摘要： 表面增强拉曼光谱（SERS）作为一种强大的分析技术，其谱 - 结构相关性研究具有极为重要的意义。本文深入回顾了 SERS 谱 - 结构相关性研究的历史发展进程，详细阐述了在实验拉曼光谱与分子结构建立准确相关性过程中所面临的诸多挑战，包括对复杂实验环境的描述以及理论模型计算精度与效率的权衡等。通过对不同时期理论发展的剖析，如 2012 - 2014 年建立小分子 SERS 光谱分析框架，到近年来针对大型复杂系统的创新方法探索，展示了该领域从简单系统静态计算向动态复杂系统研究的转变。同时，对未来 SERS 谱 - 结构相关性研究的发展方向进行了展望，旨在为该领域的深入研究提供全面且深入的参考资料，推动 SERS 技术在多学科领域的进一步应用与发展。

一、引言

SERS 技术自问世以来，以其能够显著增强拉曼信号的特性，在化学分析、生物医学、材料科学等众多领域展现出了巨大的应用潜力。SERS 谱图原则上蕴含着被测系统丰富的内在信息，通过对这些信息的解读，可以深入探究分子结构、揭示潜在机制，进而深化我们对结构 - 活性关系的理解。然而，在实验拉曼光谱与分子结构之间构建准确的相关性始终是 SERS 研究领域的一个核心难题，这一问题涉及到多个层面的复杂因素，从分子周围复杂实验环境的精确描述，到理论模型计算精度与效率的艰难平衡，都构成了巨大的挑战。本文将沿着 SERS 谱 - 结构相关性研究的历史脉络，深入探讨这一领域的发展历程、关键突破以及未来的发展趋势。

二、SERS 谱 - 结构相关性的核心挑战

（一）复杂实验环境的描述

SERS 实验并非在理想的、孤立的条件下进行，分子处于一个复杂的环境之中，其中包含了溶剂分子、其他杂质分子以及与基底的相互作用等多种因素。这些因素相互交织，共同影响着分子的拉曼光谱特征。例如，在溶液体系中，溶剂分子的极性、氢键作用等会改变分子的电子云分布，进而影响其拉曼散射截面。而在固体基底上，分子与基底之间的吸附作用可能导致分子的构象变化，这种构象变化又会反映在拉曼光谱的峰位、峰强和峰形上。准确地描述这样一个复杂的实验环境，需要综合考虑众多的物理化学参数，这对于理论模型来说是一个极为艰巨的任务。

（二）理论模型计算精度与效率的权衡

在 SERS 谱 - 结构相关性研究中，理论模型的构建是关键环节。一方面，为了精确地描述分子的电子结构、振动特性以及与基底的电磁相互作用，需要采用高精度的量子力学计算方法，如基于密度泛函理论（DFT）的计算。然而，这类方法计算量巨大，对于大型复杂分子体系，计算成本往往高得难以承受。另一方面，一些简化的模型，如谐振子模型，虽然能够在一定程度上提高计算效率，但却牺牲了计算精度，导致计算得到的光谱与实验光谱在频移和强度上存在较大的不匹配。特别是对于 SERS 而言，由于其不仅涉及分子的极化率变化，还涉及分子与表面的相互作用以及局部电磁场的复杂效应，这种精度与效率的权衡问题更加突出。例如，在热点区域，分子所感受到的电场强度具有很强的梯度性，不同位置的分子（或分子的不同部分）所受到的增强效应差异显著，这使得 SERS 光谱的精确计算变得极为困难。

三、过去十年 SERS 理论发展的关键历程

（一）2012 - 2014 年：小分子 SERS 光谱分析框架的建立

这一时期是 SERS 谱 - 结构相关性研究的重要里程碑阶段，在无法解释的现象（如光谱波动和闪烁）的驱动下，众多研究致力于构建分析小分子 SERS 光谱的基本框架。许多方法在描述 SERS 中的两个关键特性方面取得了成功，即电磁场随距离的衰减特性和拉曼的张量性质（极化率导数，PDs）。

