近日，江西科技师范大学化学学部刘峰副教授团队在分析化学领域权威期刊《Analytica Chimica Acta》上发表了题为“Integrating cyclodextrin ffuorescence sensing array and machine learning ”的研究论文。

全氟化合物（PFAS）难以降解、易在生物体内积累，对生态环境与公共健康构成潜在威胁，其精准检测始终是环境监测领域的重点与难点。传统检测方法在面对痕量、多组分或复杂基质干扰时，常因解析能力有限，在准确度与效率上遭遇瓶颈。

该研究创新性地将高灵敏度荧光传感技术与机器学习算法相结合，构建出一套智能检测新方法，该系统通过机器学习模型自动识别并解析复杂信号，显著提升了痕量PFAS的识别精度与检测稳定性，实现了在复杂环境样品中高效、可靠的PFAS分析，检测结果与标准液相色谱-质谱法相比误差仅为0.66%，这一融合智能算法的技术路径，为PFAS监测提供了更强大的工具，也为应对新型污染物检测挑战提供了新思路。

图 1 基于荧光矩阵所构建机器学习全流程分析过程

本文第一作者为江西科技师范大学化学化工学院2024级材料化学专业研究生查建程，通讯作者为刘峰副教授和周渊博士。研究获得全球环境基金（10673），江西省自然科学基金（20224BAB204006，20202BABL214059），国家自然科学基金（32001019）及江西科技师范大学重点研究基金（2023XJZD010）等项目的支持。

原文链接：https://doi.org/10.1016/j.aca.2025.344680