用于健康检测与药物筛选的智能纳米光子传感器

项目765 · Nanyang Technological University · School of Electrical and Electronic Engineering

所在国家或地区: 新加坡
申请截止日期: 滚动申请，当前是否仍招请核对原始公告。
资助信息: 面向全球申请者的资助型博士项目；项目信息未列明奖学金金额、学费与生活津贴覆盖范围、资助年限或其他费用安排。

申请工作台

保存项目，围绕当前机会准备申请。截止日期和资格请以原始公告为准。

登录后保存项目或使用申请工具

阅读项目调研与申请判断

项目介绍

项目概览

本博士项目拟开发一种新的纳米光子平台，研究重点包括新型光学谐振器、新的传感机制，以及纳米光子传感器的设计。博士生将进一步把传感器转化为药物筛选平台或健康筛查平台，并通过机器学习辅助解读检测结果。

项目位于 Nanyang Technological University 的 School of Electrical and Electronic Engineering，由 Prof Yu-Cheng Chen 指导。项目面向全球申请者并标注为资助型博士机会，全年接受申请。

申请者应具备物理、光学或工程相关背景之一；这些方向的扎实基础属于优先条件。同时，项目明确要求候选人拥有一定的人工智能和机器学习经验。

项目详情

【研究目标】

研究的第一条主线是建立新的纳米光子平台。项目不只是应用现成传感器，而是从光学谐振器与传感机制出发，探索能够支撑检测任务的器件设计。博士生需要围绕纳米尺度光学结构和传感原理开展设计工作，使平台能够把目标对象或状态变化转化为可读取的光学响应。

第二条主线是把纳米光子传感器转化为实际筛查平台。项目给出两类应用方向：一类是药物筛选，用于支持候选药物或相关响应的检测与比较；另一类是健康筛查，用于面向健康状态检测的应用。最终选择其中一类还是同时覆盖两类场景，项目信息尚未明确。

【机器学习环节】

机器学习将深度参与结果读取，而不是仅作为附加展示工具。博士生预计需要把传感器产生的测量结果与机器学习分析结合，用于辅助判断和解释输出。项目没有说明数据规模、标签来源、算法类型、训练策略或评价指标，因此可以确认的是“机器学习辅助读数”这一研究环节，而不能据此推定会采用某一种特定模型。

【申请者背景】

项目鼓励在所列领域中至少具备一项扎实背景的候选人申请，并特别偏好物理、光学或工程相关训练。人工智能与机器学习并非纯粹加分项：申请者需要已有一定经验。由于研究横跨纳米光子器件与数据分析，候选人需要能够理解物理或工程问题，同时参与机器学习驱动的结果分析；但项目未给出具体学位层级、编程语言、实验技能或论文要求。

申请要点

研究主题：新型光学谐振器、传感机制与纳米光子传感器设计。
应用方向：将传感器发展为药物筛选平台或健康筛查平台。
数据分析：使用机器学习辅助解读平台输出。
优先背景：物理、光学或工程。
必备经历：一定的人工智能和机器学习经验。
导师：Prof Yu-Cheng Chen。
申请时间：全年接受申请，未给出固定截止日。
资助与申请范围：资助型博士项目，面向全球申请者；具体资助金额和覆盖范围未列明。

需要进一步确认

项目未说明博士学制、入学批次、奖学金金额、学费覆盖、生活津贴及资助年限。
尚未列明申请材料、学历门槛、语言要求、申请流程和选拔时间表。
需要向导师确认具体谐振器类型、材料体系、器件制备与表征条件、筛查对象、样本或数据来源，以及机器学习任务和评价标准。
药物筛选与健康筛查是备选方向还是同一平台的并行目标，仍需进一步核实。

