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
倔强的石头1062 分钟前
【机器学习】机器学习三大范式_监督无监督强化学习概览
人工智能·机器学习
DO_Community11 分钟前
多模型路由怎么选?2026 年 4 款主流方案对比
人工智能
CypressTel13 分钟前
Google发布Gemini 3.7 Flash:企业为何要计算AI智能体的任务总成本——赛柏特AI快讯
人工智能
wujian831115 分钟前
怎么用千问生成word文档:从「格式崩」到「一键过」,AI导出鸭打通最后半厘米
人工智能·ai·c#·word·豆包·deepseek·ai导出鸭
一拳不是超人22 分钟前
DeepSeek Harness 为什么敢说"一切皆插件"?拆透 Cordis 引擎的五大核心机制
前端·人工智能·agent
安全指北针26 分钟前
AI编程工具供应链安全实战:当你的AI编码助手成为跳板
人工智能·安全·ai编程
fo安方30 分钟前
视频——工具——视频——ppt——AI生成ppt
人工智能·powerpoint
watersink34 分钟前
机器学习最大熵模型max_entropy_model
人工智能·机器学习
IT_陈寒34 分钟前
Python的GIL让我多写了500行代码
前端·人工智能·后端
迪康Defender43 分钟前
AI 重构终端安全运营:智能分析中枢 AI Insight 模块架构与落地场景深度解析
运维·网络·人工智能·其他·安全·重构·架构