SnO-SnO2

基于物理的机器学习从气体传感器数据推断一氧化碳浓度

研究人员开发了一个基于物理的机器学习框架，用于从气体传感器数据推断一氧化碳浓度。该系统分析混合相 SnO-SnO2 材料中的电阻瞬态，利用物理上可解释的描述符和 FFT、DWT 等信号处理技术。研究发现，融合特征通常表现最佳，但基于物理的描述符具有很强的竞争力，表明瞬态动力学已经编码了重要的浓度信息。该框架在 p 型和 n 型传感模式下表现出不同的行为，其中 p 型在分类方面表现出色，n 型在回归方面表现出色。