查看收录来源与申请要求

收录来源可能是学校或招聘平台；正式申请入口及最新要求请核对公告与下方报告中的官方来源。

项目深度调研报告

报告生成记录：2026-07-16。生成日期不代表招聘方确认项目仍开放。

资料更新记录：2026-07-16。申请前请再次核对原始公告。

PhD 项目深度调研报告：用于健康检测与药物筛选的智能纳米光子传感器

申请判断

建议：前景可观，但存在重大不确定性。置信度：0.84。

本项目的研究主题与导师方向高度契合，这一点较为突出。Yu-Cheng Chen 目前在 NTU 的研究覆盖光学微谐振器、生物激光器、纳米腔生物传感、生物医学成像、多重检测、单细胞光学表型分析，以及机器学习辅助读数。近期论文形成了清晰的技术演进路径：从谐振器物理和荧光增强，发展到可穿戴传感、无标记单细胞光学指纹，再到 2026 年利用机器视觉开展快速多重 microRNA 分析的纳米腔平台。NTU EEE 还提供学科排名较高的工程环境、洁净室和光子学能力、生物器件研究中心，以及与医学研究的联系。

但公开的项目定义仍然过于简略，尚不足以支持无条件的积极判断。“药物筛选”和“健康筛查”可能分别发展成研究内容差异很大的博士课题。目前没有明确主要疾病、生物标志物、细胞表型、样本类型、检测方法、参照标准、谐振器类型、机器学习任务或临床终点。公开信息只列出 Yu-Cheng Chen 一位导师，没有确认负责生物检测、临床研究、器件制备、统计或机器学习的联合导师。资助也只有概括性描述，未给出奖学金名称、生活津贴、学费覆盖、资助期限、工作义务或项目经费预算。

证据表述同样需要严格把握。实验室近期成果在技术上较强，但多数基于分析检测、细胞提取物、加标生物基质、细胞、组织或概念验证型在体测量。这些结果尚不能证明平台在目标患者人群中的前瞻性健康筛查表现。一项严谨可信的博士课题应区分分析性能验证、生物学验证，以及临床或药物反应验证。机器学习部分应按独立样本、供体、批次和站点划分数据，而不是按图像或纳米腔划分，并纳入校准和外部测试。

如果团队能够明确一个主要用途、分阶段工作计划、具名合作人员、已落实的样本来源、洁净室与湿实验室权限、受保障的经费，以及外部验证方案，本项目的吸引力会明显上升。所谓“全年开放”的项目状态，也需要与 NTU 正式的 1 月和 8 月入学周期相互核对。

研究方向与领域前景

潜在研究切入点

以下四种博士课题架构较为可行：

采用稳健机器视觉的多重纳米腔检测。 围绕明确的生物标志物组合优化一种纳米腔架构，量化制造与检测变异，并测试样本层面的外部泛化能力。
用于药物反应的无标记单细胞光学表型。 明确一个细胞体系和治疗问题，生成激光指纹，与生物学参照测量比较，并在不同实验和供体之间验证。
用于一组临床相关代谢物的可穿戴谐振器。 重点研究稳定性、干扰、读出小型化、校准和与参照测量的一致性，而不是不断增加分析物数量。
面向域偏移（domain shift）的传感器—ML 协同设计。 联合优化谐振器响应和模型稳健性，并明确测试批次、器件、操作者和站点变化。

一篇博士论文应选定一种主要架构。新型谐振器物理、检测化学、完整机器学习、药物筛选和前瞻性人群健康筛查合在一起，范围过于宽泛。较合理的阶段安排是：第一年完成器件和分析检测重复性；第二年进入真实生物基质并锁定 ML 流程；后续再开展外部生物学、药物反应或临床验证。每个阶段都应设置继续/停止阈值和备用路径。

验证阶梯应保持明确：

分析性能： 空白限与检出限、动态范围、选择性、精密度、重复性、残留、干扰和稳定性。
生物学： 真实基质、样本处理、生物学重复、批次变异，以及与参照检测方法比较。
机器学习： 独立样本划分、锁定的预处理、基线模型、校准、错误分析和外部域测试。
临床或药物反应： 目标人群或细胞模型、比较方法、预先设定的终点、充分样本量，以及工作流相关性。

