基于强化学习的生物分子手性检测

手性作为基本物理性质之一，在许多领域都发挥着重要作用。特别是在生物医学化学中，对映体的鉴别是一个非常重要的研究课题。大多数生物分子在紫外波段表现出较弱的手性，因此直接光学手性检测非常困难。

据报道，表面等离子体增强了生物分子的圆二色性。金属纳米结构与生物分子的耦合效应被认为是手性检测的基础。找到合适的纳米结构对于实现灵敏检测至关重要。由于耦合模型的复杂性，难以进行定量分析和设计纳米结构。

作为主要的人工智能算法之一，强化学习受到行为主义心理学的启发，关注软件代理应该如何在环境中采取行动以最大化某些累积奖励的概念。机器学习的参与对纳米光子学的发展做出了重大贡献。智能算法提供多样化的优化工具箱，以加速光子器件的原型设计并提高性能。

北京大学方哲宇教授课题组介绍了基于强化学习和光学特性操纵的纳米结构设计平台。当生物分子接近金属纳米结构时，它们的耦合效应会调制圆二色光谱并引起共振频率的偏移。该算法成功地提出了具有强调频移的高质量因子圆二色光谱的纳米结构。涉及微流体技术以实现葡萄糖对映体的高度灵敏的手性动态鉴别。该方法为人工智能与光学传感的结合提供了范例。

与监督学习相比，强化学习显着减少了模拟所消耗的计算资源。充分的电磁模拟是监督学习准确预测各种金属纳米结构的光学响应的​​基础。神经网络的训练集必须包含所有构型，其中大部分构型几乎没有手性。非手性纳米结构的模拟对于最终优化没有意义。相反，强化学习的参数探索与模型训练是同步的。经过几轮搜索，探索范围仅限于手性纳米结构，因此该算法不会在非手性纳米结构上浪费计算资源。

在微流控芯片底部制作金属纳米结构，通过实时观察光谱位移，连续监测样品溶液的手性。与传统的生化方法不同，该检测无需化学反应即可实现手性鉴别。由于其样品需求量小、破坏性小等特点，该方法具有很大的应用价值，有望实现对多种生物大分子的灵敏手性检测。