机器学习优化了THz压电矿基生物传感器的设计,用于在水环境中检测甲
Jacob Wekalao1, Shobhit K Patel2, Om Prakash Kumar3
1Department of Optics and Optical Engineering, University of Science and Technology of China, Hefei, 230026, China.
Scientific reports
|February 6, 2025
概括
使用矿材料和机器学习的新型生物传感平台检测水中的甲. 这种先进的太赫兹传感器显著提高了环境和临床用途的检测精度和效率.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 生物感应是一种生物感应.
背景情况:
- 甲是一种常见的化学物质,用于各种工业和医疗应用.
- 在水性介质中精确检测甲素对于环境安全和临床诊断至关重要.
- 现有的检测方法可能缺乏现实应用所需的灵敏度,效率或特异性.
研究的目的:
- 开发和描述一个先进的基于矿的压电式生物传感平台.
- 优化平台,以在水性环境中进行敏感和定量形式素检测.
- 利用机器学习提高性能和资源效率.
主要方法:
- 使用了太赫兹光谱区域传感器架构.
- 包括黑,金纳米结构,石墨烯和酸的纳米材料复合物.
- 设计了一个具有圆形石墨烯超表面,H共振器和环共振器的平台.
- 实现了局部加权线性回归 (LWLR) 机器学习算法以进行优化.
主要成果:
- 在三个频段实现了444 GHzRIU-1的高灵敏度.
- 报告的质量系数为5.970和检测准确度为7.576.
- 集成LWLR将计算时间减少了≥85%,并减少了资源需求.
- 展示了强大的传感能力和最大化的检测灵敏度.
结论:
- 开发的基于矿的生物传感器为甲素检测提供了一种高度敏感和高效的方法.
- 先进的纳米材料和LWLR机器学习的整合提高了性能,并减少了计算开销.
- 拟议的平台具有环境监测和临床应用的巨大潜力.