领域发展态势

纳米光子生物传感通过增强光与物质的相互作用，把微弱的生化或细胞变化转换为可测量的光学信号。常见平台包括回音壁模式（whispering-gallery）微滴与光纤、Fabry–Pérot 腔、等离激元或介质—金属纳米间隙、超表面，以及连续体束缚态。高品质因数（Q-factor）可以增强响应分辨率，强局域场则可以提升荧光或折射率灵敏度。但每种架构也会在耦合、模式稳定性、背景、光漂白、淬灭、制造容差、表面功能化、流体处理和规模化方面带来权衡。

因此，领域前沿已经转向系统级能力。一个有实际价值的平台必须能够跨器件和批次稳定工作、耐受复杂生物基质、区分特异性与非特异性相互作用、支持多重检测、使用紧凑型读出，并生成可解释结果。若用于健康筛查，还需要在目标人群中对照适当参照标准验证性能。若用于药物筛选，则需要捕捉具有生物学意义的扰动或表型，并具备足够的重复、剂量—反应信息和对照。

机器学习可以用于图像分割、光学指纹分类、非线性校准、去噪、逆向设计或传感器融合。但如果同一样本的多张图像、多个纳米腔或多条光谱同时出现在训练集和测试集中，结果可能被严重高估。通常应以独立样本或供体作为数据划分单位，并分开批次和站点，同时报告校准、类别不平衡、不确定性和硬件漂移。

Singapore HSA 的指导使转化边界更明确。若平台用于检测、诊断或监测疾病，可能进入医疗器械监管范围。机器学习医疗器械（ML-enabled device）试验需要明确预期用途、目标人群、对照、终点、样本量、统计计划、工作流和安全性；模型生命周期、透明度、隐私、网络安全和部署后性能也很重要。博士研究不必完成产品注册，但如果提出健康筛查主张，研究设计应考虑完整证据链。

职业与市场前景

新加坡经济发展局（EDB）报告显示，2023 年新加坡医疗科技（MedTech）产业产值为 S$19.4 billion，从业人员约 17,000 人，相关企业超过 400 家。MTI 报告了持续的生物医学投资和计划新增岗位，A*STAR 则记录了活跃的国家级硅光子学（silicon photonics）合作。这些证据支持当地具有实际意义的产业生态，但不能说明纳米光子生物传感博士岗位数量充足或就业得到保证。

可迁移的职业路径包括光子器件研发、生物传感器与诊断、生物医学成像、生命科学仪器、科学机器学习、洁净室工艺开发、产品验证，以及监管科学。硅光子学岗位可能更偏通信或 AI 硬件，而不是生物传感；MedTech 岗位则可能要求质量体系和临床证据能力，不能只依靠光学论文。最有利的职业成果通常来自可重复的硬件、严谨的数据集、经过充分验证的代码，以及清晰记录的转化决策。

学校、学科与培养

NTU 在本项目涉及的多个基础学科上拥有很强的整体声誉。学校官方排名汇总显示，NTU 在 2026 年泰晤士高等教育（THE）世界大学排名中位列第 31，在工程学科位列第 14。NTU 还公布了其在电气与电子工程、人工智能、工程和纳米科学等方向的领先学科排名。EEE 则公布其在 2026 年 QS 学科排名中位列第 4，研究生规模超过 2,000 人。这些指标能够反映研究影响力和规模，但不能直接衡量个人指导质量、资源访问权限或临床转化能力。

