science >> Wetenschap >  >> nanotechnologie

Machine learning helpt bij het verbeteren van fotonische toepassingen

De computersimulatie laat zien hoe het elektromagnetische veld na excitatie met een laser wordt verdeeld in de siliciumlaag met gatenpatroon. Hier, strepen met lokale veldmaxima worden gevormd, zodat quantum dots bijzonder sterk schijnen. Krediet:Carlo Barth/HZB

Fotonische nanostructuren kunnen naast zonnecellen voor veel andere toepassingen worden gebruikt, bijvoorbeeld voor optische sensoren voor kankermarkers of andere biomoleculen. Een team van de HZB dat computersimulaties en machine learning gebruikt, heeft nu aangetoond dat het ontwerp van dergelijke nanostructuren selectief kan worden geoptimaliseerd. De resultaten zijn gepubliceerd in Communicatie Fysica .

Nanostructuren kunnen de gevoeligheid van optische sensoren enorm vergroten, mits de geometrie aan bepaalde voorwaarden voldoet en overeenkomt met de golflengte van het invallende licht. Dit komt omdat het elektromagnetische veld van licht sterk kan worden versterkt of verminderd door de lokale nanostructuur. De HZB Young Investigator Group "Nano-SIPPE" onder leiding van prof.dr. Christiane Becker werkt aan de ontwikkeling van dit soort nanostructuren. Computersimulaties zijn daarbij een belangrijk hulpmiddel. Dr. Carlo Barth van het Nano-SIPPE-team heeft nu de belangrijkste patronen van velddistributie in een nanostructuur geïdentificeerd met behulp van machine learning, en legde de experimentele bevindingen uit.

De in het papier onderzochte fotonische nanostructuren bestaan ​​uit een siliciumlaag met een regelmatig gatenpatroon bedekt met kwantumdots van loodsulfide. Opgewonden met een laser, de kwantumstippen dichtbij lokale veldversterkingen zenden veel meer licht uit dan op een ongeordend oppervlak. Dit toont empirisch aan hoe het laserlicht interageert met de nanostructuur.

Om vast te leggen wat er gebeurt als individuele parameters van de nanostructuur veranderen, Barth berekent de driedimensionale elektrische veldverdeling voor elke parameterset met behulp van software die is ontwikkeld door het Zuse Institute Berlin. Barth analyseerde deze enorme hoeveelheden data met andere computerprogramma's op basis van machine learning. "De computer doorzocht de ongeveer 45, 000 gegevensrecords en gegroepeerd in ongeveer 10 verschillende patronen, " legt hij uit. Eindelijk, Barth en Becker identificeerden drie basispatronen waarin de velden worden versterkt in specifieke gebieden van de nanogaten.

Dit maakt de optimalisatie van fotonische kristalmembranen op basis van excitatieversterking mogelijk voor vrijwel elke toepassing. Sommige biomoleculen hopen zich bij voorkeur op langs de randen van het gat, bijvoorbeeld, terwijl anderen de voorkeur geven aan de plateaus tussen de gaten, afhankelijk van de toepassing. Met de juiste geometrie en de juiste excitatie door licht, de maximale elektrische veldversterking kan precies op de bevestigingsplaatsen van de gewenste moleculen worden gegenereerd. Dit zou de gevoeligheid van optische sensoren voor kankermarkers verhogen tot het niveau van individuele moleculen, bijvoorbeeld.