本文利用研磨加工得到不同表面残余应力状态的4H-SiC样品，采用激光拉曼光谱仪测量样品表面的残余应力，通过显微硬度计测量无电场和有电场时的样品表面压痕硬度。结果发现：与无残余应力相比，在-1.6~0 GPa的残余压应力状态下，样品表面压痕硬度最大升高了9.5%；对样品通入一定电流后，无残余应力样品的表面压痕硬度可下降约6%，有残余应力样品的表面压痕硬度可下降约13%。对-1.6~1.6 GPa不同残余应力状态的4H-SiC表面压痕硬度进行了有限元模拟分析，发现在0~1.6 GPa的残余拉应力最多可以使晶片表面压痕硬度下降5.8%。研究获得了4H-SiC表面残余应力、电场等条件与其压痕硬度的映射关系，为通过调控残余应力和施加电场降低工件表面硬度提供了理论依据。

因芬氟拉明（fenfluramine）可抑制食欲，不少商家非法将其添加在食物中进行售卖。食用芬氟拉明后，可引发肝脏功能异常、瓣膜性心脏病、原发性肺动脉高压等严重影响身体健康的疾病。因此研究芬氟拉明分子的结构、光谱、分子激发等具有十分重要的实际意义。基于密度泛函理论（DFT），使用B3LYP泛函6-311++G（2d，2p）基组，对芬氟拉明分子进行结构优化。在此基础上对该分子的结构、前线轨道、拉曼光谱、静电势能和紫外光谱开展了一系列详细的研究。获得了芬氟拉明分子的基本结构信息，其最高占据分子轨道和最低未占据分子轨道均为alpha+beta型轨道，能量分别为-6.25和-1.22 eV，能级差为5.03 eV。实验拉曼光谱中756.5和1 003.5 cm^-1位置有两个强峰，其中756.5 cm^-1位置的强峰为CF₃的对称变形振动和苯环上C═C的不对称变形振动；1 003.5 cm^-1位置的强峰为苯环上C═C的对称变形振动，是间位双取代苯的特征谱带。实验拉曼光谱和计算拉曼光谱的线性拟合方程为y=0.988x+10.328，R²=0.999，呈现出较好的一致性。文章还讨论了芬氟拉明分子的表面静电势能分布和激发态性质。芬氟拉明分子共包含17个静电势能极大值点和12个静电势能极小值点。在-0.01～0.025 a.u.能量区间静电势能的表面积分布较为均匀。分子的紫外光谱主要由第1、2、3激发态决定，其中第2激发态的贡献率高达82.516%。利用空穴-电子分析法分析得出，S0→S1和S0→S2的激发类型均为胺基到苯环方向上的n-pi^*电荷转移激发；S0→S3的激发类型是胺基到苯环方向的n-pi^*电荷转移激发，同时伴随胺基到附近碳链的n-σ^*局域激发。以上这些基础理论计算工作不仅为食品中非法添加芬氟拉明的检测提供了理论依据，还为研究其衍生物提供理论基础。

基于密度泛函理论，在B3LYP/6-311++G（d，p）水平对呋喃芬太尼和异丁酰芬太尼进行结构优化，并在相同水平计算了其拉曼光谱。使用标准样品，实验测定了呋喃芬太尼和异丁酰芬太尼的拉曼光谱，实验结果与理论计算吻合良好。势能分布（potential energy distribution，PED）分析对拉曼峰进行了归属，实验和理论研究对照表明，呋喃芬太尼的拉曼特征峰为1472、1003和1642 cm^-1，最强特征峰为1472 cm^-1；异丁酰芬太尼拉曼特征峰为1004、1451和1608 cm^-1，最强特征峰为1004 cm^-1。从研究的结果看，芬太尼类物质的取代基团对其拉曼光谱有显著影响，这也是区别芬太尼类物质的关键。本研究为呋喃芬太尼和异丁酰芬太尼拉曼光谱快速检测提供了准确实验数据以及可靠理论支持，PED分析为芬太尼类物质拉曼光谱特点研究提供了重要参考，并将有助于芬太尼类新精活物质拉曼检测标准的制定以及毒品拉曼光谱数据库的建立。

