Enhanced plasmonic biosensors with machine learning for ultra-sensitive detection.

等离激元生物传感器，尤其是表面等离子共振（SPR）和表面增强拉曼光谱（SERS），因可实现实时、无标记生化检测而受到关注。然而，由于等离激元与不同生物分子相互作用复杂，最大化灵敏度和选择性仍是挑战。本文提出 SERA，一种人工智能驱动框架，将机器学习算法与实验 SERS 数据结合，用于等离激元传感性能的预测建模和优化。模型在来自多种...