2024年1月3日，美国达特茅斯学院（Dartmouth College）的研究人员在《自然》（Nature）旗下期刊《清洁水》（npj Clean Water）发表题为《机器学习辅助双功能纳米光子传感器用于水中有机污染物的检测和降解》（Machine Learning Assisted Dual-functional Nanophotonic Sensor for Organic Pollutant Detection and Degradation in Water）的文章，开发出一种双功能纳米光子传感器，在机器学习算法的辅助下，具有灵敏、快速和便携的特点，在环境监测和可持续性研究中具有广阔的前景。

传统的水净化方法包括化学沉淀、过滤、吸附、离子交换、氯化和蒸馏。尽管这些技术在工业环境中被广泛使用，但它们存在诸如处理时间长、去除效率有限、耐化学性问题以及再污染风险等局限性。氧化锌（ZnO）具有优异的光催化和压电催化性能，是处理污染水的环保材料。与传统方法相比，它提供了一种更可持续、更环保的有机污染物去除方法。然而，为了充分利用氧化锌的特性进行废水处理，必须采用精心设计的材料和系统。

研究人员结合静电纺丝、水热和湿化学合成技术，开发了一种双功能薄膜，即银纳米粒子修饰、氧化锌纳米棒涂层的二氧化硅纳米纤维（AgNP-ZnONR-SNF），它在水净化和有机污染物传感方面都表现出卓越的能力。ZnONR-SNF的三维纤维结构为紫外照射下有机污染物的压电和光催化降解提供了较大的表面积体积比，效率超过98%。结果表明，这种低成本、环保的水净化技术具有去除有机污染物的潜力。在ZnONR-SNF表面上修饰的银纳米粒子形成“热点”，显著增强了表面增强拉曼光谱（SERS）信号，增强因子为1056，实验检测限为1 pg·mL¯¹。此外，研究人员开发了一种机器学习算法，用于多种污染物定性和定量检测，无需对拉曼光谱进行预处理，即可实现高精度（92.3%）和特异性（89.3%）。这项工作为水净化和传感提供了一个有前途的纳米工程解决方案，提高了检测精度、净化效率和成本效益。