气溶胶激光诱导击穿光谱(aerosol LIBS)中的多维信息融合与智能分析:进展与展望

《TrAC Trends in Analytical Chemistry》:Multidimensional information fusion and intelligent analysis in aerosol LIBS: Advances and perspectives

【字体: 大 中 小 】 时间:2026年10月01日 来源:TrAC Trends in Analytical Chemistry 13.5

编辑推荐:

   • 信息维度的扩展和智能解释是本综述的主要主题。 • 信号增强包括高重复率激发、有机蒸汽辅助电离和能量调制。 • 声光多模融合突破了单模LIBS光谱的信息上限。 • 机器学习能够实现颗粒大小辨别、来源分配和复杂气溶胶的分类。 • 物理感知的

  
  • •
    信息维度的扩展和智能解释是本综述的主要主题。
  • •
    信号增强包括高重复率激发、有机蒸汽辅助电离和能量调制。
  • •
    声光多模融合突破了单模LIBS光谱的信息上限。
  • •
    机器学习能够实现颗粒大小辨别、来源分配和复杂气溶胶的分类。
  • •
    物理感知的自适应融合和可解释的AI揭示了潜在的物理化学机制。

引言

气溶胶是指悬浮在气体介质中的固体或液体颗粒,来源于多种途径,包括工业排放、交通活动、生物过程、海浪喷雾和大气化学反应[[1], [2], [3], [4]]。作为大气环境的关键组成部分,气溶胶不仅影响空气质量与人类健康,还通过散射和吸收太阳辐射以及作为云凝结核对区域乃至全球气候变化产生深远影响[5,6]^。此外,在工业过程监测[7,8]、环境污染源追踪[9,10]、有害化学物质早期预警[11]和公共安全[12]方面,快速检测气溶胶颗粒的成分和粒度分布也具有重要意义[13,14]。因此,开发能够实时、在线、多参数分析气溶胶的检测技术一直是环境监测和分析科学领域的重要研究方向[15,16]。
激光诱导击穿光谱(LIBS)作为一种代表性的原位光谱分析技术,由于其固有的优势(无需复杂的样品预处理、能够同时检测多种元素、响应迅速以及适应复杂环境)而在在线气溶胶监测中展现出广阔的应用前景[[17], [18], [19]]。在LIBS中,高能脉冲激光照射到样品表面或颗粒集合上,引发高温高密度等离子体的形成,通过对产生等离子体的发射光谱进行分析来实现元素成分的识别和定量分析[17,20]。与传统结合滤膜采样与离线实验室分析的方法相比,LIBS可以在秒级甚至毫秒级时间内做出响应,为动态环境中的颗粒物监测提供了一种新的技术方法。
近年来,研究人员从几个互补的角度对基于LIBS的气溶胶检测技术进行了综述。Sun等人回顾了LIBS在原位、在线检测大气颗粒物方面的最新进展,涵盖了液体气溶胶、同位素分析、室内颗粒物和工业环境等应用场景[21]。Kim和Choi从工作原理、激光-颗粒相互作用和光谱发射等方面进行了基础性的探讨,并介绍了单颗粒检测和远程检测的进步[17]。Thomas和Joshi关注分析方法和测量策略的演变[22],而Bacon等人将LIBS置于原子和环境光谱学的更广泛背景下进行研究[23]。这些综述工作为基于LIBS的气溶胶检测的深入研究提供了重要的背景和方向指导。
然而,基于LIBS的气溶胶检测仍面临诸多挑战。首先,空气中颗粒物浓度通常较低,加之激光束与颗粒之间的空间重叠具有随机性,导致有效击穿事件的发生概率有限,光谱信号表现出明显的稀疏性和波动性[[24], [25], [26], [27]]。其次,气溶胶颗粒具有广泛的尺寸范围和复杂的成分;不同成分之间的矩阵效应加上环境背景辐射的干扰,显著增加了光谱解释的难度[18,28]。更重要的是,颗粒大小、元素组成、等离子体温度和声学响应之间存在复杂的非线性耦合关系,这使得基于单一特征峰值强度的传统分析方法难以完全挖掘其中的信息[[29], [30], [31]]。这些问题共同限制了LIBS技术在高精度气溶胶检测和智能分析中的进一步应用。
近年来,随着激光技术[17]、传感技术[32]和人工智能方法[33]的进步,研究人员逐渐意识到仅依赖传统的光谱强度信息难以突破LIBS检测的性能瓶颈[34,35]。与其单纯提高仪器灵敏度,更有前景的发展方向在于扩展和挖掘检测过程中生成的多维信息。具体来说,一方面,采用高重复率激光[36]、辅助电离[37]和激光能量调制[38]等方法可以获取更多关于激光-颗粒相互作用的时间和激发维度信息,增强有效信号的采集能力;另一方面,通过引入激光诱导等离子体声学(LIPA)[39]和单颗粒气溶胶质谱(SPAMS)[40]等辅助信息源,可以构建多模 sensing 系统,从而突破单模光谱数据的信息上限。“信息上限”是指单一 sensing 方式所能获取信息的最大范围。多模融合不是通过孤立地改进任何一个因素来突破这一上限,而是通过引入独立的物理维度(如声学维度)来提供光谱通道无法获得的补充信息。
此外,机器学习[41,42]和深度学习技术[[43], [44], [45]]的发展使得从高维、多源、非线性数据中自动提取关键特征和构建预测模型成为可能,为复杂气溶胶系统的成分识别、颗粒大小预测和污染源分配提供了新的解决方案[46,47]。
本质上,气溶胶LIBS技术的发展正从“信号检测”转向“信息解释”。其核心焦点不再仅仅局限于获取更强的光谱信号,而是通过跨越时间、感知和特征维度的连续扩展,实现气溶胶物理化学性质的更全面、准确和可解释的表征[48,49]。因此,信息维度的扩展已成为突破气溶胶LIBS检测瓶颈的关键技术途径,也是推动该领域向智能分析发展的基础。
在此背景下,本综述以“信息维度扩展和智能解释”作为统一的逻辑主线,将其与以往的研究区分开来,并将信息维度扩展分为两个不同的层次:首先是垂直扩展,即提高光学模式内的信号质量和可靠性;其次是水平扩展,即通过多模 sensing 引入相互独立的物理信息维度。基于这两个层次,构建了一个由机器学习驱动的智能解释框架。垂直扩展主要探讨光谱信号增强策略,包括高重复率激发、有机蒸汽辅助电离和能量调制;这些策略通过改善采样统计和等离子体生成效率实现了激发维度的信息扩展。水平扩展则主要引入 LIPA 和其他辅助 sensing 方式的融合应用,阐述了声光融合如何从 sensing 维度突破单模光谱的信息上限,并进一步概述了从简单特征连接向物理先验自适应融合的演变路径。最后,通过分析机器学习驱动的特征学习和预测建模方法,讨论了这些方法如何从特征维度深入挖掘高维、多源数据。通过构建一个以信息维度扩展为中心的统一分析框架,本综述旨在阐明从传统单点信号检测到多维智能表征的范式转变,为下一代具有高灵敏度、高准确性和高智能性的气溶胶检测系统的开发提供系统性的参考。

