هوش مصنوعی نانوساختارها را متحول می نماید - مجله پریها

به نقل از ادونسد ساینس نیوز، گروهی از دانشمندان ایرانی موسسه فناوری جورجیا(Georgia Tech) در آنالیز جدیدی، کاربرد هوش مصنوعی را در دستیابی به بینش های ارزشمند مربوط به عملکرد نانوساختارهای فوتونی نشان داده اند. نانوساختارهای فوتونی، نور را برای کاربردهای گوناگون مانند پردازش سیگنال، ارتباطات و محاسبه به کار می گیرند.

هنگامی که نور از میان این نانوساختارها عبور می نماید، اثر جمعی بسیاری از نانوعناصر، به تغییرات بزرگی در ویژگی های طیفی، مکانی یا زمانی نور منجر می شوند. با انتخاب مناسب ویژگی های هندسی این نانوعناصر می توان به طیف گسترده ای از عملنمودهای آنها در سطح سیستم دست یافت.

اگرچه بیشتر گزارش ها در خصوص روش های مبتنی بر هوش مصنوعی در حوزه نانوفوتونیک، بر طراحی و تنظیم نانوساختارها تمرکز دارند اما پژوهشگران در این روش جدید سعی نموده اند از جنبه های هوشمند هوش مصنوعی برای درک فیزیک این نانوساختارها استفاده نمایند. یکی از این کاربردها، ارزیابی امکانپذیری یک واکنش از نانوساختار مورد نظر است.

این روش جدید، در دو مرحله به کار گرفته می گردد. در مرحله نخست، ارتباط میان ورودی و خروجی نانوساختار، با کاهش ابعاد آن به صورت ساده ارائه می گردد. فشرده سازی اطلاعات حاصل از واکنش این نانوساختار با استفاده از الگوریتمی موسوم به خودرمزگذار(autoencoder) موجب می گردد که این ارتباط به شکل ساده تری صورت بگیرد. خودرمزگذار، یک شبکه عصبی مصنوعی است که از آن برای رمزگذاری استفاده می گردد؛ بدین ترتیب فشرده سازی داده ها صورت می گیرد و ابعاد اطلاعات کاهش می یابد.

در مرحله دوم، واکنش های ناشی از یک مجموعه گسترده نانوساختارها، در فضایی با ابعاد کاهش یافته به کار می فرایند تا یک متغیر پنهان را در آن پیدا نمایند که همه واکنش های امکان پذیر را از نانوساختار مورد نظر با کمترین میزان خطا شامل گردد.

یک الگوریتم پیچیده تر موسوم به SVM نیز می تواند برای اطمینان در خصوص امکان پذیری یک واکنش مورد استفاده قرار بگیرد.

یاشار کیارشی نژاد(Yashar Kiarashinejad)، دانشجوی ایرانی مقطع دکتری موسسه فناوری جورجیا و از پژوهشگران این پروژه گفت: استفاده از SVM برای ارزیابی امکان پذیر بودن واکنش سطح منتخبی از نانوساختارها پیش از فرآیند طراحی متمرکز محاسباتی می تواند به صرفه جویی در زمان و اجتناب از یک طراحی نامطلوب منجر گردد.

یکی از جنبه های اصلی این روش، آموزش بخش های متفاوت این الگوریتم است که با شبیه سازی حدود 1000 نانوساختار از طریق نرم افزار تجاری صورت می گیرد. محمدرضا زنده شاهوار(Mohammadreza Zandehshahvar)، دانشجوی مقطع دکتری و از نویسندگان این پژوهش گفت: ما با استفاده از یک روش تکرارپذیر، می توانیم فرآیند آموزش را تنظیم کنیم.

این الگوریتم آموزش داده شده، با واکنش های ممکن و غیرممکن آزمایش خواهد شد تا پیش از ارزیابی هر واکنشی، از دقت مطلوب اطمینان حاصل گردد.

این گروه پژوهشی، قابلیت روش خود را با آنالیز ساختارها در سطوح متفاوت پیچیدگی مورد آنالیز قرار دادند تا امکان استفاده از این روش را برای ساده سازی طراحی یک نانوساختار نشان دهند که می تواند واکنش مطلوب را داشته باشد.

سجاد عبدالله رمضانی(Sajjad Abdollahramezani)، دانشجوی موسسه فناوری جورجیا و از پژوهشگران این پروژه گفت: ما معمولا از بیشترین توانایی ساخت خود برای انتخاب یک ساختار استفاده می کنیم تا به واکنش مورد نظر برسیم. این کار منجر به فراوری ساختارهای پیچیده می گردد. روش ما می تواند برای ساده سازی طراحی ساختار به کار برود.

این روش، بینش هایی را در امکان پذیر ساختن واکنش حاصل از یک نانوساختار ارائه می دهد. امید همت یار(Omid Hemmatyar)، دانشجوی موسسه فناوری جورجیا و از پژوهشگران این پروژه گفت: این روش می تواند هدایت برای تغییر ساختار باشد تا یک واکنش غیرممکن را امکان پذیر کند یا یک طراحی پایدارتر برای تغییرات محیطی و یا تغییرات ناشی از ساخت ارائه دهد.

این روش می تواند برای دستیابی به اطلاعات بیشتری در خصوص مکانیسم های فیزیکی مربوط به تعامل نور با نانوساختارهای فوتونی گسترش یابد و گروه جدیدی از نانوساختارها را شکل دهد که می توانند عملنمودهای جدیدی داشته باشند.

علی ادیبی(Ali Adibi)، استاد موسسه فناوری جورجیا و پژوهشگر ارشد این پروژه گفت: این پژوهش فقط بخش کوچکی از کل کار ما است. به کار بردن این اطلاعات می تواند به یادگیری ویژگی های اصلی نانوساختارها و شکل گیری واکنش های متفاوت و همچنین تکامل یک نانوساختار جدید با کاربرد مطلوب منجر گردد.

این پژوهش، در مجله Advanced Intelligent Systems به چاپ رسید.