文 献 综 述
一、背景介绍
拉曼光谱被广泛用于无损检测和分子识别，它能够提供化学和生物分子结构的指纹信息。但是常规拉曼散射截面分别只有红外和荧光过程的 10^-6 和 10^-14 大小。这种内在低灵敏度的缺陷制约了拉曼光谱应用于痕量检测和表面科学领域。然而，20世纪70年代，Fleischmann 等科学家观测和确认了表面增强拉曼现象，即在粗糙银电极表面的吡啶分子的拉曼信号比其在溶液中增强了约 10^6 倍。人们将这种由于分子吸附或非常靠近粗糙金属表面或金属纳米结构，其拉曼信号强度比其体相分子显著增强的现象称作表面增强拉曼散射(Surface Enhance Raman Scattering, SERS)效应。SERS效应的发现有效地解决了拉曼光谱在表面科学和痕量分析中存在的低灵敏度问题。SERS能够提供更丰富的化学分子的结构信息，可实现实时、原位探测，而且灵敏度高，分辨率可以达到单分子级别。近年来，SERS已经在表面科学、光谱分析、生物传感器、生物医学探测等领域得到了广泛应用。因此研究和设计能够产生高强度SERS的纳米衬底表面具有十分重要的意义。
二、表面增强拉曼散射（SERS）
拉曼散射是一个非常低效的过程，因此需要一种增强机制。研究者发现表面增强拉曼散射（SERS）中提供了这种机制。SERS 的增强很大程度上取决于分子吸附金属衬底表面形状、尺寸及材料属性。
金由于其高稳定性和高 SERS 活性 , 是一种理想的SERS 基底的材料。随着纳米科学的迅速发展 , 人们已能可控合成金纳米粒子 , 这使得系统研究金纳米粒子尺寸和 SERS 活性之间的关联成为可能。Krug 等报道了直径为 23 nm 到 100 nm 的单个金纳米颗粒的 SERS 活性 ,发现在 647 nm 激发光下 , 结晶紫吸附在 60 nm 左右的金纳米粒子上时具有最大的 SERS 活性。W ei 等研究了尺寸较大的金纳米粒子 , 发现粒子的大小、聚集状态、激发光的波长均影响 SERS 活性。然而, 至今对于 100 nm以上的金纳米粒子的研究还非常有限 , 主要因为尺寸大的金纳米粒子在形状和尺寸的均一性方面都难以控制。系统地研究最强 SERS 的金纳米粒子的尺寸 , 不论对于实际应用还是理论研究都具有重要意义。
几个普遍接受的规则直观地应用指导：银在等离子体材料中产生最大的增强；各向异性形态有利于实现更大的场放大；在弯曲金属表面之间的间隙处产生最有效的热点。研究者专注于金颗粒和具有SERS的优选形态（球形、棒形和星形），并在改变亚单层体系内的颗粒覆盖率时研究SERS底物的效率，以这种方式模拟系统。经过多次模拟研究者得出以下一般结论：（1）较高各向异性的粒子在较长波长处产生最大性能，在那里它们显示出它们的内在等离子体;（2）代表高度各向异性的纳米星，即使在单粒子极限下也表现出大的增强，而聚集成密集阵列不会导致明显更好的性能;（3）相比之下，纳米球和纳米棒开始时稀薄层的SERS效率相对较差，但在热点积累和大量50％的表面覆盖率下SERS效率得到大幅提升，更准确地说，纳米棒超过SERS纳米标记在785 nm波长处超过~60％的覆盖率增强;（4）纳米星在其最佳波长下优于其他两种形态，不幸的是，红色更多地发生在纳米星上，其中分子的固有拉曼截面显着减少;（5）对于纳米星，相对均匀的颗粒膜的形成可能是有害的，因为它们表现为有效的超材料，从而防止形成热点。研究中运用的方法有：麦克斯韦方程组的数值解，SERS增强的计算以及SERS基板的设计。
目前对 SERS 衬底的设计主要依赖于实验尝试。SERS 强度的数值计算可以通过求解麦克斯韦方程组得到，计算入射光在分子位置的强度及非弹性光散射的远场强度来得到。研究高效的优化方法，对纳米阵列空间排布进行优化，可以得到高强度的表面增强拉曼散射。
三、利用深度学习解决SERS的增强与金纳米结构的关系
使用深度学习使用深层神经网络，作为等离激元和介电纳米结构的完整近场和远场响应的快速通用预测器，预测任意纳米结构的近场远场，包括电场E，磁场H，坡印廷矢量，以及更复杂的纳米光学近场远场效应，例如高阶天线共振，电和磁偶极子模式，无辐射的偶极子态或Kerker型定向散射。由于一般的数值模拟计算以上物理量，计算难度大，耗时较长，同时在求解反向问题，缺少一种快速通用的方法。因此选择使用深度学习，建立一个通用预测器，在一定误差范围内，准确获得所需的物理量。训练过的神经网络在计算任意三维纳米结构的内部场的速度比常规数值模拟快了几个数量级。次级物理量是根据深度学习预测得出的，不需要特定的训练就能准确地再现各种物理效应。
