基于机器学习的特拉赫兹元表面化学传感器的设计和性能评估
IEEE transactions on nanobioscience
|September 3, 2024
概括
这项研究引入了一种新的太赫兹超表面传感器,使用石墨烯进行敏感化学检测. 机器学习优化了设计,实现了高灵敏度,并降低了环境监测的计算成本.
科学领域:
- 太赫兹 (THz) 传感器
- 地表表面技术的技术.
- 塑材料是一种塑材料.
背景情况:
- 化学传感需要高度敏感和准确的检测方法.
- 太赫兹超表面为传感应用提供了独特的特性.
- 石墨烯和等离子材料有望提高传感器性能.
研究的目的:
- 设计和优化太赫兹超表面传感器,用于敏感化学物质检测.
- 探索使用石墨烯和多重共振器设计来提高灵敏度.
- 整合机器学习来优化传感器设计和性能预测.
主要方法:
- 用圆形和方形环共振器制造一个太赫兹超表面传感器.
- 纳入石墨烯和等离子材料.
- 随机森林回归的应用用于设计改进和性能预测.
- 模拟和分析传感器灵敏度,检测极限和质量因子.
主要成果:
- 实现了417 GHz/RIU的高灵敏度和乙醇和的0.264 RIU的低检测极限.
- 显示了显著的减少 (约. 90%) 的仿真时间和使用机器学习的计算需求.
- 获得了14.476.6的高质量系数.
- 通过石墨烯化学潜力调制展示了2位编码应用的潜力.
结论:
- 拟议的太赫兹超表面传感器为化学传感和环境监测提供了高性能解决方案.
- 机器学习的整合显著提高了传感器设计和开发的效率.
- 这项工作代表了太赫兹传感技术通过新材料,结构和计算方法的重大进步.
