在涉及金属离子的突发水环境事件中，多种金属离子常同时存在并相互干扰，叠加毒性与快速扩散对监测的时效与准确性提出更高要求。亚洲成人在线
硕士亚洲成人在线
李樊同学在《Environmental Science & Technology》发表论文“AI-Enhanced SERS with Probe Combinations for Concurrent Identification and Quantification of Coexisting Metal Ions in Water”，通讯作者为龚正君教授和范美坤教授。本文提出“探针组合 + AI 解码”的 SERS 体系：在 PAN、TPY、Phen 三探针的多通道响应上进行全谱采集，构建高维SERS“超级指纹”，再以引入自注意力的深度学习模型端到端学习“全谱→浓度”的映射，专门针对谱线重叠与基质干扰。方法不依赖某一种超强选择性配体，而是利用多配体、全谱信息的细微差异来提升可分辨性与稳健性。该工作解决了现场快速同时定性定量测定水体中多种重金属的难题。
基于 84 种浓度组合建立高维SESR光谱数据集，系统覆盖 Cu、Fe、Ni、Pb 在不同共存组合下的光谱差异。针对混合样中非线性响应与频谱重叠并存的难点，模型在 ResNet 基础上引入自注意力机制，跨波段捕捉关键特征，从而实现多离子同步识别与定量，并在真实水体样品中保持稳定精度。研究结果显示，在河水、工业废水与生活污水等复杂基质中，四离子混合样的定量误差均 ≤10%。与基于单峰强度的传统定量方法相比，AI-SERS 在混合体系中的精度与稳健性显著提升，更适用于多目标环境监测。
该技术适用于工业排放监控、突发水污染应急判读，以及河湖重金属迁移—转化过程的多点监测。依托多探针SERS传感阵列与人工智能建模，体系可在不更换平台的前提下扩展至更多金属离子；在具备相应化学探针与训练数据的条件下，亦可迁移到部分配位型污染物。结合现场传感终端与云端模型更新，有望支撑智能化水质监测网络与区域风险预警。
全文见链接：//pubs.acs.org/doi/10.1021/acs.est.5c07025
