机器学习增强的表面等离子共振传感器,采用D形双核光子晶纤设计

科学领域:

• 光电学是指光电子产品.
• 纳米光子学 纳米光子学
• 传感器技术 传感器技术

背景情况:

• 表面等离子共振 (SPR) 传感器为检测折射率变化提供了高灵敏度.
• 光子晶体纤维 (PCF) 为开发先进的光学传感器提供了多功能平台.
• D形纤维结构可以增强光物质相互作用和传感器性能.

研究的目的:

• 设计和研究基于PCF的D形双核SPR传感器.
• 用波长和振幅查询方法评估传感器的性能.
• 探索机器学习用于预测传感器性能的应用.

主要方法:

• 用有限元法 (FEM) 模拟来设计和分析传感器.
• 波长和振幅查询技术被用来评估传感能力.
• 人工神经网络 (ANN) 用于预测受限损失 (CL).

主要成果:

• 传感器达到16000nm/RIU的最大波长灵敏度和765.21RIU-1的峰值振幅灵敏度.
• 获得了2.5 × 10-6 RIU的高波长分辨率.
• 该ANN模型预测了CL的平均平方误差 (MSE) 为3.5363 × 10-6的折射率为1.32.

结论:

• 拟议的D形双核PCF SPR传感器显示出用于高性能折射率传感的绝佳潜力.
• 机器学习,特别是ANN,提供了一个准确而高效的方法来预测传感器性能,而不需要复杂的计算.
• 这项研究有助于开发先进的光学传感技术.