标题：RBFNN-Based PPy/GaN sensor array with wide dynamic range and sub-ppb detection for accurate ammonia identification in human exhaled breath作者：Zhengyang Jia1,2, Weili Wang3, Dan Han1,2✉, Lianao Yan1,2, Juxu Guang1,2, Qi Duan1,2, Yuxuan Wang1,2,Zhitao Cheng1,2, Guojing Wang4,5, Weidong Wang4,5 and Shengbo Sang 1,2✉期刊：Microsystems & NanoengineeringDOI：10.1038/s41378-025-01119-7氨气（NH₃）作为慢性肾病（CKD）等肝肾疾病的关键呼气生物标志物，其精准检测对疾病早期预警与无创诊断至关重要。现有氨气传感器存在诸多局限：金属氧化物传感器需高温工作，不适用于人体呼气监测；纯聚吡咯（PPy）等导电聚合物传感器选择性差、检测限偏高，难以满足呼气中 ppb 级痕量氨气的检测需求。第三代半导体氮化镓（GaN）具备宽禁带、高稳定性等优势，但基于 GaN 的氨气传感器研究较少，检测性能有待提升。因此，开发室温下具有超宽检测范围、高灵敏度与强抗湿性的氨气传感器，成为呼气诊断领域的关键技术缺口。- 设计并制备 PPy/GaN 复合结构氨气传感器，通过材料复合与工艺优化，实现室温下氨气的高灵敏、高选择性检测。
- 优化 GaN nanostructure 形貌与 PPy 负载方式，突破传统传感器检测范围窄、抗湿性差的瓶颈，达成 ppb 至 ppm 级的超宽量程检测。
- 构建传感器阵列，结合机器学习算法（RBFNN）实现呼气中氨气浓度的精准定量预测，满足 CKD 患者呼气监测的临床应用需求。
- 系统阐明 PPy/GaN 复合材料的氨气传感机制，为高性能气体传感器的设计提供理论支撑。
图1 金属有机化学气相沉积外延生长结构示意图。 a GaN-1, b GaN-2, c GaN-3
图2 传感器材料的SEM与EDS图像。
a GaN-1、b PPy/GaN-1的SEM图像；
PPy/GaN-1的元素分布图：c C、d Ga；
e GaN-2、f PPy/GaN-2的SEM图像；
PPy/GaN-2的元素分布图：g C、h Ga；
i GaN-3、j PPy/GaN-3的SEM图像；
PPy/GaN-3的元素分布图：k C、l Ga。
图3 (002)晶面的XRD谱图。 a GaN-1, b GaN-2, c GaN-3, d PPy/GaN-1, e PPy/GaN-2, f PPy/GaN-3
图4 拉曼光谱与XPS谱图。
a PPy/GaN-1、PPy及GaN-1的拉曼光谱；
b GaN-1与PPy/GaN-1的XPS全谱扫描；
c–f GaN-1与PPy/GaN-1的Ga 3d、N 1s、O 1s及C 1s的XPS精细谱。
图5 三组传感器的性能比较图。
a PPy/GaN-1、PPy/GaN-2、PPy/GaN-3及纯PPy传感器对200 ppm浓度下不同气体的选择性；
b 三组传感器对200 ppm NH₃的响应与恢复曲线；
c PPy/GaN-1、PPy/GaN-2和PPy/GaN-3传感器的拟合响应曲线；
d–f PPy/GaN-1、PPy/GaN-2和PPy/GaN-3传感器在室温下对不同浓度NH₃的响应曲线；
g–i PPy/GaN-1、PPy/GaN-2和PPy/GaN-3传感器在室温下对不同浓度NH₃的电阻变化曲线。