Mullin 等人的工作具有代表性，他们将量子和经典电动力学相结合，对吡啶在距银衬底不同距离处的 SERS 光谱进行了计算。通过这种方法，揭示了 SERS 过程中距离依赖性的场强变化规律。在他们的研究中，详细地考虑了分子与基底之间的电磁相互作用，通过精确计算不同距离下分子所感受到的电场强度，以及分子自身的量子力学响应，成功地模拟出了与实验结果具有一定相关性的 SERS 光谱。这一研究成果为深入理解 SERS 增强机制中的电磁场作用提供了重要的理论依据。

Banik 等人则聚焦于 SERS 光谱中随时间变化的特性，成功破译了热点内小分子的运动规律。他们的研究方法基于对 SERS 光谱动态变化的细致观察和分析，通过建立合适的理论模型，将小分子在热点内的运动与光谱的时间变化联系起来。例如，他们通过监测特定振动模式的 PDs 随时间的变化，推断出小分子在热点内的转动、平移等运动行为，从而揭示了 SERS 光谱波动背后的分子动力学根源。这一研究为从动态角度理解 SERS 光谱提供了新的视角，使得我们能够更加全面地认识 SERS 过程中的分子行为。

此外，在这一时期，利用拉曼的张量特性计算具有不同取向分子的 SERS 光谱也取得了显著进展。通过旋转每次振动的 PDs，可以模拟出分子在不同取向时的 SERS 光谱，并且与实验结果实现了较好的吻合。这一成果表明，考虑拉曼张量特性对于准确描述 SERS 光谱具有重要意义，它能够更加细致地反映分子的结构信息以及分子与电场相互作用的方向性。

（二）高阶极化率的考虑与 SERS 过程精确描述

除了上述对电磁场衰减和拉曼张量性质的研究外，高阶极化率的考虑也成为这一时期 SERS 理论发展的一个重要方向，特别是对于尖端增强拉曼光谱（TERS）系统。Duan 等人的研究工作将局部场中电场分量的空间幅值纳入电子跃迁过程，从而对 SERS 过程进行了更为精确的描述。他们的方法将 SERS 过程转化为三个（或四个）高斯函数的重叠积分计算，通过将极化率集中在单个点上，有效地缓解了传统计算方法中高估强度的问题。这种创新的计算方式使得 SERS/TERS 光谱能够逐模式进行计算，大大提高了计算的准确性和灵活性。例如，在对一些具有复杂电子结构的分子进行 SERS 分析时，这种逐模式计算方法能够更加精准地捕捉到不同振动模式下的光谱特征，为深入研究分子的电子跃迁和振动耦合机制提供了有力的工具。

（三）计算与实验差距的弥合：动态 SERS 谱图研究

尽管上述模拟结果在一定程度上揭示了与实验结果相似的光谱特征，但需要认识到，每个实验光谱实际上代表了各种构象和电子状态下分子的总体贡献，这是静态计算难以完全实现的。为了弥合计算与实验之间的差距，Chulhai 等人在 2016 年开展了一项具有创新性的研究，他们将分子动力学模拟与电动力学相结合，对吸附在银纳米颗粒（AgNP）表面的吡啶分子进行了模拟。通过这种方法，为热点的位置以及热点内分子的空间分布提供了清晰的见解。在他们的研究中，分子动力学模拟能够描述分子在热点内的动态行为，包括分子的扩散、吸附和解吸等过程，而电动力学则负责计算分子在电场中的响应。这种结合方式为理解动态 SERS 谱图提供了宝贵的思路，使得我们能够从分子动态行为的角度去解释 SERS 光谱的变化。然而，该方法也存在一定的局限性，即忽略了分子和底物之间的一些精细相互作用。

为了克服这一局限性，Aprà 等人在 2019 年开发了一种基于从头算分子动力学（AIMD）计算的方法。与 Banik 等人通过旋转 PDs 不同，他们在每个时间步计算分子的极化率，并旋转局部场。通过这种方式，在平均的 AIMD 光谱与实验光谱之间获得了基本一致性。这一研究成果标志着在弥合计算与实验差距方面取得了重要进展，使得我们能够更加准确地从理论上模拟 SERS 光谱，为深入研究 SERS 谱 - 结构相关性提供了更为可靠的理论基础。

