《美国莱斯大学利用机器学习识别土壤有害污染物》

• 编译者： 张毅
• 发布时间：2025-06-20

5月9日，莱斯大学跨学科团队提出一种基于光成像、化合物光特征理论预测与机器学习算法的创新方法，可检测土壤中的多环芳烃（PAH）及其衍生化合物（PAC）等有毒化合物。该方法使用表面增强拉曼光谱的光成像技术，利用定制纳米壳放大分子与光的相互作用，捕获污染物的独特“化学指纹”光谱；基于密度泛函理论计算污染物的分子结构与理论光谱，建立虚拟光谱数据库；开发“特征峰提取”和“特征峰相似性”互补机器学习算法，解析样本光谱并与理论库精准匹配，可识别实验数据缺失的污染物，甚至因环境转化而发生结构改变的化合物。其效率远超传统实验室检测。