光学分选技术综述：过去、现在与未来
作者与发表信息
本文由Meng Yang、Yuzhi Shi、Qinghua Song、Zeyong Wei、Xiong Dun、Zhiming Wang、Zhanshan Wang、Cheng-Wei Qiu、Hui Zhang和Xinbin Cheng共同撰写，发表于《Light: Science & Applications》2025年第14卷第103期。作者来自同济大学精密光学工程研究所、新加坡国立大学和南洋理工大学等多个知名研究机构。
研究主题
本文是一篇关于光学分选技术(optical sorting)的全面综述，系统梳理了该技术的历史发展、当前研究进展和未来方向。光学分选结合了光镊(optical tweezers)与光学光谱、人工智能和免疫分析等多种技术，在纳米级精度、高分辨率和非侵入性方面具有显著优势。
主要观点与内容
光学分选的技术分类与基本原理
文章将光学分选技术分为主动分选(active sorting)和被动分选(passive sorting)两大类。主动分选需要移动和可调节的光镊，通过来自不同粒子的外部信号（如荧光、拉曼信号或机器学习数据）动态控制粒子运动。被动分选则利用确定性的光场，通过透镜系统或超表面(metasurface)配置，根据粒子大小和形状的差异进行分选。
文中详细阐述了四种典型光学力的物理原理： 1. 光学辐射压力(optical radiation pressure, ORP)：源于传播光子的动量转移 2. 光学梯度力(optical gradient force, OGF)：由光强梯度产生 3. 光学拉力(optical pulling force, OPF)：与波矢方向相反的力 4. 光学侧向力(optical lateral force, OLF)：垂直于波矢且与强度或相位梯度无关的力
主动光学分选技术
文章详细介绍了三种主要的主动分选方法：
- 数字图像处理辅助分选：
- 传统图像处理技术：包括阈值分割(threshold segmentation)、边缘检测(edge detection)等算法
- 机器学习方法：如支持向量机(SVM)、多层感知器(MLP)和卷积神经网络(CNN)等
- 应用案例：Wang等利用阈值分割算法识别目标细胞；Nan和Yan通过光束整形实现了150nm金和银颗粒的分选
- 荧光标记辅助分选：
- 细胞表面标记：如小麦胚芽凝集素(WGA)和CellMask膜染料
- 免疫荧光技术：基于抗原-抗体的特异性结合
- 细胞内细胞器标记：包括溶酶体、线粒体、高尔基体等
- 量子点(quantum dots)应用：利用其优异的荧光特性进行特异性标记
- 拉曼光谱辅助分选：
- 原理：利用”分子指纹”特性进行物质鉴别
- 技术发展：从早期微米级粒子分析到纳米级单细胞分选
- 与人工智能结合：如ConvNet分类模型对微生物拉曼光谱的识别准确率可达100%
- 应用案例：Xu等开发了拉曼激活重力驱动单细胞封装测序技术
被动光学分选技术
- 基于光学辐射压力的分选：
- 光学色谱法(optical chromatography)：平衡ORP与流体阻力等外力
- 应用案例：Wu等利用表面等离子体共振增强ORP实现了100nm金纳米颗粒的分选
- 技术突破：Yang等发现松散过阻尼系统(loosely overdamped system)，实现了35-50nm金纳米颗粒的分选，分辨率达5nm
- 基于光学梯度力的分选：
- 原理：依赖粒子极化率的实部，随金属纳米颗粒大小和光波长变化
- 特殊应用：Kawaguchi等利用单个光学涡旋脉冲同时捕获聚苯乙烯颗粒和金颗粒
- 非保守OGF：Xu等展示了由Kerker干涉产生的非保守OGF可用于分选
- 新型光学力分选：
- 光学拉力：由前向散射优势产生
- 光学侧向力：包括Belinfante自旋动量等多种机制
- 手性分选：利用OGF和ORP的手性依赖性分离不同手性粒子
技术增强与创新方法
文章重点介绍了两种增强光学力的创新方法：
- 超表面技术：
- 优势：高效调控电磁场，显著提高分选分辨率
- 案例：可实现4.2-5.4nm聚苯乙烯颗粒的分选，分辨率达1.2nm
- 拓扑光场：
- 特点：通过多极子和拓扑结构增强光场
- 应用：成功分选90-120nm金纳米颗粒，分辨率10nm
研究意义与价值
科学价值
- 系统梳理了光学分选技术的发展脉络，建立了完整的技术框架
- 深入解析了各种光学力的物理机制，特别是新型光学力的产生原理
- 提出了光学分选的技术分类标准（主动/被动分选）
- 探讨了人工智能与光学分选的融合前景
应用价值
- 生物医学领域：
- 单细胞分析：如肿瘤细胞分选、免疫细胞研究
- 外泌体(exosomes)分选：用于疾病诊断和治疗监测
- 药物递送系统：通过控制载体颗粒大小提高治疗效果
- 材料科学：
- 纳米材料分选：如金属/介电纳米颗粒的精确分离
- 手性材料制备：通过光学力分离不同手性结构的材料
- 能源与环境：
- 电池材料优化：通过控制颗粒尺寸提高离子传输速率
- 环境监测：微生物和污染物的快速识别与分选
研究亮点与创新
- 全面性：首次系统综述了从传统到新型光学力的全部分选技术
- 前瞻性：详细探讨了人工智能赋能的超快分选和生物形态选择性分选等未来方向
- 技术深度：深入分析了各种光学力的物理本质和数学表达
- 应用广度：覆盖了从基础物理到生物医学的广泛应用场景
- 创新方法：重点介绍了超表面和拓扑光场等前沿增强技术
未来展望
文章最后指出，光学分选技术将朝着以下方向发展： 1. 更高分辨率：突破现有纳米级限制，向亚纳米尺度迈进 2. 更快速度：结合人工智能实现超高通量分选 3. 更智能化：开发自适应、自学习的智能分选系统 4. 多技术融合：与微流控、声学等技术深度整合 5. 临床应用：推动从实验室研究到实际医疗应用的转化
作者预见，随着深度学习算法的发展，光学分选技术必将在科学研究和实际生物医学应用中成为革命性工具。
（全文约2200字）