面向太空尘埃有机物的激光热解光谱探测与定性定量分析.pdfVIP

第45卷，第12期光谱学与光谱分析Vol.45,No.12,pp3403-3414

2025年12月SpectroscopyandSpectralAnalysisDecember,2025

面向太空尘埃有机物的激光热解光谱探测与定性定量分析

吴义健1.4，徐卫明1.2.4*，许学森1.4*，李鲁宁2.4，

吕文浩1.4，郡朋朋²，舒嵘

1.国科大杭州高等研究院物理与光电工程学院，浙江杭州310024

2.中国科学院上海技术物理研究所空间主动光电技术重点实验室，上海200083

3.中国科学院微小卫星创新研究院，上海201304

4.中国科学院大学，北京100049

摘要太空微小星体中痕量有机物的探测对研究生命起源具有重要意义，然而传统光谱技术难以一次性

激发并释放样本中所有有机物进行全面检测。特别是对于弥散分布的有机物，往往难以有效捕捉其信号，导

致其在复杂基质中的检测受到限制。针对这一问题，提出一种激光热解-傅里叶变换红外光谱(LP-FTIR)结

合机器学习的分析方法，旨在为深空探测生命痕迹识别提供新的技术方案。首先制备了含6种典型生命相

关有机分子（甘氨酸、硬脂酸、胞嘧啶核苷、核糖、脱氧核糖以及大豆卵磷脂）的太空尘埃模拟样品。利用小

型化LP-FTIR探测平台，获取热解气体的红外光谱数据。在定性分析中，开发了融合支持向量机（SVM)、

随机森林（RF）、极限梯度提升(XGBoost）、循环神经网络（RNN)和反向传播网络（BPNN)的多模型融合分类

算法，结合贝叶斯优化进行超参数调优，最后通过多数投票机制集成预测结果。定量分析方面，创新性地设

计了一维卷积神经网络（CNN)结合多头注意力机制的回归模型，利用分段池化锁定关键波段以提升特征提

取能力。研究结果表明，多模型融合分类方法在六类有机物识别中准确率达90%，较最优单模型（BPNN

87%)提升显著。改进的注意力CNN对甘氨酸的预测决定系数R²达0.979，均方根误差（RMSE）为

0.21mg，较传统偏最小二乘回归（PLSR，R²=0.969)和基础CNN模型（R²=0.891)性能提升显著。

关键词激光热解；傅里叶红外光谱；太空尘埃；有机物探测；机器学习

文献标识码：AD0I:10.3964/j.issn.1000-0593(2025)12-3403-12

中图分类号：0657.33

物质成分的颗粒样品，对于研究地球生命起源具有重要

引言意义。

国际上已多次开展针对月球、火星、小行星等天体的遥

近地轨道行星际尘埃粒子主要源自小天体（如行星、彗感探测、原位测量及采样返回任务6-101。1969年默奇森陨石

星）的碰撞、碎裂及挥发物蒸发，并通过太阳风或流星活动的发现揭示了地外氨基酸的存在[11，为生命起源的外源假

迁移至地球近地轨道1。降落至地球表面的陨石和彗星中携说提供了关键证据。1999年NASA星尘号探测器成功采集

带了丰富的有机物，大量有机碳可能通过陨石、彗星或太空Wild2彗星尘埃样本，首次获得未受地球污染的地外有机物

尘埃等途径传输至地球[2]，但穿越大气层时因高温氧化分数据[12]；日本隼鸟号探测器对小行星Itokawa的采样分析进

解，仅极少部分能够保存下来[3-41。微陨石进人大气后经历一步证实了太空尘埃中矿物与微量有机物的共存[13-14]。此

加热、蒸发和熔化，导致其来源难以确定；落到地表后，还外，Tanpopo计划通过国际空间站暴露实验研究了微生物和

可能受天气和环境影响而风化或污染[5]。因此，通过原位探有机分子在太空环境中的生存与迁移规律[15-16]。我国亦规划

测直接获取未经大气侵蚀且保留原始挥发性有机化合物和矿