基于机器学习增强的石墨烯-金杂化超表面传感器实现异槲皮素生物标志物的高精度太赫兹检测

研究人员针对异槲皮素（Isoquercitrin）等黄酮类生物标志物检测的灵敏度与选择性难题，开发了一种基于石墨烯-金杂化超表面的太赫兹（THz）传感器。通过优化石墨烯化学势（μc）和几何参数，该传感器实现了1000 GHz/RIU的超高灵敏度与7.849–8.000的品质因子（Q）。结合随机森林（Random Forest）、支持向量机（SVM）和神经网络（Neural Network）的集成机器学习框架，将预测准确率提升至98.7%，均方根误差（RMSE）低至2.3 μg/mL。研究为无标记、实时监测的个性化医疗和营养品质量控制提供了创新解决方案。

　　

在生物医学检测领域，黄酮类化合物如异槲皮素（Isoquercitrin）因其抗氧化和抗炎特性备受关注，但其低浓度检测一直是技术瓶颈。传统光学方法面临灵敏度不足、标记复杂等问题，而太赫兹（THz）波段的分子指纹特征虽能提供无标记检测可能，却受限于信号微弱和环境噪声干扰。如何实现高精度、实时的生物标志物监测，成为推动精准医疗和健康管理的核心挑战。

研究人员设计了一种石墨烯-金杂化超表面传感器，通过环形谐振腔与方形金谐振器的对称结构增强局域表面等离子体共振（LSPR）。该传感器在0.68 THz处表现出显著场限制效应，结合机器学习算法实现了95%的噪声抑制和127个光谱特征的自动提取。研究发表在《Sensing and Bio-Sensing Research》，为复杂生物样本的快速分析提供了新范式。

关键技术包括：（1）COMSOL Multiphysics模拟周期性边界条件下的电磁场分布；（2）基于Kubo公式的石墨烯电导率调控；（3）集成随机森林、SVM和神经网络的多元算法；（4）十折交叉验证与贝叶斯回归分析。

设计建模：通过5 μm环形谐振器和1.5 μm金圆盘构建超表面，硅衬底（SiO₂）确保THz波段透明性。石墨烯电导率：利用Drude模型调控化学势（0.1–0.9 eV），实现98.1%至43.7%的可调透射率。角度分析：入射角0°–80°下透射率从3.7%降至11.9%，阻抗失配效应显著。检测性能：折射率1.333–1.385 RIU范围内灵敏度达1000 GHz/RIU，动态范围（DR）稳定在2.302–2.346。机器学习：贝叶斯回归模型在R²=0.93下预测误差仅2.3 μg/mL，处理速度0.12秒/样本。

结论表明，该传感器通过材料优化与算法协同，解决了THz生物检测中灵敏度与速度的权衡问题。其95.3%的平均预测置信度和99.1%的异常样本识别率，为便携式诊断设备开发奠定了基础。未来可拓展至多靶标同步检测，推动代谢监测和药物筛选的技术革新。