文章来源：ATYUN AI平台
光子纳米结构可以应用到许多方面，不仅可用于太阳能电池中，而且可用于癌症标记或其他生物分子的光学传感器中。使用计算机模拟和机器学习的研究人员现在已经展示了如何选择性地优化这种纳米结构的设计。
纳米结构可以极大地提高光学传感器的灵敏度，只要几何形状满足特定条件并匹配入射光的波长即可。这是因为局部纳米结构可以极大地放大或减少光的电磁场。
由Christiane Becker教授领导的HZB青年研究小组“Nano-SIPPE”正致力于开发这类纳米结构。计算机模拟是一个重要的工具。来自Nano-SIPPE团队的Carlo Barth博士现在已经使用机器学习确定了纳米结构中最重要的场分布模式，并因此首次非常好地解释了实验结果。
纳米结构上的量子点
本文研究的光子纳米结构由硅层组成，该硅层具有规则的孔图案，该孔图案被称为由硫化铅制成的量子点。在激光的刺激下，靠近局部场放大的量子点发出的光比无序的表面要多得多。这使得我们可以通过经验证明激光与纳米结构的相互作用。
机器学习发现了十种不同的模式
为了系统地记录当纳米结构的各个参数变化时会发生什么，Barth使用在柏林Zuse研究所开发的软件计算每个参数集的三维电场分布。然后，Barth根据机器学习通过其他计算机程序分析了大量数据。
“计算机搜索了大约45,000条数据记录，并将它们分成大约十种不同的模式，”他解释道。最后，Barth和Becker成功地确定了其中三种基本模式，其中场在纳米孔的各个特定区域被放大。
展望：检测单个分子，例如癌症标志物
这使得基于激发放大的光子晶体膜可以针对几乎任何应用进行优化。这是因为一些生物分子优先沿着孔边缘积聚，例如，根据应用，其他生物分子更喜欢孔之间的平台。
利用正确的几何形状和通过光的正确激发，可以在所需分子的附着位置处精确地产生最大电场放大。例如，这将增加癌症标记物的光学传感器对单个分子水平的敏感性。
本文转自ATYUN人工智能媒体平台，原文链接：机器学习有助于扩展光子的应用
跟多推荐
277
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