四、迈向大型复杂系统的 SERS 光谱分析

（一）随机森林模型与 SERS 光谱计算效率提升

随着 SERS 技术应用领域的不断拓展，对于大型和结构复杂的系统，如电催化体系、生物分子等的光谱分析成为了新的挑战。这些系统由于其规模庞大、结构复杂，传统的量子力学计算方法几乎无法应用，并且需要耗费大量的计算资源。胡等人的工作为解决这一问题提供了新的思路，他们应用随机森林模型来获得特定分子的模拟 SERS 光谱。随机森林模型是一种基于机器学习的算法，它通过对大量数据的学习和训练，能够快速地对未知数据进行预测。在 SERS 光谱计算中，该模型可以利用已知分子结构和光谱数据之间的关系，对新的分子结构进行 SERS 光谱预测。这种方法显著提高了计算效率，同时在一定程度上也保证了计算的准确性。例如，在对复杂生物分子混合物的 SERS 分析中，随机森林模型可以快速地对各个组分的 SERS 光谱进行预测，为混合物的定性和定量分析提供了有力的支持。

（二）基于图神经网络的 DetaNet 与 SERS 光谱模拟

基于图神经网络（GNN）的 DetaNet 是另一种在大型复杂系统 SERS 光谱分析中具有潜力的方法。DetaNet 利用神经网络的梯度来计算不同性质的偏导数，从而能够以与传统理论方法相同的精度水平预测 Hessian 矩阵和极化率，进而实现对 SERS 光谱的快速模拟。GNN 的优势在于它能够有效地处理具有复杂结构的数据，如分子结构数据。在 SERS 光谱模拟中，DetaNet 可以将分子结构表示为图的形式，其中原子为节点，化学键为边，通过神经网络对这种图结构进行学习和处理，从而准确地预测分子的拉曼光谱特征。这种方法为大型复杂分子体系的 SERS 光谱模拟提供了一种新的途径，有望在生物医学、材料科学等领域中得到广泛应用。

（三）分子动力学与分而治之策略：SPARC 方法

马等人引入的基于可分离 PD 的旋转粗粒度模型（SPARC）是针对复杂蛋白质 SERS 光谱模拟的一种创新方法。充分利用局域表面等离子体共振（LSPR）的切片功能，SPARC 能够分离并获得每个氨基酸的 PD，从而在几秒钟内模拟复杂蛋白质的 SERS 光谱。在该方法中，分子动力学模拟用于描述蛋白质的整体构象变化，而分而治之的策略则将复杂的蛋白质结构分解为单个氨基酸进行处理。通过将实验 SERS 光谱与各种构象蛋白质的模拟 SERS 光谱进行比较，SPARC 可以以接近原子的精度重建 3D 蛋白质结构。这一成果不仅在 SERS 谱 - 结构相关性研究中具有重要意义，也为蛋白质结构研究提供了一种新的工具。例如，在蛋白质折叠研究中，SERS 光谱结合 SPARC 方法可以实时监测蛋白质在折叠过程中的结构变化，为深入理解蛋白质折叠机制提供了新的视角。

五、SERS 谱 - 结构相关性研究的创新应用与未来展望

（一）在生物医学领域的创新应用

1. 疾病早期诊断

• SERS 谱 - 结构相关性研究的进展为生物医学领域的疾病早期诊断带来了新的机遇。通过对生物标志物分子的 SERS 光谱分析，可以获取其分子结构信息的变化，从而实现疾病的早期预警。例如，在癌症诊断中，肿瘤细胞会分泌一些特异性的生物标志物，如某些蛋白质或核酸分子。利用 SERS 技术对这些生物标志物进行检测，并结合谱 - 结构相关性分析，可以准确地识别出生物标志物分子结构的异常变化，进而在癌症早期阶段就能够发现病变。这种早期诊断方法具有高灵敏度和特异性的特点，有望提高癌症的治愈率。

1. 药物作用机制研究

• 在药物研发过程中，了解药物分子与生物靶点之间的相互作用机制至关重要。SERS 谱 - 结构相关性可以用于研究药物分子在与生物靶点结合前后的结构变化，从而揭示药物的作用机制。例如，当药物分子与蛋白质靶点结合时，其拉曼光谱会发生相应的变化，通过对这些变化的分析，可以确定药物分子与蛋白质的结合位点、结合方式以及对蛋白质结构和功能的影响。这有助于优化药物设计，提高药物的疗效和安全性。

