科学岛团队开发新型MOF复合纳米纤维传感器 实现痕量水高灵敏度实时监测
中国科学院合肥物质研究院固体研究所能源材料与器件制造研究部的蒋长龙研究员团队，最近在新型金属有机框架（MOF）复合纳米纤维传感器的开发与痕量水分实时监测方面取得了重要进展。研究成果以“Reversible Flexible Functional Metal-organic Frameworks Sensor with Artificial Intelligence Data Analysis for Real-time Trace Water Monitor”为题，发表于国际期刊 Chemical Engineering Journal（Chem. Eng. J., 2025, 526, 170841）。
痕量水分的精准检测在环境监控、工业质量控制及制造流程优化中扮演着关键角色。开发具有高灵敏度和快速响应特性的水分传感器，对提升技术性能、确保产品质量、降低能耗具有重要意义。然而，由于ppb级别水分信号极其微弱，且水分子的强极性和吸附性会导致传感器响应迟缓，恢复时间长，难以满足工业场景中对快速、实时监测的需求。此外，环境温度变化和复杂背景气体的干扰，也会影响传感器的长期稳定性与测量精度。同时，高性能敏感材料的合成过程复杂，成本高昂，阻碍了其大规模应用。
为解决上述难题，研究团队采用一步水热合成方法，成功制备出具有双色荧光特性的MIL-101-NH2（Eu）金属有机框架材料。这种MOF结构能够有效排除环境和有机溶剂的干扰，并通过水分的存在引起荧光颜色的变化，实现可视化检测。通过引入镧系金属离子（Eu3+）与BDC-NH2配体，研究团队利用天线效应增强了Eu3+的红光发射。同时，配体与水分子之间的相互作用促进了分子内电荷转移，削弱了天线效应，从而激发配体自身的蓝光发射。这种荧光切换机制使材料具备极低的检测限。
在此基础上，研究团队将MOF材料与羧甲基纤维素复合，通过原位生长方式构建了一种高性能MOFs@纤维素纳米纤维传感器。该传感器不仅展现出对水分的高灵敏响应，还具备快速的响应与恢复速率，同时支持可视化荧光检测，为实际应用提供了坚实基础。
为进一步提升传感器性能，研究团队引入深度学习算法，构建了智能识别系统，有效提高了检测精度与灵敏度，为未来智能传感系统的优化提供了新思路。该研究提出的制备方法不仅具备光学可调性，而且工艺环保、成本低，为环境监测、防伪技术以及智能穿戴设备等多个领域的发展开辟了新的路径。
该论文由研究部副研究员林丹担任第一作者，蒋长龙研究员为通讯作者。研究工作得到了国家自然科学基金、国家重点研发计划及安徽省自然科学基金的资助。
图示说明
- 图1. 镧系荧光MOF材料的合成路线及其结构表征
- 图2. MOFs@纤维素荧光膜在固体药品存储、室内湿度检测及管道运输中的应用实例
- 图3. 基于深度学习算法的智能识别系统
论文链接：https://www.sciencedirect.com/science/article/pii/S1385894725116860
转载来源：https://www.hf.cas.cn/zhxw/jrtt/202512/t20251210_8025273.html