新型MOF复合纳米纤维传感器研发成功 实现痕量水分高灵敏实时监测
近日，中国科学院合肥物质科学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，在新型金属有机框架（MOF）复合纳米纤维传感器的设计与制备领域取得了显著突破。该团队开发的传感器可对痕量水分实现高灵敏度与实时监测，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）。
在现代工业体系中，痕量水分的精确定量是环境监测的重要组成部分，同时也是产品质量控制与生产效率提升的关键因素。开发具备高灵敏度、快速响应能力的水分传感器，对于推动技术升级、保障产品安全以及节能减排具有关键意义。然而，由于在ppb（十亿分之一）级浓度下水分子信号极为微弱，且其强极性与吸附特性导致传感器响应与恢复速率较慢，传统技术难以满足工业场景中对实时、快速检测的需求。此外，环境温湿度波动与复杂背景干扰也会显著降低传感器的长期稳定性和测量精度。再者，高性能传感材料的制备往往涉及复杂工艺和高昂成本，限制了其在大规模应用中的推广。
针对上述挑战，研究团队采用一步水热合成方法，成功合成了一种具备双色荧光特性的MIL-101-NH2（Eu）MOF材料。该材料能够有效屏蔽环境因素及有机溶剂的干扰，同时在痕量水分存在下表现出明显的荧光颜色变化，从而实现水分的可视化检测。通过将镧系金属离子（Eu3+）与BDC-NH2引入MOF结构，Eu3+的特征红光通过天线效应被增强。而在与水分子结合后，配体-水结构促进了分子内电荷转移，削弱了天线效应，使配体的蓝光得以显现。该机制赋予了传感器极低的检测限。
在此基础上，研究团队进一步将MOF材料与羧甲基纤维素结合，通过原位生长策略构建了MOFs@纤维素纳米纤维膜传感器。该传感器在痕量水分检测中展现出优异的灵敏度、可视化荧光响应以及快速响应能力，具备广泛的应用前景。
为了进一步提升系统的检测精度与灵敏度，研究人员还引入了深度学习算法，作为数据分析的一部分。这一方法不仅优化了传感器的智能识别能力，也为未来智能传感系统的设计提供了新的技术路径。该研究成果为开发兼具可调光学特性、低成本、高环保性的功能化纳米纤维传感器提供了坚实的基础，未来有望在环境监测、防伪识别、可穿戴设备等多个领域实现广泛应用。
该项研究由项目副研究员林丹担任论文第一作者，蒋长龙研究员担任通讯作者。研究工作获得了国家自然科学基金、国家重点研发计划以及安徽省自然科学基金的联合支持。
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制剂存储、室内环境湿度监测及管道输送系统中的实际应用示例
图3. 基于深度学习算法的智能识别系统设计
论文详情：https://www.sciencedirect.com/science/article/pii/S1385894725116860
转载自：https://www.hf.cas.cn/zhxw/jrtt/202512/t20251210_8025273.html