2026年5月28日，周晔教授团队在自然指数期刊《ACS Nano》发表了题为“Metal–Organic Framework-Enabled Bimodal Sensory System for Gas Leak Detection and Localization”的研究论文。该研究论文探讨了金属有机框架赋能的双模态感知系统用于气体泄漏检测与定位。博士生赵吉宇为第一作者，周晔教授、彭孝军院士、丁光龙助理教授为通讯作者。
传统的单模态气体监测系统仅在气体浓度超过阈值时触发警报，无法对泄漏源进行定位，这显著增加了泄漏排查的难度和危险性。为了解决这一局限性，本研究开发了一种双模态感知系统（BSPS），巧妙利用了金属有机框架（MOF）的多孔特性。一方面，MOF作为传感单元，可高效捕获氮气；另一方面，它又充当忆阻介质，用于调控导电细丝的迁移（变异系数=0.022）。通过这种方式，仅利用单一材料即可实现核心功能组件。通过集成传感器内计算（in-sensor computing）和近传感器计算（near-sensor computing），该系统能够独立感知、编码并预处理氨气浓度梯度和气流信号。最后，利用脉冲神经网络（SNN）对双模态信息进行融合，实现对氨气浓度和泄漏源位置的可视化识别（识别率达95%）。该方法为构建具有更高选择性和实时泄漏定位能力的先进气体传感平台提供了新途径。此项研究得到广东省教育厅、射频异质异构集成全国重点实验室自主课题、广东省基础与应用基础研究基金、深圳市科创局的资助。
原文链接：https://pubs.acs.org/doi/10.1021/acsnano.6c03433
