• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Maskininlärning hjälper till att förbättra fotoniska applikationer

    Datorsimuleringen visar hur det elektromagnetiska fältet fördelas i kiselskiktet med hålmönster efter excitation med laser. Här, ränder med lokala fältmaxima bildas, så att kvantprickar lyser särskilt starkt. Upphovsman:Carlo Barth/HZB

    Fotoniska nanostrukturer kan användas för många applikationer förutom solceller - till exempel optiska sensorer för cancermarkörer eller andra biomolekyler. Ett team på HZB som använder datasimuleringar och maskininlärning har nu visat att utformningen av sådana nanostrukturer kan selektivt optimeras. Resultaten publiceras i Kommunikationsfysik .

    Nanostrukturer kan öka känsligheten hos optiska sensorer enormt - förutsatt att geometrin uppfyller vissa villkor och matchar våglängden för det infallande ljuset. Detta beror på att det elektromagnetiska ljusfältet kan förstärkas eller reduceras kraftigt av den lokala nanostrukturen. HZB Young Investigator Group "Nano-SIPPE" under ledning av prof. Christiane Becker arbetar med att utveckla den här typen av nanostrukturer. Datorsimuleringar är ett viktigt verktyg för detta. Dr Carlo Barth från Nano-SIPPE-teamet har nu identifierat de viktigaste fältfördelningsmönstren i en nanostruktur med hjälp av maskininlärning, och förklarade de experimentella fynden.

    De fotoniska nanostrukturerna som undersöks i papperet består av ett kiselskikt med ett vanligt hålmönster belagt med kvantprickar gjorda av blysulfid. Upphetsad av en laser, kvantprickarna nära lokala fältförstärkningar avger mycket mer ljus än på en orörd yta. Detta visar empiriskt hur laserljuset interagerar med nanostrukturen.

    För att registrera vad som händer när enskilda parametrar för nanostrukturen ändras, Barth beräknar den tredimensionella elektriska fältfördelningen för varje parameteruppsättning med hjälp av programvara som utvecklats vid Zuse Institute Berlin. Barth analyserade dessa enorma mängder data med andra datorprogram baserade på maskininlärning. "Datorn sökte igenom de cirka 45, 000 dataposter och grupperade dem i cirka 10 olika mönster, "förklarar han. Slutligen, Barth och Becker identifierade tre grundläggande mönster där fälten förstärks i specifika områden i nanohålen.

    Detta möjliggör optimering av fotoniska kristallmembran baserat på excitationsförstärkning för praktiskt taget alla tillämpningar. Vissa biomolekyler ackumuleras företrädesvis längs hålkanterna, till exempel, medan andra föredrar platåerna mellan hålen, beroende på applikationen. Med rätt geometri och rätt excitation av ljus, den maximala elektriska fältförstärkningen kan genereras exakt vid fästplatserna för de önskade molekylerna. Detta skulle öka känsligheten hos optiska sensorer för cancermarkörer för nivån på enskilda molekyler, till exempel.


    © Vetenskap https://sv.scienceaq.com