SiO2纳米材料作为典型的纳米绝缘材料，其量子尺寸限制效应和不同类元素独特的光电特性相结合，在生物医药方面及纳米器件集成电子领域具有广泛应用。 随着科学时代的到来，研究成果日益增加，稀土掺杂纳米发光材料的研究工作逐渐展开， 其应用范围也很广阔， 如：信息显示、激光材料、光纤通信、甚至荧光探测。Sm3+是一种重要的稀土氧化物离子材料，它在太阳能电池、纳米电子器件、半导体玻璃、生物化学传感器和纳米磁体等领域具有潜在应用。 本研究使用热蒸发法合成了Sm3+掺杂SiO2纳米棒材料。 通过扫描电镜、 X射线衍射谱和拉曼散射光谱等手段对样品进行分析发现： Sm3+掺杂SiO2纳米棒为四方相晶体； 随沉积温度降低， 纳米棒直径增大， 沉积密度减少， 样品形貌由纳米棒状结构逐渐变为微米颗粒； 由于Sm3+离子半径较大， 导致掺杂后SiO2晶格衍射向小角度偏移， 晶格常数增加， 晶胞体积增大。 Sm3+掺杂SiO2纳米棒的生长过程没有金属催化剂的影响。 在饱和蒸汽压和Ar气流作用下， 气态SiO2会顺着气流方向沉积在温度不同的衬底区域上。 在高温区优先沉积成晶核， 由于腔体内残余氧气含量逐渐被消耗降低， 纳米线在生长过程中直径逐渐减小， 导致生成物顶部为针状。 我们推断在衬底生成纳米线的同时Sm3+替代少量Si4+进入SiO2晶格中。 而在低沉积温度的基底上， 随着腔体内氧含量降低， 原子扩散驱动力弱， 限制一维结构的生长， 易生长出零维结构。 Sm3+掺杂SiO2纳米棒的制备遵循气-固（VS）生长机制。 Sm3+掺杂SiO2纳米棒的光学性能使用紫外吸收光谱、 光致发光光谱进行分析， 发现了Sm3+掺杂纳米材料会促进晶体结构由单斜晶相向四方晶相的转换， 进而引起UV谱中吸收带蓝移， 文中实验制备的四方结构SiO2纳米材料紫外吸收边蓝移， 对应的带隙增大了0.7～0.8 eV。 当受到激发后， 不同于传统的无掺杂SiO2纳/微米材料， Sm3+离子掺杂后SiO2将能量传递给Sm3+， 材料展示出良好的Sm3+稀土离子特征发光性能。 该研究对SiO2材料在光信息领域的应用具有重要指导意义。

肺癌严重威胁人类健康， 近年我国发病率逐渐增加。 影像学和病理组织学检查是肺癌的主要筛查方式。 影像学检查作为初筛方法， 应用广泛， 但存在不确定性。 病理组织学检查结果准确， 是肺癌诊断的“金标准”， 而组织样本的获取对人体创伤较大。 有必要开发一种可靠且创伤小的肺癌诊断方法。 血清样本的获取比病理组织样本的获取便捷， 且创伤小。 拉曼光谱具有测试简单、 快速及灵敏度高等优点， 可获取血清的生化信息。 该研究使用拉曼光谱技术测试155例健康受试者和92例肺癌患者的血清样本。 在1 800~800 cm-1的波段范围内对健康受试者和肺癌患者血清的拉曼光谱进行曲线分峰拟合， 发现肺癌患者的拉曼光谱在1 005和1 091 cm-1附近的子峰面积百分比较健康受试者分别增加3.36%和5.32%。 在964、 1 522和1 586 cm-1附近的子峰面积百分比， 肺癌患者比健康受试者降低了2.3%、 2.82%和5.6%。 曲线分峰拟合结果初步表明， 肺癌患者的血清中类胡萝卜素、 氨基酸、 核糖、 核酸等生化物质含量发生了变化。 为了深入探索肺癌患者血清的拉曼光谱特征， 利用机器学习挖掘血清的拉曼光谱数据中隐含的信息。 首先使用主成分分析（PCA）提取光谱的特征变量， 并将获得的特征变量分别应用于支持向量机（SVM）、 随机森林（RF）、 k邻近（kNN）、 逻辑回归分类（LRC）、 决策树（DT）和贝叶斯（Bayes）算法建立分类模型， 再使用留一交叉验证法评估模型的预测性能。 结果显示： SVM模型对肺癌患者血清的拉曼光谱分类效果最好， 准确率、 灵敏度、 特异性和F1分数分别达到98%、 94.44%、 100%和97.14%。 SVM模型的9折交叉验证ROC曲线下面积的平均值为0.94， 说明SVM算法的预测性能较好。 研究表明， 血清拉曼光谱结合机器学习算法可对肺癌进行有效诊断， 该技术创伤小且准确率高， 是一种潜在的肺癌诊断技术。

