编辑推荐：
土壤中多环芳烃（PAHs）检测困难，研究人员开展结合表面增强拉曼光谱与密度泛函理论（DFT）计算光谱构建拉曼光谱库的研究。结果显示该方法有效，能识别缺乏实验参考光谱的分析物，为环境监测提供有力工具。
土壤被环境污染物，尤其是多环芳烃（PAHs）污染后，因其具有致癌和致突变性，会严重影响人类健康。由于土壤有机质在化学和微生物方面的复杂性，检测和识别污染土壤中的多环芳烃（PAHs）及其修饰衍生物颇具挑战。
为应对这些挑战，研究人员开发了一种创新分析方法，将表面增强拉曼光谱（Surface - enhanced Raman spectroscopy）与利用密度泛函理论（DFT，Density Functional Theory）计算光谱在计算机上构建的拉曼光谱库相结合。该方法克服了传统实验光谱库的诸多局限，比如光谱背景干扰、溶剂效应，以及商业上难以获取或合成的化合物等问题。
研究人员采用的是基于物理知识的机器学习流程，分为两个阶段：特征峰提取（CaPE，Characteristic Peak Extraction）算法，用于分离独特的光谱特征；特征峰相似性（CaPSim，Characteristic Peak Similarity）算法，能在光谱发生位移和幅度变化时，稳健地识别分析物。
对该方法的验证表明，多种多环芳烃（PAHs）的密度泛函理论（DFT）计算光谱与实验表面增强拉曼光谱之间相似度极高（>0.6），证实了其准确性和判别能力。这项研究证实了密度泛函理论（DFT）计算光谱可作为识别缺乏实验参考光谱分析物（包括多环芳烃（PAHs）经环境修饰形成的物质）的可靠参考。这一进展填补了环境监测领域的关键空白，为评估与这些污染物相关的公共健康风险提供了重要工具。
