Einzelatom-Katalysatoren als Nanozyme in FET-Sensoren
Using Single Atom Catalysts as Nanozymes in FET Sensors FET
Wissenschaftsdisziplinen
Chemie (50%); Mathematik (20%); Nanotechnologie (30%)
Keywords
-
Single Atom Catalysts,
Nanozymes,
Field-Effect Transistor Sensors,
Machine Learning,
Mathematical Modeling
Die Beschränkungen von Enzymen erfordern die Suche nach neuen Materialien, die als Alternativen verwendet werden können. Nanomaterialien, die enzymatische Reaktionen nachahmen können, gehören zu den vielversprechendsten Materialien. Einzelatomkatalysatoren (SACs) funktionieren auf der extremen Längenskala von Nanomaterialkatalysatoren und zeigen eine signifikante katalytische Aktivität. Die Entwicklung heterogener Katalysatoren mit Kooperativität zwischen Metallzentren, die alle herausragenden Merkmale von SACs beibehalten, kann eine Plattform für die Entwicklung der nächsten Generation von Einzelatom-Nanozymen (SANs) bieten. Die katalytischen Wechselwirkungen sind im Allgemeinen dynamisch und alle bekannten Katalysatoren basieren auf elektronischen Wechselwirkungen. Die Anwendung von In-situ-Oberflächentechniken wie XAS, XPS, XRD und TEM zusammen mit elektrochemischen Methoden, z. B. Nano-FETs, die die Möglichkeit bieten, Biokatalysatorphänomene während der Reaktionszeit zu verfolgen, kann am bequemsten und nützlichsten sein. In dieser Forschung werden wir eine Methode entwickeln, um die biokatalytische Aktivität von SAN durch die Kombination von Nano-FETs und Simulationsdaten zu untersuchen. Wir werden die neuen SANs mit speziellen Features synthetisieren, z.B. als Enzym vergleichbare biokatalytische Aktivität und Selektivität. Wir werden die biokatalytische Aktivität/Selektivität von SANs optimieren und die Anwendbarkeit von SANs in biologischen Anwendungen untersuchen. Wir werden das Gerät modellieren und die experimentellen Parameter bestimmen. Wir präsentieren die Verwendung von SACs als Biokatalysatoren in Nano-FET-Systemen. Verschiedene Metalle mit der Fähigkeit, als heterogene SACs angewendet zu werden, werden ausgewählt, um in SANs umgewandelt zu werden, die durch verschiedene kohlenstoffbasierte Umgebungen funktionalisiert werden. Wir überwachen ihr biokatalytisches Verhalten speziell für biokatalytische Reaktionen, z. Peroxidasereaktion, CO2- Reduktion, Wasserstoff- oder Sauerstoffentwicklungsreaktion und Sauerstoffreduktion. Die SANs im Nano-FET eliminieren die isolierende Membran, um die BioFET-Empfindlichkeit zu verbessern. We investigate the capability of SANs as nanozymes in the biological enzyme-based reaction and examine the sensor performance using simulation and experimental data. Wir entwickeln ein robustes Rechenmodell, diskutieren seine neuartigen numerischen Methoden und verwenden die Bayes`sche Inversion, um experimentell wichtige Parameter abzuschätzen. Zur Vorhersage des Sensorverhaltens wird ein Machine-Learning-Setting entwickelt, das auf groben neuronalen Netzen basiert.
- Technische Universität Wien - 52%
- Universität Linz - 48%
- Clemens Heitzinger, Technische Universität Wien , nationale:r Kooperationspartner:in
- Dirk Praetorius, Technische Universität Wien , nationale:r Kooperationspartner:in
- Maryam Parvizi, Technische Universität Wien , nationale:r Kooperationspartner:in
- Bernhard Jakoby, Universität Linz , nationale:r Kooperationspartner:in
- Samaneh Mirsian, Universität Linz , nationale:r Kooperationspartner:in
- Wolfgang Hilber, Universität Linz , assoziierte:r Forschungspartner:in
- Michael Schöning, Fachhochschule Aachen / Standort Jülich - Deutschland
- Sven Ingebrandt, RWTH Aachen - Deutschland
- Maryam Parvizi, Technische Universität Wien - Deutschland
- Thomas Wick, Universität Hannover - Deutschland
- Mehdi Dehghan, Amirkabir University of Technology - Iran
- Mohammad Teshnehlab, K. N. Toosi University of Technolog - Iran
- Fatemeh Molaabasi, Motamed Cancer Institute - Iran
- Luca Selmi, University of Modena and Reggio Emilia - Italien
Research Output
- 9 Zitationen
- 6 Publikationen
-
2025
Titel Graphene-based FETs for advanced biocatalytic profiling: investigating heme peroxidase activity with machine learning insights DOI 10.1007/s00604-025-06955-y Typ Journal Article Autor Mirsian S Journal Microchimica Acta Seiten 199 Link Publikation -
2025
Titel A reduced-order least squares-support vector regression and isogeometric collocation method to simulate Cahn-Hilliard-Navier-Stokes equation DOI 10.1016/j.jcp.2024.113650 Typ Journal Article Autor Abbaszadeh M Journal Journal of Computational Physics Seiten 113650 -
2025
Titel A reproducing kernel particle method (RKPM) algorithm for solving the tropical Pacific Ocean model DOI 10.1016/j.camwa.2024.12.011 Typ Journal Article Autor Abbaszadeh M Journal Computers & Mathematics with Applications Seiten 197-211