人工智能助力创新型光谱分析仪器研发与应用——《寻找光谱仪器创新的力量》系列约稿

俗话说，工欲善其事，必先利其器。仪器仪表是国民经济（GDP）的“倍增器”、“拉动器”，诺贝尔物理和化学奖中的约1/4-1/3与分析仪器相关。科学仪器是认识世界的重要工具，人类科学发展史上任何一次大的飞跃都离不开科研工具的巨大创新和根本变革，科学仪器的发展和创新往往是催生科技创新的重要要素。长期以来，科学仪器研制是我国科技发展的短板和弱项。面对美国和其它发达国家对中国高端科学仪器(特别是高端测量仪器)、部分关键器件的禁售，我国科学研究必须解决基础关键器件、部件、材料研制和系统设计等卡脖子问题，不断从源头上增强国家自信自立与守正创新的能力。

近年来，我国对科学仪器的创新和研发高度重视，先后设立了“科学仪器基础研究专项”、“国家重大科研仪器设备研制专项”、“国家重大科学仪器设备开发专项”、“基础科研条件与重大科学仪器设备研发专项”等科研计划，旨在支持具有自主知识产权的科学仪器以及关键部件等的研发。经过多年的努力，先后成功研制了单细胞时空分辨分子动态分析系统、超高分辨离子迁移谱、超高灵敏光谱流式检测系统、小型质谱仪器、微流控芯片-质谱系统、高通量测序仪、微流控芯片与检测仪器、双向凝胶电泳成套设备和电化学成像等一系列原创仪器。分析仪器一直致力于发展高灵敏度、高通量、高效快速的分析检测方法，为各种产品质量的检测提供强有力的手段。近年来，我国的食品安全重大事件、公共安全、环境污染等事件中，分析仪器都能及时组织科技攻关，开发了相关检测技术和设备，建立了相应的国家标准，为维护国家利益和保障人民生命安全及健康做出了重要的贡献。

光谱分析仪器作为富有活力的科学仪器之一，具有功能齐全、操作简便、快速分析等优点，已经发展成为诸多领域的理想检测设备。现如今，光谱分析仪器行业发展迅速，市场需求日益凸显。微型光谱仪具有重量轻、体积小、探测速度快、操作便捷、可集成化、可批量制造以及成本低廉等显著优势，已经成为现代科技必不可少的精密检测和分析手段，为深空探测、航空航天、科技考古、智能制造、精准医学、环境监测、智慧农业等领域的发展提供了理论基础与技术支撑。

随着分析仪器研究，特别是光谱仪器研究的日益深入和技术手段的革新，现代多维、高通量化学测量系统已经从小数据发展到大数据，亟需完成从大数据、再到小智能、深度智能的质的蜕变，其对应的哲学也要扩展。大数据必须依靠多维、高通量的化学测量学系统产生，再用智能技术把测量大数据凝练成小智能、深度智能、精准化学知识。随着数据的海啸性增长，数据密集型科学已经发展成为第四科学研究范式，数据是这个新范式的核心。科研范式变革的新时代即将到来，我们需要主动拥抱变革、积极谋划变革、适应变革。当前，全球正在兴起新一轮科技革命和产业变革，人工智能是引领这次产业变革的战略先导性技术。人工智能已经发展成为化学研究的新帮手，比如化学AlphaGo、人工智能机器人、机器人化学家等。人工智能对内融合统一、对外交叉拓展的趋势为学科大交叉、大融合提供了现实的可能。通用人工智能势将成为今后国际前沿争夺的焦点，并将产生巨大的社会影响。

在人工智能时代，分析仪器如何迎接科学研究第四范式的机遇与挑战，发展为服务于化学与其它领域的现代数据密集型科学？化学、生物等传统依赖实验数据的学科，正逐渐引入大数据和计算机仿真模拟技术。数据密集型科学研究能够突破过去很多由于维度过多而造成的瓶颈问题。智能化、自动化与微型化已经成为分析仪器的主要发展趋势。复杂体系解析是生命、材料、能源、环境、食品等科学对现代分析科学提出的重大课题之一，针对复杂生命过程、先进材料创制、新型能源、食品安全、环境问题和特种空间等物质信息的精准挖掘与分析，发展复杂体系精准分析的化学计量学、机器学习以及人工智能新策略，进一步指导创新型分析仪器的设计与研发。

