机器学习辅助磁性纳米马达实现有机污染物的精准识别与高效降解

本刊推荐：本研究创新性开发了磁驱动Au@TiO2/Au/R-Fe3O4纳米马达（ATAF），通过表面增强拉曼散射（SERS）实现超灵敏检测（检测限<10-11 M），并借助可见光催化降解污染物。该平台兼具抗菌功能与低生态毒性，为水体有机污染物的实时监测与精准治理提供了双功能策略。

　　

Section snippets

Preparation of hollow core-shell Au@TiO₂

将乙醇（27.6 mL）、聚乙烯吡咯烷酮溶液（4 mL, 9.75 mg/mL）、HCl（250 μL, 0.1 M）和TiF₄（2.5 mL, 0.04 M）混合于50 mL聚四氟乙烯高压釜中。混合物在室温老化1小时后，于180°C加热3小时。冷却后离心（5000 rpm, 5分钟）并用乙醇和水洗涤，获得空心TiO₂。为构建核壳结构，将HAuCl₄·3H₂O种子溶液（0.1 mg/mL, 100 μL）加入TiO₂悬浮液（0.1 mg/mL, 10 mL），并加入NaBH₄进行还原处理。

Characterization of ATAF nanomotors

ATAF纳米马达的制备方法与检测机制如图1所示。通过水热法制备平均直径约100 nm的空心TiO₂（图S3）。采用种子生长法合成核壳结构Au@TiO₂（图S4a–e）。氨基功能化后，Au@TiO₂表面带正电荷（图2a-b）。经金修饰的环状Fe₃O₄（外径160 nm，内径60 nm，厚度50 nm）通过静电耦合与Au@TiO₂结合，形成具有磁响应性的纳米马达。

Conclusion

我们成功通过简易水热法和原位生长法合成ATAF纳米马达。该纳米马达对多种痕量有机污染物表现出卓越的SERS灵敏度与抗干扰能力，并在实际水体中保持高效降解性能。即使经过五次测试-降解循环，其活性几乎未受影响。机器学习技术通过动态光谱分析验证了纳米马达在污染物光催化降解过程中的监测可靠性。

Environmental implication

水体中的痕量有机污染物严重危害生态系统与公共健康，但传统修复技术缺乏高效靶向降解与实时监测能力。我们通过开发磁驱动多功能纳米马达（ATAF）解决了这一难题，该平台整合了SERS检测与光催化降解功能。在磁力驱动下，纳米马达动态逼近污染物，大幅提升处理效率。机器学习模型预测降解终点，确保治理过程彻底性。