液晶引导下的微塑料界面排列：让微小塑料看得更清楚

环境中微米级及更小的塑料颗粒（微塑料）检测一直是个难题，因为它们体积小，经环境风化后表面化学性质不均，且常与天然有机物共存。现有检测方法中，显微镜观察法在水样中微塑料识别的假阳性率高达20%-70%，沉积物样品中更是接近99%；光谱技术虽准确但设备昂贵，难以普及，尤其对负责内陆水域和沿海区域微塑料收集的公民科学家而言。本研究提出一种新方法，利用微塑料在液晶-水界面的自发吸附和自组装行为来表征其特性。液晶能放大微塑料表面特性的细微差异，使不同微塑料形成独特的聚集模式，再通过计算机视觉技术识别这些模式。

研究首先探讨了聚苯乙烯（PS）和聚甲基丙烯酸甲酯（PMMA）两种微塑料在液晶界面的聚集行为。实验发现，不同浓度（20-800 mg/L）和混合比例（纯PS、纯PMMA及两者不同比例混合）的微塑料会形成不同的分形聚集结构。研究团队训练了名为DeepPolyNet的卷积神经网络，该网络能基于这些聚集模式识别微塑料的浓度和成分，对纯组分样品识别准确率达100%，混合样品达99%。进一步分析显示，分形维数、聚集簇大小和圆形度是区分聚集模式的关键形状特征，三者结合分类准确率可达97.7%。

环境中的微塑料会经紫外线老化，研究发现紫外照射对PMMA和PS的影响不同。PMMA表面在紫外照射下会快速氧化，5天后表面负电荷增加，导致其在液晶界面的聚集簇变小甚至分散；而PS表面氧化缓慢，聚集行为几乎不变。DeepPolyNet能准确识别微塑料的紫外老化时间（准确率>99%）。此外，天然有机物（NOM）的存在会影响微塑料聚集：可溶性NOM会分散微塑料，胶体NOM会与微塑料相互作用，但DeepPolyNet仍能区分含NOM样品中的微塑料成分（准确率高）。

从物理机制上看，紫外照射使PMMA表面电荷变化，导致液晶在其表面的锚定方式从平面变为垂直，改变了微塑料的迁移率和液晶介导的弹性相互作用，从而形成不同的聚集模式。这种基于液晶界面聚集模式和计算机视觉的方法，能实现对微塑料浓度、成分、紫外老化时间及NOM存在情况的综合表征，且操作简便、成本较低，有望为环境微塑料检测提供一种广泛可及的工具，尤其适合公民科学家使用。