FOP|综述：华中科技大学李祥友/清华大学王哲团队_机器学习在激光诱导击穿光谱中的应用进展

本文综述了机器学习在激光诱导击穿光谱（LIBS）中的应用进展。LIBS作为一种快速、在线、原位测量的光谱分析技术，具有广泛的应用前景，但存在基体效应和等离子体不稳定性问题，导致分析结果的准确度和重复性较差。机器学习通过智能关联复杂的光谱数据与目标结果，有效减少了信号波动和基体效应的影响，提高了LIBS的定性和定量分析性能。文章从光谱预处理和建模两方面总结了机器学习在LIBS中的应用，强调了机器学习的普适性、专用性、选择性和局限性，并展望了未来基于大数据的机器学习模型在LIBS中的应用前景。