微纳超表面结合机器学习，探索基孔肯雅病毒快速检测

2026-09-14

研究人员提出了一种融合石墨烯、MXene、二硫化钨、金和铜的太赫兹超表面生物传感器，并利用机器学习加快结构优化。该研究发表于《Results in Optics》，展示了二维材料集成、微纳结构制造与人工智能辅助设计在病毒检测领域的应用潜力。

多材料微纳结构提升传感性能

该传感器利用生物样本折射率变化引起的太赫兹共振频率偏移进行检测。其核心是在二氧化硅基底上集成方形谐振器、同心圆环和单层石墨烯，形成多层微纳结构。

其中，二硫化钨和MXene用于增强局部电磁场及材料表面的相互作用，金和铜提供导电及等离激元响应，石墨烯则兼具宽带吸收和电学可调特性。多种材料协同作用，使传感区域能够对较小的介电环境变化产生明显响应。

传感器的周期单元约为14微米，主要结构尺寸处于微米尺度，可使用现有光刻技术完成图形化。金和铜结构可以通过薄膜沉积与剥离工艺制备，MXene可采用溶液沉积，二硫化钨和石墨烯则可通过化学气相沉积或薄膜转移进行集成。

这一方案的制造价值在于，将多种二维材料与传统金属微结构集成在同一器件中，为太赫兹传感器提供可调谐、高灵敏度的功能平台。不过，多层结构量产仍需解决图形对准、材料转移损伤、MXene氧化、界面污染和批次一致性等问题。

计算结果显示，优化后的传感器在约0.355 THz处形成明显共振，最高折射率灵敏度达到907 GHz/RIU，报告的折射率分辨率为0.001 RIU。

通过调节石墨烯的电学状态，传感器的传输对比度可提高约36倍。在入射角从0度变化至80度时，峰值透射率仍保持在97.8%以上，表明该结构具有一定的角度容差，有利于降低实际检测设备的光路对准要求。

研究团队使用XGBoost模型学习器件尺寸、入射角与光学响应之间的关系。模型预测准确率达到99.838%至99.959%，可在不反复运行完整电磁仿真的情况下快速筛选结构参数。

这种方法有望减少超表面器件的仿真次数和优化时间，并帮助研究人员更快确定适合光刻与材料集成的设计方案，为微纳器件的计算设计和工艺开发提供支持。

目前，该成果仍是计算仿真概念验证。器件实际感知的是样本折射率变化，不能仅凭这一信号直接区分不同病毒。后续还需在石墨烯或金表面固定特异性抗体或适配体，并完成实体器件制造、真实样本测试及交叉反应评估。

总体来看，这项研究的主要成果是提出了一个兼容现有微纳制造工艺的五材料太赫兹超表面结构，同时证明机器学习可以显著加快器件参数优化。其技术路线未来还可拓展至其他病原体检测、微型生物传感器和可调谐太赫兹器件。