节片段

实验

本文重点讨论了基于LIBS的气溶胶检测的信息维度扩展和智能解释。LIBS的实验装置如图1所示,所有信息维度的扩展都是在这一基本配置的基础上添加了额外的检测设备来实现的。典型的LIBS系统通常包括一个脉冲激光器、反射镜、聚焦透镜、探测器、光谱仪、延迟触发单元和计算机。

信息维度扩展的最新进展

在详细讨论具体策略之前,本文首先明确了本章采用的概念框架。气溶胶LIBS中的信息维度扩展分为两个层次进行:垂直扩展(第3.1节)是指在光学模式内部提高有效信号的采集能力和质量,改善信噪比、采样统计和光谱纯度;相比之下,水平扩展(第3.2节)则

结论与未来展望

在本综述中,我们系统地调查了气溶胶LIBS检测的最新进展和演变轨迹,重点关注核心技术瓶颈,并遵循信息维度扩展和智能解释的主线。研究了三个关键技术支柱:通过高重复率激发和有机蒸汽辅助电离的信号增强策略、声光多模 sensing 系统的构建以及

CRediT作者贡献声明

张宇:撰写——原始草稿、可视化、方法论、调查、形式分析、概念化。邓东东:可视化、调查、形式分析、概念化。刘世豪:方法论、调查、形式分析、概念化。叶彦鹏:可视化、方法论、调查、概念化。刘玉珠:撰写——审稿与编辑、监督、资源管理、项目协调、调查、资金获取、概念化。

利益冲突声明

所有作者必须披露任何可能不恰当地影响或偏倚他们工作的财务和个人关系,例如:雇佣关系;咨询合同;股票所有权;有偿专家证词;专利申请或注册;资助或其他任何形式的资金支持。

致谢

本工作得到了国家自然科学基金(编号:62675166和62375136)和江苏省教育科学规划项目(编号:B/2025/01/26)的支持。
张宇|邓东东|刘世豪|叶彦鹏|刘玉珠
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号