تراشهای به اندازه دانه شن آزمایشگاه را وارد گجتها کرد
پژوهشگران دانشگاه کالیفرنیا دیویس (UC Davis) موفق به توسعه تراشهای فوقکوچک مجهز به هوش مصنوعی شدهاند که میتواند قابلیتهای پیچیده طیفسنجی آزمایشگاهی را در ابعادی نزدیک به یک دانه شن ارائه دهد؛ دستاوردی که میتواند نسل آینده دستگاههای پزشکی، حسگرهای شیمیایی و ابزارهای پوشیدنی را متحول کند.
به گزارش sciencedaily، این فناوری جدید که نتایج آن در نشریه Advanced Photonics منتشر شده از ترکیب حسگرهای سیلیکونی پیشرفته و الگوریتمهای یادگیری ماشین بهره میبرد تا بدون نیاز به تجهیزات حجیم اپتیکی، تحلیل طیفی نور و مواد شیمیایی را انجام دهد.
طیفسنجها از مهمترین ابزارهای علمی برای شناسایی ترکیبات شیمیایی مواد به شمار میروند و در حوزههایی مانند تشخیص بیماریها، کنترل کیفیت مواد غذایی، پایش آلودگی و تصویربرداری زیستی کاربرد دارند. در روشهای سنتی این دستگاهها نور را با استفاده از منشور یا توریهای پراش به رنگهای مختلف تجزیه کرده و شدت هر طول موج را اندازهگیری میکنند، اما این فرآیند به مسیر نوری طولانی و قطعات اپتیکی بزرگ نیاز دارد و همین موضوع کوچکسازی طیفسنجها را دشوار کرده است.
اکنون تیم تحقیقاتی UC Davis رویکرد متفاوتی ارائه کرده است. در این تراشه جدید، به جای استفاده از اجزای اپتیکی حجیم برای تفکیک نور، از ۱۶ آشکارساز سیلیکونی ویژه استفاده شده که هرکدام واکنش متفاوتی به نور ورودی نشان میدهند. این آشکارسازها بهطور مستقیم رنگهای نور را جدا نمیکنند، بلکه سیگنالهایی رمزگذاریشده شامل اطلاعات طیفی پنهان تولید میکنند.
پژوهشگران عملکرد این سامانه را به گروهی از چشندههای تخصصی تشبیه میکنند که هرکدام بخشی از یک ترکیب پیچیده را حس میکنند. هر حسگر بهتنهایی تصویر کاملی ارائه نمیدهد، اما ترکیب دادههای همه حسگرها اطلاعات کافی را در اختیار هوش مصنوعی قرار میدهد تا طیف اصلی نور بازسازی شود.
بخش کلیدی دیگر این فناوری، یک شبکه عصبی کاملا متصل است که با هزاران نمونه آموزشی آموزش دیده است. از آنجا که سیگنالهای خروجی حسگرها نویزی و بسیار پیچیده هستند، الگوریتم هوش مصنوعی رابطه میان این سیگنالها و طیف واقعی نور را یاد میگیرد و قادر است مسئلهای موسوم به «مسئله معکوس» را حل کند. این سیستم توانسته بدون استفاده از سختافزارهای اپتیکی بزرگ، دقتی در حدود ۸ نانومتر در بازسازی طیف ارائه دهد.
یکی از مهمترین نوآوریهای این پروژه، توسعه قابلیت آشکارسازی نور فروسرخ نزدیک (NIR) در حسگرهای سیلیکونی است. سیلیکون بهطور طبیعی در تشخیص نور مرئی عملکرد مناسبی دارد، اما در جذب نور فروسرخ نزدیک که برای تصویربرداری زیستی و مشاهده عمق بیشتر بافتهای بدن اهمیت زیادی دارد محدودیت دارد.
برای حل این مشکل محققان سطح فتودیودهای سیلیکونی را با ساختارهای ویژهای موسوم به بافتهای سطحی بهداماندازنده فوتون (PTSTs) مهندسی کردند. این ساختارها باعث میشوند فوتونهای فروسرخ بهجای عبور مستقیم از لایه نازک سیلیکون چندین بار درون تراشه پراکنده شوند و احتمال جذب آنها افزایش یابد. در نتیجه، حسگر میتواند بازه طیفی گستردهتری را نسبت به حسگرهای سیلیکونی معمولی پوشش دهد.
این تراشه تنها به تشخیص رنگ محدود نیست. معماری جدید همچنین از حسگرهای پرسرعتی بهره میبرد که قادرند طول عمر فوتونها را با دقت زمانی بسیار بالا اندازهگیری کنند. این ویژگی امکان ثبت تعاملات فوقسریع میان نور و ماده را فراهم میکند؛ پدیدههایی که بسیاری از طیفسنجهای متداول قادر به مشاهده آنها نیستند.
ابعاد کل سامانه تنها حدود ۰٫۴ میلیمتر مربع است، اما با وجود اندازه بسیار کوچک، حساسیت بالایی دارد و در برابر نویزهای الکتریکی مقاومت قابل توجهی نشان میدهد؛ مسئلهای که همواره یکی از چالشهای اصلی تجهیزات الکترونیکی قابل حمل و کمهزینه بوده است.
پژوهشگران معتقدند ترکیب یادگیری ماشین با فناوری پیشرفته آشکارسازی نور در سیلیکون میتواند راه را برای توسعه نسل جدید حسگرهای طیفی فوقفشرده و بلادرنگ هموار کند. از جمله کاربردهای احتمالی این فناوری میتوان به ابزارهای تشخیص پزشکی قابل حمل، پایش سلامت با دستگاههای پوشیدنی، سنجش محیطزیستی از راه دور و کنترل کیفیت مواد غذایی اشاره کرد.
انتهای پیام/