研究基础设施对项目判断更有实际意义。EEE 的“智能材料、电子与光子学”研究方向覆盖纳米光子学、生物光子学、传感器、光电子学和器件平台，并公布了两类洁净室环境，以及光子器件制备、表征、建模和仿真能力。相关机构还包括光电子与生物光子学中心（Centre for Optoelectronics and Biophotonics）、南洋纳米制造中心（Nanyang NanoFabrication Centre），以及生物器件与生物信息学中心（Centre for Bio-Devices and Bio-Informatics，CBB）。CBB 主要研究生物器件、生物成像、神经技术和信号分析，并介绍了其与 LKCMedicine 开展从实验室到临床的合作。

这套环境适合需要电磁设计、纳米制造、表面功能化、显微成像、生物检测和数据分析的交叉项目。需要注意的边界是资源是否真正分配到本项目。学校拥有洁净室或医学院合作关系，并不意味着博士生一定可以使用某条工艺、某台仪器、某位技术人员、某个生物安全空间、某类临床样本或某位医院研究人员。因此，与研究中心名单相比，书面的资源和合作计划更重要。

EEE PhD 的正式培养结构较为清晰。项目在 1 月和 8 月招生，要求完成 18 个学分单元（Academic Units），包含资格考试或确认环节，最终以论文和口试结业。全日制学制正式范围为 2—5 年。EEE 的一般入学指导要求相关专业本科达到相当于英国二等一荣誉学位的水平。母语非英语的海外申请者通常需要提交英语能力证明，除非符合授课语言豁免条件；EEE 公布的最低要求包括 TOEFL iBT 100 和 IELTS 6.5。海外 EEE 申请者不强制提交 GRE，但达到较好水平的成绩可能增强申请竞争力。

新加坡拥有密集的工程、生物医学和制造业网络。不过，如果无法获得校内住宿，当地生活成本也相对较高。NTU 研究生住宿通过抽签分配，校外住房可能显著改变预算。

导师与实验室评估

导师研究方向

NTU 当前师资目录显示，副教授 Yu-Cheng Chen 的研究兴趣包括光流体学（optofluidics）、生物激光器、微谐振器、生物光子学、生物医学成像与生物传感、医疗器械、细胞与组织诊断、纳米光子学、等离激元、纳米激光、神经光子学和生物集成光学器件。这与项目提出的方向直接对应，而不是宽泛的主题关联。

实验室的长期研究路线也较为连贯。NTU 的一份研究简介介绍了可编程和生物响应型微纳激光器、光子条形码、活体片上激光器，以及深度学习辅助的细胞分析。CBB 列出的 Chen 主导项目包括用于表型分析和药物筛选的高通量细胞激光阵列，以及用于多重癌症分析的外泌体激光生物芯片。这些资助项目表明团队长期在推动光学谐振器向生物测量场景转化。

目前缺少的是明确的团队分工。本项目至少跨越四个专业领域：谐振器与器件工程、分子或细胞检测、机器学习，以及药物或健康工作流中的验证。一位导师可以统筹整体整合，但公开资料没有列出临床医生、药物科学家、生物检测专家、洁净室负责人、生物统计学家或机器学习联合导师。在将项目视为支持条件完整之前，申请者需要了解每个工作包由谁负责、完整团队多久开一次会，以及第一年能获得哪些训练。

