Design Electronic Defense Sensor of Photonic Crystal with Deep Learning

  • سال انتشار: 1404
  • محل انتشار: فصلنامه پژوهش های نوین در سامانه های دفاع الکترونیکی، دوره: 4، شماره: 11
  • کد COI اختصاصی: JR_JOEDS-4-11_002
  • زبان مقاله: فارسی
  • تعداد مشاهده: 79
دانلود فایل این مقاله

نویسندگان

زهره درانی

گروه مهندسی برق، دانشگاه پیام نور، تهران، ایران

بهنام درستکار

استادیار، گروه فناوری اطلاعات و ارتباطات، دانشگاه علوم انتظامی امین، تهران، ایران.

چکیده

This study introduces an innovative approach to enhance surface plasmon resonance (SPR) sensors by integrating photonic crystal structures with deep learning-based optimization. Addressing the research gap in comprehensive frameworks that simultaneously optimize geometric and material parameters, the methodology consists of defining structural parameters, generating a training dataset via FDTD electromagnetic simulations, training a deep autoencoder model, and implementing a multi-stage optimization process combining random search, gradient-based SLSQP, and genetic algorithms to achieve globally optimal sensor designs. Experimental results demonstrate that the optimized photonic crystal SPR sensor achieves a high sensitivity of ۹۹.۲۲ nm/RIU and excellent linearity (R² = ۰.۹۹۹۸). A low limit of detection (LOD) of ۲۴۵.۹۲ ng/mL, alongside binding kinetics analysis, further confirms the sensor's capability for real-time monitoring of molecular interactions. The main innovation lies in the synergistic use of deep learning and photonic crystal engineering, enabling simultaneous optimization of multiple design parameters and significant performance enhancement. This sensor combines nanophotonic engineering and artificial intelligence to enable the development of defense systems with rapid detection capabilities, high precision, and optimized energy consumption.

کلیدواژه ها

Deep Learning, Electronic Defense Sensor, Photonic Crystal, Surface Plasmon

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.