/article/pii/S136980012400845X
我院新能源与安全监测团队长期致力于电化学储能和煤矿安全监测方面的研究，基于材料学科，交叉融合安全、物理、信控等学科，面向新能源、煤矿和公共安全等安全工程主战场，研究基于新型材料和传感机制的传感技术及智能监测预警系统。该研究借助学院本科生导师制，在导师黄胜和顾修全副教授的指导下开展。截止目前，团队指导2022级本科生（当前处于大三阶段）以第一作者发表了多篇论文，列表如下：
Smart temperature sensors based on flexible CB/TPU/PVDF membranes for eliminating pressure interference. Chemical Engineering Journal, 2025: 162176. （第一作者：2022级李硕）
Enhanced moisture resistance performance of CsPbBr3 quantum dots through synergetic encapsulation with In3+ ions and polymer. Materials Science in Semiconductor Processing, 2025, 185: 108949.（第一作者：2022级余秋晨）
A Generative Artificial Intelligence Model for Efficient Gas Sensitivity Prediction in Materials without Parameters from First Principle Calculation. Sensors and Actuators A: Physical, 2025, 116636. （第一作者：2022级余秋晨）
Accelerated Discovery of Gas Response in CuO via First‐Principles Calculations and Machine Learning. Advanced Theory and Simulations, 2025, 8(4): 2401299.（第一作者：2022级陈宇）
新闻来源：材料与物理学院
一审一校：欧阳孔研
二审二校：李泳锋
三审三校：鞠治成
