PVA/AgNP水凝SERS基质与机器学习相结合,用于高灵敏度检测有机物种

科学领域:

• 环境化学环境化学
• 材料科学 材料科学 材料科学
• 分析化学 分析化学

背景情况:

• 准确检测有机物种对于生态安全和人类健康至关重要.
• 表面增强拉曼散射 (SERS) 传感器的性能严重依赖于基板材料的特性.

研究的目的:

• 开发一种简单,低成本,可回收的SERS基板,用于检测有机物种.
• 为了评估基质的性能,并应用机器学习进行复杂的矩阵分析.

主要方法:

• 使用循环冷解方法制造3D多孔聚乙醇/银纳米粒子 (PVA/AgNP) 水凝SERS基板.
• 对L-甲 (SeMet) 和Se-甲 (SeMCys) 的SERS测量结果.
• 密度函数理论 (DFT) 计算和机器学习 (SVM,SVR) 用于光谱分析.

主要成果:

• 该PVA/AgNP水凝基底实现了高增强因子 (EF ~ 5.91 × 10^8) 和低检测极限 (LOD ~ 3.16 μg L^-1).
• DFT计算确定了充电转移作为主要的信号增强机制.
• 机器学习模型在量化方面表现出高准确度 (SVM:分类准确度为93%) 和精度 (SVR:R^2 > 0.991).

结论:

• 开发的PVA/AgNP水凝SERS基质显示了在有机检测方面卓越的性能.
• 机器学习有效地减轻矩阵干扰,使真实世界样本的精确识别和量化成为可能.
• 拟议的方法具有实际环境监测应用的巨大潜力.