文 章 | Kim GM, Hwang YJ, Li CY et al. Rayleigh-driven ethanol cluster tracking based on non-contact d eep opti cal mol ecul ar diagnosi s. Opto-Electron A dv 9, 250278 (2026).

第一作者 ：Geon Mo Kim、Yun Ji Hwang

通信作者： Seong Chan Jun

研究背景

探测空气中的气体分子远比表面看来更为棘手。许多分子不仅肉眼不可见，且与光的相互作用极弱，致使识别或量化它们难上加难。用于探测此类分子的最基础光学现象之一是瑞利散射，即当光线遇到远小于其波长的粒子时发生的散射。尽管这一效应造就了诸如天空蔚蓝等熟悉的自然景象，但在分子尺度上，其强度却微乎其微。因此，直接测量瑞利散射信号以应用于实际传感，长期以来一直是一项严峻挑战。

研究内容

为突破这一局限 ，韩国延世大学Seong Chan Jun教授团队另辟蹊径 ，开发了一种截然不同的方法。他们不再试图直接测量微弱的散射光 ，而是转而关注主激光束在与气体分子相互作用后发生的细微变化。 当光线穿过含有乙醇分子的区域时 ，散射引发的相互作用会使其波前产生轻微畸变。尽管这些畸变微小到无法直接观测 ，却足以影响光线随后被聚焦时的行为表现。

为捕捉这些细微变化，研究人员采用了一种特制的石墨烯菲涅耳透镜。与传统依赖折射原理的透镜不同，这种超薄衍射透镜通过干涉效应聚焦光线，因而对入射波前的微小变动极为敏感。结果是，微小的分子相互作用被转化为透镜所成焦斑在尺寸与形状上的可测量变化。

这些光学图案堪称分子环境的“指纹”。然而，由于分子特性与光学图案之间的关系高度复杂且呈非线性，研究团队引入深度学习模型来解读数据。通过在实验测量数据上训练该模型，研究团队使其能够识别焦斑图案中的细微差异，进而推断空气中乙醇的浓度。

该方法实质上是将问题从直接测量转向间接推断。系统无需直接探测微弱信号，而是解码嵌入光场畸变中的隐藏信息。由此实现的传感技术具备非接触、快速且稳定的特点，且无需依赖化学反应或与目标分子的直接相互作用。

图1基于逆向推演的非接触式光学传感系统概念示意图。分子相互作用引发透射激光束的波前扰动，经石墨烯菲涅耳透镜转化为焦斑图样变化，再由深度学习算法解码，从而推导出乙醇浓度

该工作以“Rayleigh-driven ethanol cluster tracking based on non-contact deep optical molecular diagnosis” 为 题 发 表 在 Opto-Electronic Advances 2026 年 第 6期。

影响与意义

该研究提出的技术标志着光学传感系统设计理念的根本性转变。传统的气体检测方法通常依赖直接的化学相互作用（如电化学或半导体传感器所采用的机理），或是依靠气相色谱等高精度分析技术。尽管这些方法行之有效，却往往受限于材料老化、响应迟缓，以及便携性不足等弊端。

相比之下，该研究提出的方法完全无需接触，仅凭光学相互作用即可运作。这不仅免除了对消耗性传感材料的需求，更显著提升了系统的长期稳定性。此外，由于该系统无需直接采样或发生化学反应，它有望在传统传感器可能失效或退化的环境中正常运行。

该研究最核心的价值在于将物理光学与人工智能深度融合。该系统并未将机器学习仅仅视为一种纯粹的数据驱动工具，而是旨在从光信号中提取具有物理意义的特征。光学装置将分子信息编码为空间强度图样，而深度学习模型则负责将这些信息解码为定量预测。这种结合使系统能够处理那些难以通过解析方法建模的复杂非线性关系。

这一方法具有深远的实际意义。其潜在应用涵盖用于医疗诊断的无创呼气分析、环境污染物的实时监测，以及工业环境中危险气体的探测。鉴于该系统结构紧凑且基于可见光光学技术，未来有望集成至便携式乃至可穿戴设备之中。

尤为重要的是，该研究凸显了灵敏度与稳定性之间关键的设计权衡。尽管较短波长能产生更强的散射信号，但也会引入更大的波动与噪声。对此，研究人员通过选用较长波长加以应对，从而获得更稳定的光学特征，以确保深度学习推断的可靠性。这标志着设计理念的转变：从一味追求原始灵敏度，转向优化系统的整体鲁棒性。

展望未来，该研究为突破光学传感的传统局限开辟了新路径。通过进一步提升灵敏度并扩大可检测分子的范围，类似方法可应用于多种气体及生物标志物的检测。更广泛地说，借助习得模型解码物理现象这一理念，或将深刻影响未来光学诊断与智能传感系统的发展。

研究团队简介

该研究由韩国延世大学机械工程学院Seong Chan Jun教授领衔的团队完成。该团队致力于融合光学、纳米材料与人工智能开发新一代传感与诊断技术。

其研究涵盖多个关键领域，包括基于石墨烯的光学器件、衍射光学，以及由机器学习驱动的信号分析。通过将先进的材料制备工艺与数据驱动建模相结合，该团队旨在突破传统传感系统的局限，实现新型非接触式测量。

该团队工作的一个显著特点是强调将物理原理与计算智能相贯通。其系统并非单纯依赖经验数据，而是旨在将具有物理意义的信息编码至可测信号中，再借助机器学习进行解读。该方

法使得系统在不同应用场景下具备更强的鲁棒性、可解释性与可扩展性。

除气体传感外，该团队正积极拓展其在生物医学诊断、光学防伪系统及智能光子器件等领域的应用。他们的长期目标是开发能在复杂环境中实现实时、高精度分析的集成化光学平台。

研究团队在韩国延世大学的合影

长按识别此二维码，直达全文