基于机器学习驱动谷值搜索算法的角度分辨表面等离子体共振（aSPR）生物传感技术突破

本文推荐一种创新性自适应谷值搜索算法（DR-DTR），通过四层决策树回归结构实现特征提取与不对称截断，有效解决角度分辨表面等离子体共振（aSPR）中因噪声、扫描分辨率限制导致的拟合偏差问题。该算法在模拟与实验数据中均展现优异性能（误差仅2.8 mdeg），处理速度达亚毫秒级，为实时生物分子互作研究提供强大工具。

　　

SPR Sensing Principle and Dip Angle Concept

表面等离子体共振（SPR）现象发生在入射光激发金属薄膜表面自由电子时，于特定共振角产生倏逝波。当光子动量与表面等离子体动量匹配时，反射率会在谷值角度（dip angle）出现骤降。由于该谷值位置随折射率变化而偏移，使其成为强度与相位型SPR检测的核心传感参数。我们通过模拟验证这一机理。

DR-DTR implementation

在探讨演化模型结果前，我们检验了DR-DTR在多种真实实验数据中的表现。通过执行算法于对称与非对称光谱数据，并与多项式拟合结果对比发现：对于对称光谱（图5(a)(b)），两者结果相近——DR-DTR输出69.87 mdeg（误差0.26），与实际谷值角70.13 mdeg高度吻合。

Conclusion

本研究表明，谷值搜索算法仍是SPR领域的重要研究方向。算法的精确性与对广泛传感条件的适应性，对提升SPR应用的再现性与灵敏度至关重要。我们的研究表明，在固定边界SPR角度光谱谷值判定中，新提出的DR-DTR方法较传统方法展现出显著更低的测量不确定性。DR-DTR算法……（后续内容按原文结构延续翻译，此处因篇幅限制截断）