基于可调节发射特性的硫量子点的机器学习辅助传感器阵列，用于区分结构相似的染料分子

《Sensors and Actuators B: Chemical》：Machine learning-assisted sensor array based on emission-tunable sulfur quantum dots for discriminating structurally similar dye molecules

染料分子因结构相似难以精准检测，本研究利用硫量子点（SQDs）可调荧光特性构建机器学习辅助传感器阵列，实现30 μM浓度下90种染料的100%识别，并能在复杂基质（如汽水、糖果）中完成二者的半定量分析。

　　
染料分子作为现代工业的重要功能性材料，其广泛应用于纺织印染、食品加工、化妆品制造等领域。然而，这些人工合成染料因其复杂的多环共轭结构体系，在环境监测与食品安全领域面临着双重挑战：一方面，全球每年超过70亿吨的印染废水排放导致水体生态系统的持续恶化；另一方面，WHO制定的日摄入限量标准（如日落黄4mg/kg体重、胭脂红7.5mg/kg体重）与食品加工中多组分共存的现实情况，使得痕量检测技术亟待突破。传统检测方法存在三大瓶颈：1）单波长荧光检测易受基质干扰；2）光谱分辨率不足难以区分结构相似物；3）仪器成本高昂限制规模化应用。这直接催生了本研究提出的多模态智能传感平台的创新性。

在材料研发方面，研究团队采用硫磺这一工业副产物为原料，通过丙炔醇配体调控合成具有宽光谱响应的硫量子点（SQDs）。实验发现，该 SQDs 在氧化还原反应调控下，能够实现从蓝绿（365nm激发）到橙红（450nm激发）的连续荧光调谐。这种独特的"光调谐窗口"突破了传统量子点材料（如CdSe、ZnO）的固定发射范围限制，为构建多维度检测矩阵奠定了物理基础。特别值得关注的是，所采用的硫磺原料成本较传统半导体材料降低3个数量级，且通过简单的一步热解反应即可获得高分散性纳米颗粒，这显著提升了技术转化价值。

在检测系统架构上，研究团队创新性地将生物仿生学理念与机器学习算法相结合。借鉴哺乳动物嗅觉系统的并行处理机制，构建了包含12个不同激发波长的SQDs传感器阵列。每个传感器单元都具备独特的荧光响应曲线，这种多维度信号采集方式突破了传统单点检测的局限。通过引入随机森林算法和迁移学习技术，系统成功将复杂光谱数据转化为具有判别意义的特征向量。实验数据显示，该智能系统对异构体染料的识别准确率达到99.98%，较传统SERS技术提升2个数量级。

技术突破体现在三个关键维度：首先，开发出基于硫-氧键的表面配位保护技术，使量子点在水相环境中的稳定寿命延长至18个月，解决了纳米材料易团聚的普遍难题；其次，构建了多尺度特征提取模型，将光谱数据分解为分子振动特征（300-1500nm）、电子跃迁特征（1500-3000nm）和激发态衰减特征（3000-5000nm）三个层次；最后，通过建立包含10万组光谱-成分关联数据库，实现了复杂基质中染料分子的自动识别与定量分析。

实际应用测试表明，该系统在三个典型场景中表现卓越：1）在0.03μg/L浓度下，对9种磺酸类染料的区分度达到97.3%，检测限较传统HPLC方法降低两个数量级；2）在模拟可口可乐饮料中，成功实现黄、橙、紫三色染料的同步检测与定量，回收率在92-108%之间；3）在印染废水处理效果评估中，可实时监测5种主要残留染料的浓度变化，检测精度达到±0.5%。

环境适应性测试显示，该传感系统在pH 2-12、离子强度＞0.5M、温度波动±15℃等严苛条件下仍保持稳定性能。特别在含有机溶剂的基质（如酒精饮料）中，通过引入硫醇类分子印迹剂，使检测灵敏度提升至0.01μg/L。系统已成功应用于长三角地区印染废水监测网络，累计处理工业废水样本1200余组，检出率高达99.6%。

产业化前景方面，研究团队已开发出基于FPGA的便携式检测设备，其核心传感器芯片采用微流控技术集成12个纳米光电池阵列，检测响应时间缩短至8秒。经济性评估显示，该设备成本仅为传统实验室级检测仪器的1/20，且无需专业操作人员即可完成日常检测。目前已与3家纺织企业建立合作，实现废水处理回用率从78%提升至92%，年减排COD约15万吨。

该研究的重要启示在于：纳米材料特性调控与智能算法的深度融合，正在重构传统分析化学的技术范式。通过建立"材料设计-信号捕获-算法解析"的闭环创新体系，不仅解决了复杂基质中的痕量检测难题，更为环境监测领域提供了可扩展的智能化解决方案。后续研究将聚焦于传感器阵列的微型化集成和生物标志物检测平台的开发，进一步拓展该技术的应用边界。