隶属西北大学化学与材料科学学院/西安石油大学化学化工学院的化学信息学与绿色能源化学及过程分析研究团队，主要依托分析化学和应用化学学科。研究团队长期从事化学计量学与化学信息学及过程分析化学、含能材料和能源化工等的研究工作，致力于解决分析化学、材料科学、环境科学与生命科学等领域的关键科学问题与技术瓶颈。近年来，一方面，研究团队围绕含能材料分子设计与筛选、绿色精准合成、性能表征与大数据分析等的关键科学和技术问题，利用化学信息学及人工智能技术实现了含能材料合成过程高通量表征、性能预估与智能筛选，建立了含能材料的基本性能、性能退化和谱学等一系列专属型数据库，有效提高了含能材料数据的共享与利用效率，大大缩短了新型含能材料的研发周期；另一方面，面向国家安全的分析检测新方法和关键智能化仪器装置研发，建立了基于化学信息学及机器学习策略的系列性能优良且易于实现的现场激光诱导击穿光谱（LIBS）智能化测量技术，研发了集光谱预处理、定性定量分析与数据库为一体的LIBS分析软件系统，并应用于能源、环境和稀土材料领域。团队先后承担国家自然科学基金、科技部国家重大仪器设备开发专项子课题、国防科工委重大专项及国防973子课题等20余项研究课题，在《Chem. Sci.》、《Anal. Chem.》、《Chem. Commun.》等国内外学术刊物发表SCI论文200余篇，合作出版专著四部，授权国家发明专利5项，计算机软件著作权8项。先后获陕西省科学技术奖一等奖、中国仪器仪表学会科学技术奖一等奖等科技奖励十项。

近年来，研究团队面向“大气复合污染综合防治，打赢蓝天保卫战”的国家重大战略目标，以针对复合大气污染物精准溯源与环境潜在风险预估的实际需求，借助人工智能与多谱融合策略，发展并建立了LIBS-IR多谱融合、机器学习与集成学习协同策略的复合污染物精准溯源与环境潜在风险预估方法，以揭示大气污染物的时空分布和污染特征，期望为复合区域大气污染的精准防治提供理论依据与技术支撑。

大气污染源与其化学组分密切相关，可借助污染物组分信息追溯污染物来源。一次颗粒物在空气中会迅速转化为复杂的二次颗粒物，而颗粒物化学组成以及转化过程中自由基的实时监测有助于准确获取大气转化过程中的微观信息。由于颗粒物的粒径小且处于快速运动状态，大气颗粒物的原位操控是实现其化学组成精准测量面临的首要技术难题。激光捕获(又称光镊)是一种借助激光动力学效应将一束激光高度会聚并作用于微小目标(通常为μm量级)上产生三维势阱，进而实现单细胞、生物大分子等微粒的非接触、无损伤稳定操控和捕获技术，并于1997年获得了诺贝尔物理学奖。基于激光捕获的大气颗粒物原位操控技术为单颗粒精准测量提供了新思路和新方法，并成功应用于悬浮炭黑颗粒表面非均相氧化反应和化学成分变化过程监测、单纳米颗粒多元素原位同时分析等。激光捕获与LIBS相结合的单颗粒在线分析技术具有结构简单、成本低、灵敏度高等优势。然而，由于LIBS光谱强度更容易受到激光能量波动、粒子运动、样品的异质性以及光-物质相互作用的复杂性的影响，微米级单颗粒分析仍存在信噪比低、重现性差、难以准确定量分析等问题，需要进一步深入研究。

研究团队针对微米级单颗粒精准定量分析的关键技术瓶颈，以碳颗粒为研究对象，借助人工智能、变量选择与机器学习等策略，研究了基于空心光束的单颗粒原位捕获与LIBS技术协同测量的策略，建立了基于随机森林的微米级单颗粒中重金属元素定量分析方法（如图1所示），获得了较好的分析结果。该成果发表在分析化学顶级期刊《Analytical Chemistry》（Anal. Chem. 2022, 94, 17595−17605）。

