手性是自然界物體最基本的屬性之一，在諸多領(lǐng)域中具有重要的作用。尤其在醫(yī)療生物化學(xué)領(lǐng)域中，檢測與區(qū)別同一組分相反手性的對映異構(gòu)體是一個非常重要的課題。自然界中的大部分生物分子的手性光學(xué)響應(yīng)非常微弱，且其波段常常位于紫外光波段，因此直接檢測分子的光學(xué)手性非常困難。

由于表面等離激元具有放大光學(xué)手性信號的能力，所以基于表面等離激元的手性探測被認(rèn)為是未來生物分子檢測的有力手段。該方法的關(guān)鍵在于針對目標(biāo)生物分子尋找合適的金屬納米結(jié)構(gòu)，使得二者的耦合信號盡量顯著。然而，表面等離激元與生物分子的耦合機(jī)制非常復(fù)雜，難以準(zhǔn)確地進(jìn)行定量分析，這極大地增加了金屬納米結(jié)構(gòu)的設(shè)計(jì)難度。

近年來，人工智能的高速發(fā)展催生了一批卓越的自學(xué)習(xí)算法，強(qiáng)化學(xué)習(xí)正是其中之一。它通過與環(huán)境進(jìn)行交互獲得的結(jié)果指導(dǎo)行為的改變，類似于一個生物體不斷適應(yīng)環(huán)境的過程。機(jī)器學(xué)習(xí)的引入也大幅推動了微納光子學(xué)的發(fā)展，在設(shè)計(jì)光子晶體、超材料和集成硅光子器件等領(lǐng)域都取得了令人矚目的成就。

近期，北京大學(xué)物理學(xué)院方哲宇教授課題組嘗試?yán)脧?qiáng)化學(xué)習(xí)方法設(shè)計(jì)了生物分子手性傳感器件，實(shí)現(xiàn)了對葡萄糖對映異構(gòu)體的高靈敏手性動態(tài)監(jiān)測（圖1）。該探測技術(shù)的基本原理是利用金屬表面等離激元與生物手性分子的耦合效應(yīng)，這一耦合會導(dǎo)致加入生物分子前后金屬納米結(jié)構(gòu)的遠(yuǎn)場手性光譜發(fā)生變化，通過捕捉光譜前后的變化，就可以實(shí)現(xiàn)對生物手性分子的傳感。

圖1 生物分子的手性傳感

該工作采用強(qiáng)化學(xué)習(xí)來實(shí)現(xiàn)高手性納米結(jié)構(gòu)的設(shè)計(jì)，在利用神經(jīng)網(wǎng)絡(luò)模型引導(dǎo)探索參數(shù)空間的同時(shí)，不斷更新神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，其工作流程如圖2所示。相比于傳統(tǒng)的有監(jiān)督學(xué)習(xí)，強(qiáng)化學(xué)習(xí)大幅減少了模擬計(jì)算消耗的計(jì)算資源。在經(jīng)典的有監(jiān)督學(xué)習(xí)中，首先需要進(jìn)行大量的電磁模擬來獲得各種構(gòu)型金屬納米結(jié)構(gòu)的光學(xué)響應(yīng)，再根據(jù)神經(jīng)網(wǎng)絡(luò)的預(yù)測尋找優(yōu)秀的金屬納米結(jié)構(gòu)。

而神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確預(yù)測需要所有構(gòu)型的訓(xùn)練數(shù)據(jù)，這其中包含了大量弱手性結(jié)構(gòu)，浪費(fèi)了大量的計(jì)算資源和計(jì)算時(shí)間。而強(qiáng)化學(xué)習(xí)模型選擇參數(shù)探索與模型訓(xùn)練同時(shí)進(jìn)行，經(jīng)過數(shù)輪探索后可以將探索范圍基本鎖定在高手性結(jié)構(gòu)的范圍內(nèi)，從而大幅減少模擬計(jì)算的次數(shù)。整個設(shè)計(jì)過程充分實(shí)現(xiàn)了智能化，對未來微納光子學(xué)器件的設(shè)計(jì)有極高的引導(dǎo)意義和參加價(jià)值。

圖2 基于強(qiáng)化學(xué)習(xí)的算法框架

該工作將金屬納米結(jié)構(gòu)制備在微流控芯片底部，通過實(shí)時(shí)觀測光譜的變化來實(shí)現(xiàn)對通入微流控芯片的樣品溶液的手性檢測。相比于傳統(tǒng)生物化學(xué)方法，這一探測手段具有極高的便捷性，不需要化學(xué)反應(yīng)就可以實(shí)現(xiàn)手性甄別，樣品需求量低且沒有破壞性，具有優(yōu)秀的應(yīng)用價(jià)值，對各種生物大分子都具有實(shí)現(xiàn)高靈敏手性探測的潛力。

審核編輯：劉清