近期重要论文

以下六篇论文最能说明项目价值及其证据边界：

Broadband Nanocavity Imaging with Machine Vision for Multiplex miRNA Assays（2026）。 Chen 团队在 Advanced Materials 发表的研究将介质—金属间隙纳米腔与 Mask R-CNN 结合，利用肺癌细胞提取物和生物提取物中的合成靶标，实现多种 microRNA 的快速、无扩增分析。这是与“纳米光子传感器 + ML 读数”最接近的成果，但并非前瞻性患者筛查试验。
Dielectric Nanocavity Enhanced Fluorescence Emission for Ultrasensitive Wavelength-Multiplexed Detection（2025）。 这项 Nano Letters 工作报告最高 855 倍的荧光增强、接近单分子水平的灵敏度、小样本体积，以及四种 microRNA 生物标志物的多重检测。它证明了较强的器件和分析检测基础，但低检出限本身不能证明诊断价值。
Single-cell laser emitting cytometry for label-free nucleolus fingerprinting（2024）。 这篇 Nature Communications 论文利用 Fabry–Pérot 谐振器增强核仁对比度并生成无标记细胞光学指纹，为细胞状态或药物反应筛选提供了可信路径。不过，跨站点可重复性和前瞻性实用价值仍未明确。
A Wearable Thin-Film Hydrogel Laser for Functional Sensing on Skin（2024）。 这项 Analytical Chemistry 研究把液晶微滴激光器嵌入水凝胶，在皮肤上演示汗液葡萄糖、乳酸和尿素检测，展示了向可穿戴形态转化的能力，但仍属于概念验证，读出设备小型化、稳定性和临床对照仍需研究。
Submonolayer biolasers for ultrasensitive biomarker detection（2023）。 这项合作发表在 Light: Science & Applications，使用光纤微腔开展一次性血清生物标志物检测，说明阈值物理能够放大弱信号，但基质效应和患者层面的区分能力仍需研究。
Ultrasensitive biosensing with 3D bound-state-in-the-continuum metasurfaces（2026）。 这项独立的 Nature Photonics 研究是有价值的领域前沿基准：它结合晶圆级制造、紧凑型读出和 171 份人血清样本，用于早期肺癌筛查和监测。它表明，当前的研究创新越来越依赖可制造性和临床证据，而不仅是灵敏度。

实验室、资源与合作环境

CBB 面向生物器件、成像和医学院合作的定位，是一个较强的环境信号。EEE 的洁净室、纳米制造和光子学设施可能支持谐振器开发，而学院在 AI 和信号处理方面的积累可能支持智能读出。近期论文还显示团队与数字分子分析与科学研究所（Institute for Digital Molecular Analytics and Science）及生物科学学院（School of Biological Sciences）存在合作。

申请者仍应索取本项目的具体资源清单，包括：现有器件设计基础、可用光掩模和工艺流程、制备工作由谁负责及洁净室费用、显微镜/光谱仪/泵浦激光器使用权限、湿实验室和生物安全空间、检测所需试剂和细胞模型、GPU 与数据存储、临床或制药合作联系人，以及技术人员支持。还需要确认能否直接扩展已发表的实验室平台，还是博士生必须从头重建；后一种情况会显著增加第一年的风险。

资助、申请与生活成本

项目信息显示该机会提供资助并面向国际申请者，但没有公布奖项条款。NTU Research Scholarship（研究奖学金）只能作为比较基准。自 2026 年 1 月起，该奖学金为博士生提供的每月生活津贴为：新加坡公民 S$3,800、永久居民 S$3,400、国际学生 S$3,000。资助最长可达 4 年，按研究进度续期，并可能在通过确认环节后提高津贴。国际奖学金获得者需要承担研究生助理（Graduate Assistantship）工作。项目可能使用 RSS、其他奖学金或科研经费，不能预先假定。

书面确认应涵盖奖学金名称、生活津贴、学费和杂费、资助期限、年度考核、确认后津贴调整、教学或实验室工作、休假和延期安排。还必须确认独立的科研预算，因为洁净室加工、显微成像、试剂、细胞培养、临床样本、GPU 使用、会议和论文发表都可能产生较高费用。

NTU 针对国际本科生公布的宽口径校内生活成本估算为每月 S$970—S$1,725，包含住宿、餐饮、交通、书籍和个人支出。Graduate Hall 1 在 AY2026/27 的单人套间（en-suite）月租为 S$795，双人套间每人月租为 S$608。若按 RSS 国际学生津贴水平计算，津贴高于这些公开校内预算，但这不能直接构成个性化的负担能力结论。上述估算并非专为研究生或校外生活制定，项目实际津贴也未知。

