近日，我院张祯教授团队在Environmental Science & Technology Letters杂志上发表了题为“Chromium Speciation Monitoring Platform for Drinking Water: Machine Learning-Assisted Dual-Emission Fluorescence Sensor Array”的研究成果。江苏大学为第一完成单位，我院青年教师朱暖飞与硕士研究生田毅兴为共同第一作者，张祯教授为通讯作者。

饮用水中不同化学形态的铬对人体健康风险差异显著，仅通过总铬分析无法反映真实环境影响。鉴于此，本研究融合两种机器学习算法模型，开发出一种新型荧光传感器阵列技术，仅需过滤处理即可实现饮用水中铬形态的快速识别与定量检测。该系统制备了具有双发射波长的三元荧光杂化材料（MSN@Zr@Au与MSN@Zr@AgAu），将多重传感信息集成于单一荧光杂化材料中，实现了多种铬形态的快速区分，大大简化检测流程。双模式算法的应用可显著提升分析精度，线性判别分析法（LDA）辅助层次聚类分析法（HCA）的算法策略，对单一组分及混合实际水样中的铬形态均具有高选择性。在最优条件下，对不同样品的线性响应良好，最低检测限达1.29 μM。该双发射荧光传感器阵列在饮用水与自来水铬形态分析中展现良好的实用性，有望构建真实水体中金属铬形态分析的实用监测平台。

该研究成果得到了国家自然科学基金、江苏省自然科学基金、江苏省高等学校基础科学（自然科学）研究面上项目等项目的资助。文章链接：https://pubs.acs.org/doi/10.1021/acs.estlett.5c00506