Light首次发表:动量空间穆勒矩阵偏振测量,破解纳米手性结构表征难题

前言

近日,来自瑞士洛桑联邦理工学院(EPFL)的Olivier J. F. Martin教授团队在《Light: Science & Applications》期刊上发表研究论文(https://doi.org/10.1038/s41377-026-02336-z)。该研究提出了一种基于傅里叶域穆勒矩阵的偏振成像平台,首次实现对纳米结构中手性光学响应的高分辨率、动量分辨全偏振表征,成功解耦了圆二色性与圆双折射,并展示了其在分子手性传感中的巨大应用潜力。

核心内容

1.提出动量空间穆勒矩阵偏振测量平台

研究团队搭建了一套暗场傅里叶域偏振成像系统,能够获取样品在动量空间(k-space)中的完整4×4穆勒矩阵。该矩阵不仅包含样品的偏振转换、退偏特性,还能分离出线性与圆形各向异性效应。

2.成功解耦圆二色性与圆双折射

通过对金"gammadion"纳米阵列的研究,作者发现:

M14/M41元素代表圆二色性(CDA),反映材料对左/右旋圆偏振光的差异性响应;

M23/M32元素代表圆双折射(CB),反映相位延迟差异;

二者在动量空间中表现出不同的空间分布,分别对应于多极子模式的实部与虚部贡献。

3.揭示结构与厚度对手性响应的调控机制

研究发现,随着纳米结构厚度从50nm增加到150nm,圆二色性与圆双折射强度显著增强。即使是50nm厚、传统CD光谱难以检测的结构,动量空间偏振法仍能清晰分辨其微弱手性信号。

4.实现手性分子传感与对映体识别

对L型和R型gammadion结构进行对比,发现其CDA和CB图像符号完全相反,而线性偏振响应保持不变,证明了穆勒矩阵对结构手性的特异性识别能力。

将L-半胱氨酸和D-半胱氨酸吸附在结构表面后,CDA变化量(ΔCDA)符号相反,成功实现对映体的无标记识别。

进一步实验表明,ΔCDA随分子浓度变化(1μM至10mM)具有良好的浓度依赖性,展现出优异的传感灵敏度。

研究意义

1.为手性表征提供了"全息"视角

传统方法只能测量"平均手性",而这项技术可以看到不同角度下手性信号的强弱变化,从而揭示内部多极子共振模式与手性之间的物理联系。

2.线性与圆形效应成功"解耦"

这是手性光学测量中长期存在的难题。通过穆勒矩阵不同元素的对称/反对称特性,该研究实现了两种效应的明确分离,为后续研究建立了标准化框架。

3.开辟了无标记手性传感新路径

无需荧光标记,仅通过偏振散射信号的变化即可区分分子手性。这对药物筛选、生物标志物检测、食品安全等领域具有重要应用价值。

4.平台兼容性强,可拓展

该方法不仅适用于金质卍形结构,也可推广至其他手性超表面、介电纳米结构或二维材料系统。

图1:等离激元"卍"形纳米阵列的动量域偏振响应

图2:卍形纳米结构手性光学响应与非均匀偏振散射的数值研究

图3:测得的与卍形纳米阵列相对应的傅里叶域偏振穆勒矩阵

图4:卍形纳米结构厚度依赖的手性光学响应

图5:用于结构对映体表征与手性分子无标记检测的动量空间偏振测量

图6:金质卍形纳米阵列几何参数示意图(周期、臂长𝑙1,𝑙2,𝑙3和厚度𝑡)

【注】小编水平有限,若有误,请联系修改;若侵权,请联系删除!

相关推荐
变量未定义~4 小时前
最长回文子串
数据结构·算法
kishu_iOS&AI4 小时前
NLP —— Transformer底层源码剖析(解码器部分+输出)
人工智能·自然语言处理·transformer
迦南的迦 亚索的索4 小时前
机器学习_01_基础
人工智能·机器学习
百珏4 小时前
AI 应用技术演进串讲大纲
人工智能·后端·架构
工业机器人销售服务4 小时前
泡沫箱码垛(易碎),伯朗特机器人宽幅吸盘+低真空,吸气泡沫箱无压痕
人工智能
lally.4 小时前
CVE-2026-45727:CloakBrowser `cloakserve` 中由 `fingerprint` 引出的路径穿越与目录删除
人工智能·安全架构
财经资讯数据_灵砚智能4 小时前
基于全球经济类多源新闻的NLP情感分析与数据可视化(夜间-次晨)2026年5月17日
大数据·人工智能·python·信息可视化·自然语言处理
Bacon4 小时前
装上就回不去了:CodeGraph 让 AI 编程效率飙升 92%,它到底做了什么?
前端·人工智能·后端
XD7429716364 小时前
科技早报|2026年5月18日:AI 平台开始补生产级控制面
人工智能·科技·云基础设施·科技新闻·开发者工具·自托管·科技早报