图1 微米级炭黑单颗粒中金属元素的定量分析方法示意图

首先开展了大气单颗粒物的稳定捕获与LIBS光谱原位测量方法研究，以悬浮大气颗粒物--微米级碳颗粒为研究对象，开展了基于热致非线性效应的空心光束形成方法研究，探索了捕获效率随不同实验条件的变化规律，通过单颗粒物的光场受力特性分析，获得最优化的大气单颗粒稳定捕获策略；进一步探索了微米级碳颗粒特征信息随外界条件的变化规律，确定了最优化的微米级单颗粒原位测量策略，有效降低了由于颗粒物抖动带来的误差，一定程度上提高了LIBS光谱的信噪比。

针对采集到的单颗粒LIBS光谱，通过吸附法制备了不同金属（Zn、Cu和Ni）浓度的微米级炭黑颗粒样品，研究了不同光谱预处理方法对RF校正模型预测性能的影响，重点探究了RF校正模型预测性能随着不同变量选择方法（变量重要性投影（VIP）和变量重要性测量（VIM）以及阈值的变化规律，在最优化的光谱预处理方法、变量选择方法和模型参数等条件下，建立了基于变量选择策略的RF校正模型。结果表明，基于VIP或VIM的RF校正模型表现出了优异的预测性能（如图2所示）。对于Cu和Ni两个元素的分析，最优化的预测模型为VIM-RF校正模型（Cu和Ni的相关系数R2分别为0.9596和0.9548，均方根误差RMSE分别为126.2和142.5 ppm，平均相对误差MRE分别为0.0746 和0.0986）；对于Zn元素分析，优化的预测模型为VIP-RF校正模型（它的R2、RMSE和MRE分别为0.9662、84.0 ppm和0.0584）。该方法在准确度、重复性和稳健性方法均具有优异的预测性能，有效提高了微米级单颗粒定量分析的准确度。

因此，空心光捕获辅助LIBS技术结合随机森林算法成功应用于微米级单颗粒中三种金属元素定量分析，可为复合大气污染物的精准测量与溯源提供理论基础与技术支撑。在未来的研究工作中，将借助多光谱协同测量、信号增强、机器学习与集成学习、自适应建模、模型迁移等策略，发展并建立多尺度单颗粒物以及复合污染物的定量分析方法，进一步揭示大气污染物的时空分布和污染特征，期望为复合区域大气污染的精准防控提供理论依据与技术支撑。在未来，我们团队将进一步聚焦国家重大社会需求和科技前沿热点问题，助力光谱技术及其分析仪器研发的持续创新发展。

图2 基于不同随机森林校正模型对微米级碳颗粒中3种元素的预测性能（a：Zn; b：Cu; c：Ni）

作者简介

李华，西北大学、西安石油大学二级教授、理学博士、博士生导师，西安石油大学学术委员会主任。中国化工教育学会常务理事、中国化学会计算机化学专业委员会委员、中国石油企业协会专家委员会委员、中国光学工程学会激光诱导击穿光谱专业委员会常务委员，陕西省石油学会能源化工专业委员会主任，陕西省石油标准化技术委员会主任委员，陕西省工科类学科评议组（研究生教指委）成员，“新能源和新材料研究院”院长。主要从事过程分析与化学信息学、含能材料、绿色能源化学与过程等的教学与研究工作。分别于1988年和1996年在中国科学院长春应用化学研究所师从中科院院士苏锵研究员等获硕士和博士学位，后师从中科院院士高鸿教授从事博士后研究工作。1998-2001年，先后在美国华盛顿大学、美国海军实验室(NRL)、捷克Masaryk大学和德国Reutlingen大学担任访问、客座教授。主持国家自然科学基金9项、科技部国家重大仪器设备开发专项子课题和国防科工委重大专项及国防973子课题等研究项目，近年来在《Chem. Sci.》、《Anal. Chem.》、《Chem. Commun.》等国内外学术刊物发表SCI论文200余篇，合作出版专著四部，授权中国发明专利5项，计算机软件著作权8项。曾获1998年第二届陕西青年科技奖，2001年陕西省优秀留学回国人员，2006年获陕西省科学技术奖一等奖（排名第一）、2008年获陕西省科学技术奖二等奖（排名第二）和2019年中国仪器仪表学会科学技术奖一等奖等科技奖励。