Des capteurs fabriqués à partir de « fumée gelée » peuvent détecter le formaldéhyde toxique dans les maisons et les bureaux

Les chercheurs ont développé un capteur fabriqué à partir de « fumée gelée » qui utilise des techniques d’intelligence artificielle pour détecter le formaldéhyde en temps réel à des concentrations aussi faibles que huit parties par milliard, bien au-delà de la sensibilité de la plupart des capteurs de qualité de l’air intérieur.

Les chercheurs de l’Université de Cambridge ont développé des capteurs fabriqués à partir de matériaux hautement poreux appelés aérogels. En concevant avec précision la forme des trous dans les aérogels, les capteurs ont pu détecter l’empreinte digitale du formaldéhyde, un polluant courant de l’air intérieur, à température ambiante.

Les capteurs de validation de principe, qui nécessitent une énergie minimale, pourraient être adaptés pour détecter une large gamme de gaz dangereux, et pourraient également être miniaturisés pour des applications portables et de soins de santé. Les résultats sont signalé dans la revue Avancées scientifiques.

Les composés organiques volatils (COV) sont une source majeure de pollution de l’air intérieur, provoquant des larmoiements, des brûlures aux yeux et à la gorge et des difficultés respiratoires à des niveaux élevés. Des concentrations élevées peuvent déclencher des crises chez les personnes asthmatiques et une exposition prolongée peut provoquer certains cancers.

Le formaldéhyde est un COV courant et est émis par les articles ménagers, notamment les produits en bois pressé (tels que le MDF), les papiers peints et les peintures, ainsi que certains tissus synthétiques. Pour la plupart, les niveaux de formaldéhyde émis par ces articles sont faibles, mais les niveaux peuvent s’accumuler avec le temps, en particulier dans les garages où les peintures et autres produits émetteurs de formaldéhyde sont plus susceptibles d’être stockés.

D’après une étude de 2019 rapport Selon le groupe de campagne Clean Air Day, un cinquième des foyers britanniques présentaient des concentrations notables de formaldéhyde, 13 % des résidences dépassant la limite recommandée fixée par l’Organisation mondiale de la santé (OMS).

« Les COV tels que le formaldéhyde peuvent entraîner de graves problèmes de santé en cas d’exposition prolongée, même à de faibles concentrations, mais les capteurs actuels n’ont pas la sensibilité ou la sélectivité nécessaire pour distinguer les COV qui ont des impacts différents sur la santé », a déclaré le professeur Tawfique Hasan du Cambridge Graphene. Center, qui a dirigé la recherche.

« Nous voulions développer un capteur petit et peu gourmand en énergie, mais capable de détecter sélectivement le formaldéhyde à de faibles concentrations », a déclaré Zhuo Chen, le premier auteur de l’article.

Les chercheurs ont basé leurs capteurs sur des aérogels : des matériaux ultra-légers parfois appelés « fumée liquide », car ils sont constitués à plus de 99 % d’air en volume. La structure ouverte des aérogels permet aux gaz d’entrer et de sortir facilement. En concevant avec précision la forme ou la morphologie des trous, les aérogels peuvent agir comme des capteurs très efficaces.

En collaboration avec des collègues de l’Université de Warwick, les chercheurs de Cambridge ont optimisé la composition et la structure des aérogels pour augmenter leur sensibilité au formaldéhyde, les transformant en filaments environ trois fois plus larges qu’un cheveu humain.

Les chercheurs ont imprimé en 3D des lignes d’une pâte à base de graphène, une forme bidimensionnelle de carbone, puis ont lyophilisé la pâte de graphène pour former les trous dans la structure finale de l’aérogel. Les aérogels intègrent également de minuscules semi-conducteurs appelés points quantiques.

Les capteurs qu’ils ont développés ont pu détecter du formaldéhyde à des concentrations aussi faibles que huit parties par milliard, soit 0,4 % du niveau jugé sûr sur les lieux de travail au Royaume-Uni. Les capteurs fonctionnent également à température ambiante et consomment très peu d’énergie.

« Les capteurs de gaz traditionnels doivent être chauffés, mais grâce à la manière dont nous avons conçu les matériaux, nos capteurs fonctionnent incroyablement bien à température ambiante, ils utilisent donc entre 10 et 100 fois moins d’énergie que les autres capteurs », a déclaré Chen.

Pour améliorer la sélectivité, les chercheurs ont ensuite intégré des algorithmes d’apprentissage automatique dans les capteurs. Les algorithmes ont été entraînés pour détecter les « empreintes digitales » de différents gaz, afin que le capteur puisse distinguer l’empreinte digitale du formaldéhyde des autres COV.

« Les détecteurs de COV existants sont des instruments contondants : vous n’obtenez qu’un seul chiffre pour la concentration globale dans l’air », a déclaré Hasan. « En construisant un capteur capable de détecter des COV spécifiques à de très faibles concentrations en temps réel, il peut donner aux propriétaires de maisons et d’entreprises une image plus précise de la qualité de l’air et de tout risque potentiel pour la santé. »

Les chercheurs affirment que la même technique pourrait être utilisée pour développer des capteurs permettant de détecter d’autres COV. En théorie, un appareil de la taille d’un détecteur de monoxyde de carbone domestique standard pourrait intégrer plusieurs capteurs différents, fournissant des informations en temps réel sur une gamme de différents gaz dangereux.

L’équipe de Warwick développe une plate-forme multi-capteurs à faible coût qui intégrera ces nouveaux matériaux d’aérogel et, couplée à des algorithmes d’IA, détectera différents COV.

« En utilisant des matériaux hautement poreux comme élément de détection, nous ouvrons de toutes nouvelles façons de détecter les matières dangereuses dans notre environnement », a déclaré Chen.

Plus d’information:
Zhuo Chen et al, Détection de formaldéhyde résiliente au bruit et à la dérive en temps réel à température ambiante avec des filaments d’aérogel, Avancées scientifiques (2024). DOI : 10.1126/sciadv.adk6856. www.science.org/doi/10.1126/sciadv.adk6856

Fourni par l’Université de Cambridge

ph-tech