（二）在材料科学领域的拓展应用

1. 纳米材料结构表征

• 对于纳米材料，其结构与性能之间存在着密切的关系。SERS 谱 - 结构相关性可以作为一种强大的工具用于纳米材料的结构表征。通过对纳米材料表面分子的 SERS 光谱分析，可以获取纳米材料表面的原子排列、化学键合等结构信息。例如，在金属纳米颗粒的研究中，SERS 光谱可以反映出纳米颗粒的尺寸、形状、表面修饰等因素对其表面电磁场增强效应的影响，进而推断出纳米颗粒的结构特征。这种非侵入式的结构表征方法对于纳米材料的合成优化和性能调控具有重要意义。

1. 新型功能材料设计

• 在新型功能材料的设计中，SERS 谱 - 结构相关性可以提供理论指导。通过对目标材料的分子结构进行设计，并利用 SERS 技术预测其光谱特性，可以筛选出具有特定性能的新型材料。例如，在设计具有高效光催化性能的材料时，可以通过调整材料的分子结构，使其在 SERS 光谱中表现出特定的峰位和峰强变化，这些变化与材料的光吸收、电荷转移等性能相关。从而根据 SERS 光谱的预测结果，有针对性地合成具有所需光催化性能的新型材料。

（三）技术发展的挑战与未来趋势

1. 多尺度理论模型的构建

• 尽管目前已经在 SERS 谱 - 结构相关性研究方面取得了诸多进展，但对于从原子尺度到宏观尺度的多尺度现象的统一描述仍然是一个巨大的挑战。未来需要构建更加完善的多尺度理论模型，能够同时考虑分子的量子力学行为、纳米结构的电磁特性以及宏观体系的物理化学环境。例如，在生物体系中，生物分子与细胞、组织等宏观结构之间存在着复杂的相互作用，这种多尺度的相互作用会影响 SERS 光谱的特征。开发能够描述这种多尺度现象的理论模型，将有助于深入理解生物体系中的 SERS 效应，拓展其在生物医学领域的应用范围。

1. 实验技术与理论计算的深度融合

• 目前，实验技术和理论计算在 SERS 谱 - 结构相关性研究中虽然都有各自的进展，但两者之间的深度融合还不够。未来需要进一步加强实验技术与理论计算的协同发展，通过实验数据为理论模型提供验证和优化的依据，同时理论模型为实验设计提供指导。例如，在开发新型 SERS 基底时，可以根据理论计算预测不同基底结构对 SERS 光谱增强效果的影响，然后通过实验进行验证和优化，从而实现实验技术与理论计算的良性互动，加速 SERS 技术的发展。

1. 人工智能与大数据在 SERS 研究中的深化应用

• 随着人工智能技术的不断发展和大数据时代的到来，将其更深入地应用于 SERS 谱 - 结构相关性研究是未来的一个重要趋势。人工智能算法可以对海量的 SERS 光谱数据进行挖掘和分析，发现隐藏在数据背后的规律和关系，从而进一步提高光谱分析的准确性和效率。同时，大数据的积累也为人工智能算法的训练提供了丰富的素材，促进其不断优化和升级。例如，利用深度学习算法对大规模的 SERS 光谱数据库进行学习，可以自动识别不同分子结构的光谱特征，实现未知分子的快速鉴定和结构解析。

六、结论

SERS 谱 - 结构相关性研究在 SERS 技术的发展历程中占据着核心地位。从早期面临的复杂实验环境描述和理论模型计算精度与效率权衡的挑战，到过去十年中在小分子 SERS 光谱分析框架建立、高阶极化率考虑、计算与实验差距弥合以及迈向大型复杂系统分析等方面取得的一系列关键进展，再到未来在生物医学、材料科学等领域的创新应用展望以及多尺度理论模型构建、实验技术与理论计算融合、人工智能与大数据应用等技术发展趋势，这一研究领域正不断向着更加深入、全面的方向发展。通过持续的研究和创新，SERS 谱 - 结构相关性研究有望为 SERS 技术在多学科领域的广泛应用提供更为坚实的理论基础，推动 SERS 技术成为一种更为强大、精准的分析工具，为解决众多科学和实际应用问题贡献力量。在未来的发展中，跨学科的合作与交流将是推动 SERS 谱 - 结构相关性研究进一步突破的关键因素，不同领域的专家学者携手共进，将共同开启 SERS 谱 - 结构相关性研究的新篇章。