کد خبر : 98184 سه شنبه 01 بهمن 1398 - 10:38:59
هوش-مصنوعی،نانو-ساختارهای-فوتونیک-را-تغییر-داد

در انستیتو فناوری جورجیا؛

هوش مصنوعی،نانو ساختارهای فوتونیک را تغییر داد

گروهی از محققان ایرانی با استفاده از هوش مصنوعی روش جدیدی برای بررسی نانوساختارهای فوتونیک ارائه کردند.

گروهی از محققان ایرانی در انستیتو فناوری جورجیا (جورجیا تک) با استفاده از هوش مصنوعی روش جدیدی در دستیابی به چشم اندازی ارزشمند درباره نانوساختارهای فوتونیک ارائه کردند. هوش مصنوعی قادر است نور را برای کاربردهای مختلف مانند فراوری سیگنال، ارتباطات و محاسبات دستکاری کند. این تحقیق اخیرا در نشریه Advanced Intelligent Systems منتشر شده است.

هنگامیکه نور از این نانوساختارها می گذرد، اثر جمعی بسیاری از نانوعنصرها تغییرات مهمی در خصوصیات طیفی یا مکانی نور ایجاد می کند.

 با گزینش مناسب ویژگی های هندسی این نانو ساختارها، طیف وسیعی از ویژگی های سطح سیستم را می توان به وجود آورد ( مانند فیلتر کردن، لنزینگ، تبدیل فرکانس ).

این درحالی است که بیشتر تحقیقاتی که از هوش مصنوعی در حوزه نانوفتونیک استفاده کرده اند، روی طرح و ارتقای نانوساختارها متمرکز هستند مانند کشف ویژگی های هندسی متا اتم ها. در همین راستا روش جدید محققان ایرانی با کمک هوش مصنوعی سعی دارد ویژگی های فیزیکی نانوساختارها را درک کند.  

 روش جدید محققان ایرانی در دو مرحله اجرایی می شود. در مرحله نخست، ارتباط میان ورودی و خروجی نانوساختار، با کاهش ابعاد آن به صورت ساده ارائه می‌شود. فشرده‌سازی اطلاعات حاصل از واکنش این نانوساختار با استفاده از الگوریتمی به نام «خودرمزگذار» (autoencoder) موجب می‌شود تا ارتباط به شکل ساده‌تری شکل بگیرد. خودرمزگذار، یک شبکه عصبی مصنوعی است که از آن برای رمزگذاری استفاده می‌شود.

در مرحله دوم، واکنش‌های ناشی از یک مجموعه گسترده نانوساختارهایی که ویژگی های هندسی آنها به طور تصادفی انتخاب شده، در فضایی با ابعاد کاهش یافته به کار می‌روند. هدف آن است که در این فضا با ابعاد کاهش یافته یک متغیر پنهان کشف شود که  شامل همه واکنش‌های امکان‌پذیر را از نانوساختار مورد نظر با کمترین میزان خطا باشد.

درهمین راستا یک الگوریتم پیچیده‌تر به نام SVM نیز  برای اطمینان در مورد امکان‌پذیری یک واکنش استفاده می شود.

«یاشار کیارشی‌نژاد»دانشجوی ایرانی مقطع دکتری موسسه فناوری جورجیا در این باره می گوید: استفاده از SVM برای ارزیابی امکان‌پذیر بودن واکنش سطح منتخبی از نانوساختارها، پیش از فرآیند طراحی متمرکز محاسباتی می‌تواند به صرفه‌جویی در زمان و اجتناب از یک طراحی نامطلوب منجر شود.

یکی از جنبه‌های اصلی این روش، آموزش بخش‌های متفاوت این الگوریتم است که با شبیه‌سازی حدود ۱۰۰۰ نانوساختار به وسیله نرم‌افزار تجاری صورت می‌گیرد. «محمدرضا زنده‌شاهوار»  یکی از مولفان این پژوهش نیز می گوید: ما با استفاده از یک روش تکرارپذیر، می‌توانیم فرآیند آموزش را تنظیم کنیم.

این الگوریتم پس از آموزش با واکنش‌های ممکن و غیرممکن آزمایش می شود تا از دقت ارزیابی ها اطمینان حاصل شود.

محققان روش مورد نظر خود را با بررسی ساختارها در سطوح متفاوت پیچیدگی مورد بررسی قرار دادند. هدف از این کار، نشان دادن امکان استفاده از این روش برای ساده‌سازی طراحی یک نانوساختار با واکنش مطلوب است.

«سجاد عبدالله رمضانی» یکی دیگر از پژوهشگران این تحقیق می گوید: ما معمولا از حداکثر توانایی خود برای انتخاب یک ساختار استفاده می‌کنیم تا به واکنش مورد نظر برسیم. این کار منجر به تولید ساختارهای پیچیده می‌شود. روش ما می‌تواند برای ساده‌سازی طراحی ساختار به کار برود.

این روش، چشم اندازهای مختلفی را در امکان‌پذیر ساختن واکنش حاصل از یک نانوساختار ارائه می‌دهد. محقق دیگر این پروژه، «امید همت‌یار» نیز می گوید: این روش می‌تواند راهنمایی برای تغییر ساختار باشد تا یک واکنش غیرممکن را امکان‌پذیر کند یا یک طراحی پایدارتر برای تغییرات محیطی و یا تغییرات ناشی از ساخت ارائه دهد.

این روش می‌تواند برای دستیابی به اطلاعات بیشتری در مورد مکانیسم‌های فیزیکی مربوط به تعامل نور با نانوساختارهای فوتونی گسترش یابد و گروه جدیدی از نانوساختارها را شکل دهد که می‌توانند عملکردهای جدیدی داشته باشند.

«علی ادیبی»، محقق ارشد این پژوهش و استاد دانشکده مهندسی الکترونیک و رایانه  جورجیا تک می گوید: این پژوهش فقط بخش کوچکی از کل فعالیت ما است. به کار بردن این اطلاعات می‌تواند به یادگیری ویژگی‌های اصلی نانوساختارها و شکل‌گیری واکنش‌های متفاوت و همچنین تکامل یک نانوساختار جدید با کاربرد مطلوب منجر شود.

منبع:مهر

نظرات شما

[کد امنیتی جدید]