金属纳米结构表面等离激元共振（SPR）是通过光子与自由电子共振的局域光场，实现近场光与物质相互作用的显著增强，其被广泛应用于分子传感及增强光谱探测等领域。然而，由于SPR模式与纳米结构特征密切相关，设计并制造可大面积生产的共振波长连续可调的金属纳米结构成为SPR器件亟须解决的问题。针对表面增强拉曼光谱（SERS）检测衬底的应用需求，提出了紫外激光双光束干涉转角光刻技术与金属离子溅射沉积工艺相结合的方法，成功制备了平方厘米级SPR连续可调的窄间隙金纳米薄膜莫尔光栅（AuNF Moire-grating）结构。通过调节激光双光束干涉光刻两次曝光转角（20°~40°），对光栅莫尔纹周期（439~864 nm）进行了精细调节，进而实现了540~875 nm波段内的SPR吸收调控。系统研究了莫尔纹周期及入射光偏振对AuNF Moire-grating共振吸收的影响，揭示了AuNF Moire-grating表面等离激元和窄间隙局域表面等离激元对入射光场的协同调控规律。在共振激发条件下，实现了检出限为10^-10 mol/L的非偏振依赖SERS痕量检测。研究结果为共振波长可调谐SERS衬底的制造提供了新思路。

中医药是中华文化的瑰宝和中华文明的结晶，在全民健康中发挥着重要作用。由于中药生长环境受限及市场需求量的增大，市场上出现了许多以次充好、以假乱真的中药，这对中药发展及质量保障都极为不利。因此，对中药的检测和鉴定非常重要。为了探究中药的荧光光谱和拉曼光谱特性，选取白芷、苏木、山药、地榆四种中药进行分类检测研究。一方面，从化学成分和结构的角度分析中药白芷和苏木产生荧光的可能性，采用F-4600型荧光光谱仪（200~750 nm）分别在不同激发波长和不同浓度下测试了白芷和苏木水浸液的荧光光谱，探究了白芷和苏木水浸液的荧光光谱特性，并对荧光强度与不同浓度、激发波长的关系进行了探讨。另一方面，采用共聚焦显微拉曼光谱仪（100~4 000 cm^-1）对4种不同产地的山药和2种不同产地的地榆中药饮片的拉曼光谱分别进行测试研究。结果表明，白芷水浸液在波长260~350 nm的光激发下，产生较强荧光，最佳激发波长是340 nm，荧光峰值波长为420 nm，其荧光强度随浓度的增大而增强，且样品浓度较低时，荧光强度与浓度成线性关系；苏木水浸液在200~290 nm的光激发下，产生较强荧光，最佳激发波长为220 nm，荧光峰值波长为345 nm，随浓度的增加，荧光强度先增强后减弱，在浓度为0.175 mg·mL^-1时荧光强度达到最大。白芷水浸液和苏木水浸液的荧光强度都与激发波长的关系呈现高斯分布，符合荧光规律。分析山药和地榆的拉曼光谱，发现不同产地的拉曼特征基本一致，确认山药的拉曼特征峰主要集中在477、862、939、1 080、1 258、1 337和1 457 cm^-1处；地榆的拉曼特征峰主要集中在862和1 337 cm^-1处，主要归属与已有的化学成分研究结果相符。部分特征峰处拉曼活性出现差异，可以作为区分不同产地中药的依据。该研究结果不仅为荧光光谱在中药鉴定及质量分析中的应用提供了实验数据和方法参考，也为利用拉曼光谱技术实现中药的快速准确检测及产地归属奠定了基础。

测定沃溪金矿三期黄铁矿（Py1、Py2、Py3）特征拉曼位移（A_g/cm^-1）均值分别为378.2、370.2、380.7，指示矿床形成经历了高压-低压-高压的变化过程；特征拉曼谱峰的半高宽（FWHM/cm^-1）均值分别为8.5、11.6、9.3，指示矿床的成矿温度经历了低温-高温-低温的变化过程。结合前人研究及区域构造演化，推断Py1形成于晚侏罗纪挤压应力背景下，成矿流体来源于区域变质流体；Py2形成于早白垩纪拉张应力背景下，成矿流体来源于伸展环境下大规模岩浆活动产生的岩浆期后热液；Py3形成于始新世-渐新世挤压应力背景下，成矿流体来源于区域变质流体。将不同阶段黄铁矿拉曼特征与主成矿期年龄及区域构造演化结合，可进一步限定不同阶段黄铁矿形成年龄，探究矿床的形成过程，挖掘成矿信息，拓展激光拉曼光谱技术在地矿领域的应用。

