某大学与某医学院研究团队开发出新型土壤污染物检测策略，该方法无需依赖实验室物理样本即可识别多环芳烃（PAHs）及其衍生物（PACs）等有害物质。相关成果发表于《美国国家科学院院刊》。
核心技术架构包含三部分：
- 表面增强拉曼光谱技术：通过分析分子与光的相互作用获取独特光谱指纹
- 密度泛函理论计算：基于分子结构预测数千种PAHs/PACs的虚拟光谱库
- 双机器学习算法：
- 特征峰提取算法：解析真实土壤样本的光谱特征
- 特征峰相似度算法：匹配虚拟光谱库中的化合物
实验采用某自然保护区的实际土壤样本，结果显示该方法比传统技术更快速准确地检测出微量污染物。未来可集成便携式拉曼设备实现现场检测，突破现有环境监测必须依赖专业实验室的局限。
该研究获某国家卫生研究院（P42ES027725-01）和某基金会（C-1220, C-1222）资助。核心创新点在于通过理论计算预测未知污染物的光谱特征，结合机器学习实现"化学指纹"的跨时空匹配——即使污染物随时间发生化学变化仍可识别。