智能SPR生物传感器：机器学习增强的双通道PCF技术

《Advanced Photonics Research》：Smart SPR Biosensors: Machine Learning-Augmented Dual-Channel PCF Technology

　　

研究人员提出一种现代双通道表面等离子体共振（SPR）生物传感器，该传感器将先进的光子晶体光纤（PCF）设计与机器学习（ML）技术相结合，以实现高灵敏度和准确预测。所提出的传感器在1.33–1.45的宽折射率（RI）范围内表现优异，波长灵敏度达32?000?nm/RIU，振幅灵敏度为2338?RIU^?1，光谱分辨率为3.13?×?10^?6?RIU。该传感器在550–1310?nm波长范围内有效工作，采用金（Au）作为等离子体材料，并因强光–等离子体相互作用而获得1333的高品质因数（FOM）。模型设计与仿真通过COMSOL Multiphysics v6.2中的有限元法（FEM）完成。随后，为自动化优化过程，研究人员应用了随机森林（RF）、梯度提升（Gradient Boosting）和XGBoost模型结合的ML模型；该组合模型基于现有研究的训练数据，R²值达到0.9771。通过结合这三种不同的ML模型，预测误差比各单一模型的表现更低。总体而言，将PCF设计与ML集成，为基于PCF的SPR传感器的自动化优化提供了一条有前景的路径，从而实现对各种生物学和化学传感的高灵敏度、高可靠性生物传感。

**论文解读：基于机器学习增强的双通道光子晶体光纤表面等离子体共振生物传感器**

**研究背景及意义**
表面等离子体共振（SPR）传感器因能够无标记、高灵敏地检测分析物折射率（RI）变化，在生物医学诊断、环境监测和化学传感等领域具有重要应用。基于光子晶体光纤（PCF）的SPR传感器凭借其微结构设计带来的独特导光特性和增强光–物质相互作用能力，相较于传统棱镜式或光纤式传感器，在紧凑性、灵活性和灵敏度方面优势显著。然而，当前PCF-SPR传感器的设计优化过程高度依赖有限元法（FEM）仿真，耗时且难以快速预测不同结构参数下的性能，限制了其高效开发与广泛应用。为此，研究人员提出一种新颖的双通道PCF-SPR传感器设计，并首次引入机器学习（ML）集成模型来自动预测共振波长，旨在实现高灵敏度检测的同时大幅缩短优化周期，为SPR生物传感技术开辟智能化新路径。该研究成果发表在《Advanced Photonics Research》。

**关键技术方法**
本文采用的核心技术方法包括：①基于有限元法（FEM）在COMSOL Multiphysics v6.2中对传感器进行电磁场仿真，结合完美匹配层（PML）吸收边界条件分析模场分布与损耗特性；②设计双通道（双芯）PCF结构，通过金（Au）等离子体材料激发表面等离子体极化激元（SPP）模式，增强光–等离子体耦合；③构建集成机器学习模型，将随机森林（RF）、梯度提升和XGBoost三种回归算法通过堆叠集成（Stacking）策略组合，以螺距（P）、金层厚度（t_g）、折射率（RI）、芯径（D_c）等特征预测共振波长；④模型训练数据来源于系统中50余种不同几何参数PCF结构的FEM仿真结果，共364个样本，采用五折交叉验证优化超参数。

**研究结果**
**1. 模型结构**
研究人员提出双通道PCF传感器，背景材料为二氧化硅（SiO₂），采用六边形晶格排列空气孔形成包层，优化螺距Λ=7 μm，大、中、小空气孔直径分别为d3=0.95Λ、d2=0.85Λ、d1=0.28Λ，中心空气孔直径d_c=0.49Λ。双芯几何结构使导模从两侧与等离子体层相互作用，显著增强倏逝场重叠并改善相位匹配。金层厚度为30 nm，分析物通道厚度1.4 μm。通过FEM仿真得出了y偏振模式下基模与SPP模的场分布，在折射率1.43时共振波长900 nm处出现明显损耗峰（28.70 dB/cm）。

**2. 结果**
传感器在分析物折射率1.33–1.45范围内进行性能评估。随着RI增加，共振波长（RW）发生红移，从550 nm移至1370 nm。波长灵敏度（WS）最高达32 000 nm/RIU（RI从1.44升至1.45时），对应波长分辨率3.13×10^?6 RIU。振幅灵敏度（AS）最高为2338 RIU^?1（RI从1.43升至1.44时）。品质因数（FOM）最高达1333（RI=1.44）。金层厚度优化研究表明，30 nm厚度时振幅灵敏度最大（741 RIU^?1）；分析物通道高度优化为13 nm时获得最高灵敏度。RW与RI呈良好线性关系，三阶多项式拟合R²值为0.9865。

**3. 机器学习**
基于364个样本的训练集和45个样本的测试集，集成模型在测试集上表现优异：均方误差（MSE）66.11，均方根误差（RMSE）8.13，平均绝对误差（MAE）4.55，平均绝对百分比误差（MAPE）0.94%，R²值0.9771。特征重要性分析显示螺距贡献0.35，金层厚度0.30，RI 0.25，芯径0.10。对比单一模型（RF R²=0.8831，梯度提升R²=0.931，XGBoost R²=0.9133），集成模型预测精度显著提升。实际与预测共振波长对比图显示两者高度吻合。

**4. 噪声容限**
螺距在±10%变化时共振波长基本不变，损耗变化28.55%；金层厚度在±2%和+4%内无显著影响，但?4%时共振波长漂移；通道高度在±5%内共振波长稳定，但损耗变化62.7%；通道厚度在±8%内对传感器性能影响微弱（损耗变化8.83%）。该传感器整体制造容差优于已有研究（如U型微通道PCF的±5%容忍度）。

**讨论与结论**
讨论部分指出，本文提出的基于高聚类角度的簇型PCF传感器在1.33–1.45 RI范围内展现出稳健的高灵敏度性能。结论部分总结：该双通道PCF-SPR传感器实现了32 000 nm/RIU的波长灵敏度和2338 RIU^?1的振幅灵敏度，光谱分辨率3.13×10^?6 RIU，FOM达1333。集成随机森林、梯度提升和XGBoost的机器学习模型有效预测了不同RI下的共振波长，R²值达0.975，为PCF-SPR传感器的自动化优化提供了可靠工具。该研究的创新融合标志着SPR生物传感技术向高灵敏度、智能化方向迈出关键一步，在下一代诊断和环境监测应用中具有广阔前景。