MoSSe量子ドットを用いたフレキシブルセンサーによる呼吸信号のリアルタイム深層学習分類

要約

本研究では、Janus型MoSSe量子ドット（MoSSe QD）を用いた低コスト・使い捨て可能なフレキシブル呼吸センサーを開発し、深層学習による呼吸パターン分類を実施した。MoSSe QDは湿潤環境下でも安定した感知特性を示し、電子親和力および仕事関数の値から水素分子との相互作用傾向が高いことが示された。1次元畳み込みニューラルネットワーク（1D CNN）を用いて、通常・遅い・深い・速いの4種類の呼吸パターンを分類し、それぞれ98.18%・95.25%・97.64%・98.18%の高精度を達成した。

メカニズム

MoSSe量子ドットの電子親和力と仕事関数の特性により、水素分子への電子供与傾向が高く、湿潤条件下でも安定した呼吸センシングが可能となる。