研究生住房通过电子抽签分配，不能保证获得。成功获得住宿后，需要支付两个月租金以接受安排；未中签者需要寻找校外方案。押金、签证、医疗、机票和个人需求都可能显著影响预算。

一般研究型项目申请指南列出的材料包括学历证明、适用时的英语能力证明、简历、个人陈述、两封学术推荐信、适用时的研究计划与论文摘要，以及 College of Engineering video essay。正式申请窗口通常为：8 月入学的 10 月 1 日至 1 月 31 日，以及 1 月入学的 6 月 1 日至 7 月 31 日。全年接受项目咨询，不应被理解为正式申请系统全年开放。

申请者匹配与准备

最适合的背景

具备扎实定量基础的光学、光子学、应用物理、EEE 或生物医学工程毕业生。
能够把谐振器物理、制造容差和可测量的生物学终点连接起来的申请者。
具有真实 ML 项目经验，理解数据集设计、验证、校准和错误分析的候选人。
愿意结合建模、光学实验、器件制备和生物检测的研究者。
对转化研究有动力，同时能够接受概念验证和临床前方法开发阶段的申请者。

需要谨慎评估的情况

希望项目完全以计算为主，不涉及器件或湿实验室工作。
从第一天起就要求已有患者队列、成熟产品规格或临床试验保证。
ML 经历主要局限于模型拟合，不熟悉独立样本验证。
把分析检测灵敏度直接等同于临床实用价值。
无法满足 EEE 的正式学位、英语或申请要求。

建议补强的技能与证据

核心技术准备包括电磁学、波动光学、谐振器物理、光子仿真、纳米制造、光谱和成像。生物医学准备可包括表面化学、结合检测、荧光、微流控、细胞培养、生物标志物测量和生物安全。ML 准备应包括 Python、计算机视觉或分割、正确的交叉验证、数据泄漏、类别不平衡、校准、不确定性、可解释性和域偏移（domain shift）。

较强的作品集可以包含两个相互关联的成果。第一项是对谐振器进行仿真或表征，并把制造容差与信号和噪声联系起来。第二项是分析光学或生物医学数据集，采用独立样本划分、简单基线、合理的更强模型、校准和失败分析。申请构想应明确一个预期用途、一种样本、一个主要终点和分阶段验证阶梯，并预设器件制备或样本访问延迟时的备用方案。

风险与待核实问题

高优先级问题

博士课题的首要方向是药物筛选还是健康筛查？由什么预期用途作为主线？
已确定的疾病、生物标志物或细胞表型、样本类型和参照标准是什么？
起始平台采用哪一种谐振器、材料、制造工艺和读出方式？
谁将负责检测生物学、临床设计、器件制备、统计和 ML 的联合指导？
哪家医院、制药企业或产业合作方以及哪类样本来源已正式落实？
涉及哪些伦理、生物安全、数据治理和医疗器械路径？
ML 的预测单位是什么？样本、供体、批次、器件和站点将如何隔离？
计划使用什么外部验证数据集或站点？如何评估校准和漂移？
哪些洁净室、光学、湿实验室、算力和技术人员资源得到保证？
项目适用的奖学金、学费、津贴、资助期限、工作义务和科研经费条款是什么？

中优先级问题

哪些分析性能阈值代表成功，或触发备用方案？
博士生是在现有可用平台上扩展，还是需要重建设备和检测体系？
将如何测试非特异性结合、淬灭、光漂白、污染、温度和批次效应？
预期成果包括哪些部分：谐振器物理、检测方法、数据集、ML 方法、原型或临床研究？
完整导师团队多久开一次会？谁负责做范围取舍？
IP、数据所有权、商业化、论文公开和发表审核条款是什么？
对应哪个目标入学批次和正式申请截止日期？
是否需要项目专属研究计划？技术面试或视频面试将考察什么？
是否能获得研究生住房优先权？有哪些校外住宿支持？

证据与来源