Advanced Sci.: 梯度纳米结构与机器学习协同助力鲁棒SERS定量分析

【研究背景】

表面增强拉曼散射（SERS）技术因其对分子超灵敏检测能力而备受关注，在环境监测、生物医学等领域展现出巨大应用前景。然而，SERS在实现可重复、可靠的定量分析时仍面临“热点”分布不均和外部环境干扰等挑战，导致信号波动大，限制了其在实际中的应用。

【研究内容】
团队利用“阴影球体光刻法”制备出具有梯度纳米结构的SERS基底。这种设计可以在同一分析条件下，获取同一浓度下更丰富多样的拉曼信号，有效降低了因基底微观不均一性带来的信号波动。进一步，研究者将多光谱数据引入机器学习模型训练，显著提高了分析的准确率。实验结果显示，该方法的均方误差（MSE）比传统单一光谱分析方法大幅下降，展现出更优的定量性能。

通过这种“梯度结构+机器学习”协同策略，团队为SERS的实际定量应用提供了新范式，有望推动其在高灵敏检测等领域的应用转化。

论文信息
英文题目：Gradient Nanostructures and Machine Learning Synergy for Robust Quantitative Surface-Enhanced Raman Scattering
所有作者：Xiaoyu Zhao, Yuxia Wang, Yuting Liu, Xinyi Chen, Mingyu Cheng, Yaxin Wang, Jiahong Wen, Renxian Gao, Kun Zhang, Fengyi Zhang, Rufei Cui, Yongjun Zhang*, Zengyao Wang*, Bin Ai*
期刊全称：Advanced Science
DOI: 10.1002/advs.202501793
原文链接：https://advanced.onlinelibrary.wiley.com/doi/10.1002/advs.202501793