采用KBr压片(KBr)、石蜡油(Nujol)、衰减全反射(ATR)和熔融(Liquid)四种样品制备方法，收集了2,5-二氯嘧啶(2,5-DCP)固相及液相、400~4 000 cm^-1范围内的傅里叶变换红外光谱(FTIR)，记录了80~3 200 cm^-1区间内的傅里叶变换拉曼光谱(FT-Raman)和激光拉曼光谱(Laser-Raman)被记录。为正确解释实验获得的振动光谱，首先采用14种密度泛函理论方法(DFT)及二阶微扰理论(MP2)对2,5-DCP的结构进行优化，获得谐性近似下的振动频率、红外强度和拉曼活性，并将拉曼活性转换到拉曼强度。进一步考虑非谐效应，在平衡结构附近展开微扰计算，得到简振坐标下的三阶、四阶力场，以振动二阶微扰(VMP2)理论得到2,5-DCP的非谐振动频率和非谐振动强度，发现B3LYP计算的非谐振动频率与实验值差异最小。基于优选的B3LYP方法，继续考察基组对振动频率的影响，通过9种基组计算结果发现6-311++G(2pd, 2df)获得的非谐振动频率最佳，其与实验值的均方根误差(RMSE)为6.75 cm^-1(22个振动模下为4.63 cm^-1)，6-311++G(d, p)在大大减少计算时间的同时，精度未有多大损失(6.79 cm^-1)。综上所述，基于B3LYP方法结合6-311++G(2df, 2pd)基组得到的非谐振动光谱是归属2,5-DCP实验光谱的最佳选择。基于最优计算结果、标度因子方法获得的振动基频，结合非谐红外振动强度、谐性近似下的拉曼强度、简振坐标示意图以及振动势能分布(PED)，对比到实验采集的红外和拉曼光谱，对2,5-DCP的所有基频和部分泛频进行了指认，发现两个振动耦合，一为3 054 cm^-1与1 554以及1 540 cm^-1的和频耦合导致；二为1 132 cm^-1与793+351 cm^-1和频及1 370～230 cm^-1差频耦合引起。最后预期了多个同位素取代下的2,5-DCP振动谱，同时检验了上述归属的正确性。

新型冠状病毒的出现给全球经济、 公共安全等方面带来严重损失。 如今新型冠状病毒仍然在全球肆虐，加强病毒的检测和诊断是一项急需解决的工作，快速且准确地诊断新冠病毒对疫情防控尤为重要。 随着技术的发展，深度学习在检测识别方面有了许多突破性进展，吸引着研究者的广泛关注。 然而深度学习需要大量数据进行模型训练，而新冠病毒的拉曼光谱采集过程受到器件和环境等诸多问题的限制，导致获取大批量的数据非常困难。 有限的训练数据会阻碍深度学习模型的训练，导致深度学习模型训练受阻，精度有限，以至于深度学习模型在真正的检测中表现不佳。 为解决这一问题，该研究引入条件生成对抗网络，自动提取拉曼光谱数据特征，通过学习生成新的光谱来完成新冠病毒的拉曼光谱数据扩充工作。 这些方法能有效增加训练集数量从而提高模型准确性。 利用数据增强后的拉曼光谱数据和深度神经网络以及传统的机器学习方法逻辑回归、 决策树、 随机森林、 支持向量机、 KNN算法，完成新冠病毒的诊断。 实验结果表明，深度神经网络对是否感染新型冠状病毒的预测准确率达到98%，高于传统机器学习算法，证明了深度学习模型在新冠病毒拉曼光谱检测中的优越性。 该研究还对比了增强前后的数据集在不同模型中的表现，证明了数据增强的作用。 与传统的检测方法相比，该方法具有无损、 快速、 准确等特点，为生物医学检测新冠病毒提供了一种新的思路。 该方法可以为快速准确检测新冠病毒提供辅助，所采用的方法不仅可以应用于新冠病毒检测，还可以推广到其他疾病的诊断中，具有一定的实际应用价值。