神经网络辅助的双功能基于水凝的微流体SERS传感器,用于分区识别多分子指纹

科学领域:

• 材料科学与工程 材料科学与工程
• 分析化学 分析化学
• 纳米技术纳米技术

背景情况:

• 现有的拉曼检测系统需要提高灵敏度,集成性和实用性.
• 微流体装置可以精确控制样品处理和反应条件.
• 水凝为纳米粒子和控制流体流动提供了一种多功能矩阵.

研究的目的:

• 开发基于深度学习的,双功能,分区域微流体集成水凝表面增强拉曼散射 (SERS) 平台.
• 提高拉曼检测系统的灵敏度,集成性和实用性.
• 为了使多种分析物的同时检测和分类.

主要方法:

• 通过一步减少方法合成均的银纳米粒子 (AgNP).
• 在N-异甲胺/多聚乙醇 (Ag NPs-NIPAM/PVA) 水凝中嵌入Ag NPs.
• 制造一个具有水凝开关和可调节检测区域的四通道微流体平台,用于控制的Ag NP间隙调制和拉曼增强.

主要成果:

• 罗达胺6G (R6G) 的低检测极限为10-10mol/L,增强因子为10-7.
• 证明了高精度,相对标准偏差低于10%的特征性峰值.
• 通过使用完全连接的神经网络技术,成功执行了四个实物分子 (兰,烯,烯,二甲酸盐) 的同时子区域检测和分类.

结论:

• 开发的双功能微流体集成水凝SERS平台为化学检测提供了更高的灵敏度和实用性.
• 该平台可实现精确的分区域采样和同时多分析仪检测.
• 与深度学习的整合提高了分子分类和识别的可预测性和适用性.