PCF SPR传感器设计的AI算法模式分类
摘要：基于表面等离激元共振现象的光子晶体光纤设计在制备特定应用之前进行了优化。本文评估了一种人工智能算法，以提高普通用户进行模拟过程的便捷性。采用COMSOL MultiPhysics软件。该算法建议了八种标准机器学习和一种深度学习模型中最佳的模式，否则由专家进行可视选择。共使用七个性能指标，即精确度、召回率、准确度、F1值、特异性、马修斯相关系数，来做出最优决策。对传感器几何设计的变化鲁棒性也被视为一个最优参数。对几种基于PCF-SPR的光子传感器设计进行了测试，并提出了一个广泛的（基于相位匹配）最优设计。对于这个设计，算法选择了支持向量机（SVM）作为最佳选项，准确率为96％，F1-Score为95.83％，MCC为92.30％。所提出的传感器设计对折射率变化（1.37-1.41）的敏感性平均为5500 nm/RIU。分辨率为2.0498x10^(-5) RIU^(-1)。该算法可以作为附加组件集成到商业软件中，也可以作为学术代码的模块。该创新步骤在整个设计过程中节省了约75分钟。本研究同样适用于PCF-SPR以外的其他传感器的模式选择。
作者：Prasunika Khare, Mayank Goswami
论文ID：2107.06184
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-08-21