图6 PPy/GaN-1传感器的重复性与稳定性。 a PPy/GaN-1的响应和恢复时间；b PPy/GaN-1传感器对200 ppm、20 ppm和2 ppm NH₃的重复性测试；c 工作温度对PPy/GaN-1传感器性能的影响；d PPy/GaN-1传感器对20 ppm NH₃长达90天的稳定性曲线。
图7 PPy/GaN-1传感器的抗湿性能。 a–d PPy/GaN-1传感器在室温下、相对湿度分别为20%、40%、60%和80%时对不同浓度NH₃的响应曲线；e PPy/GaN-1传感器在室温下、不同相对湿度条件下对不同浓度NH₃的响应情况；f 相对湿度对PPy/GaN-1传感器在室温下电阻值的影响。
图8 传感机制示意图。 a PPy对NH₃的传感机制；b PPy/GaN复合材料在空气和NH₃中的能带图
图9 原位XPS分析图。 a PPy/GaN-1传感器暴露于NH₃前的O 1S谱图；b PPy/GaN-1传感器暴露于NH₃后的O 1S谱图
图10 模拟实验流程图。 模拟CDK患者呼出气体检测的实验过程示意图。
图11 传感器阵列的湿度补偿模型与检测响应数据。 a 传感器湿度补偿模型；b PSO-BP神经网络均方误差曲线；c 模型在训练集中的表现；d 模型在验证集中的表现；e 空腹状态下（未摄入蛋白质）呼气数据采集结果；f 摄入蛋白质后连续呼气监测数据；g 传感阵列对目标个体不同状态下呼出气体检测的响应数据。
图12 模型架构与预测结果。 a 模型的节点与架构图；b 低浓度范围内NH₃浓度的预测结果图
- 结构创新：采用 MOCVD 精准制备系列 GaN nanostructure（颗粒状、柱状、六边形凹坑状），通过原位氧化聚合实现 PPy 在 GaN 表面的均匀负载，构建异质结复合体系，最大化界面电荷转移效率与气体吸附位点。
- 性能突破：PPy/GaN-1 传感器实现 100 ppb–1000 ppm 的超宽氨气检测范围，室温下对 200 ppm 氨气响应值达 59.7%，具备优异的抗湿性（80% RH 下仍可检测 1 ppm 氨气）与长期稳定性（90 天响应衰减＜8.8%）。
- 应用创新：构建多传感器阵列，结合 PSO-BP 湿度校正模型与 RBFNN 浓度预测算法，实现呼气中低浓度氨气的高精度定量分析，预测误差仅 1.17 ppm，成功验证了模拟 CKD 患者呼气监测的可行性。
- 机制创新：通过原位 XPS 等表征揭示传感机制，证实 GaN 与 PPy 的异质结效应加速电荷转移，吸附氧物种参与氨气氧化反应，协同 PPy 的去质子化过程共同提升传感性能。
核心结论
- 成功制备的 PPy/GaN 复合传感器中，PPy/GaN-1 因最优的膜层分布均匀性，展现出最优异的氨气传感性能，超宽检测范围、高灵敏度与强环境适应性均优于现有同类传感器。
- 传感器阵列结合机器学习算法，有效解决了呼气环境高湿度干扰问题，实现了氨气浓度的精准预测，满足无创医疗监测的定量需求。
- 传感机制研究表明，GaN 与 PPy 形成的异质结结构、丰富的吸附位点以及吸附氧物种的参与，是传感器性能提升的关键因素。
研究意义
- 技术层面：突破了传统氨气传感器检测范围窄、抗湿性差的技术瓶颈，为高性能气体传感器的设计提供了 “半导体 nanostructure - 导电聚合物” 异质结复合的新范式。
- 临床层面：开发的传感器阵列与机器学习集成系统，实现了呼气中痕量氨气的精准检测，为 CKD 等疾病的早期预警、无创监测提供了低成本、易操作的新工具，推动呼气诊断技术的临床转化。
- 产业层面：传感器制备工艺兼容 MOCVD 与原位聚合技术，具备规模化生产潜力，可拓展至环境监测、食品保鲜等多领域，具有广泛的应用前景。
