گروهی از دانشمندان ایرانی "موسسه فناوری جورجیا"(Georgia Tech) در بررسی جدیدی، کاربرد هوش مصنوعی را در دستیابی به بینش‌های ارزشمند مربوط به عملکرد نانوساختارهای فوتونی نشان داده‌اند. نانوساختارهای فوتونی، نور را برای کاربردهای گوناگون مانند پردازش سیگنال، ارتباطات و محاسبه به کار می‌گیرند.
هنگامی که نور از میان این نانوساختارها عبور می‌کند، اثر جمعی بسیاری از نانوعناصر، به تغییرات بزرگی در ویژگی‌های طیفی، مکانی یا زمانی نور منجر می‌شوند. با انتخاب مناسب ویژگی‌های هندسی این نانوعناصر می‌توان به طیف گسترده‌ای از عملکردهای آنها در سطح سیستم دست یافت.
اگرچه بیشتر گزارش‌ها در مورد روش‌های مبتنی بر هوش مصنوعی در حوزه نانوفوتونیک، بر طراحی و تنظیم نانوساختارها تمرکز دارند اما پژوهشگران در این روش جدید سعی کرده‌اند از جنبه‌های هوشمند هوش مصنوعی برای درک فیزیک این نانوساختارها استفاده کنند. یکی از این کاربردها، ارزیابی امکانپذیری یک واکنش از نانوساختار مورد نظر است.
این روش جدید، در دو مرحله به کار گرفته می‌شود. 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 موسوم به "خودرمزگذار"(autoencoder) موجب می‌شود که این ارتباط به شکل ساده‌تری صورت بگیرد. خودرمزگذار، یک شبکه عصبی مصنوعی است که از آن برای رمزگذاری استفاده می‌شود؛ بدین ترتیب فشرده‌سازی داده‌ها صورت می‌گیرد و ابعاد اطلاعات کاهش می‌یابد.
در مرحله دوم، واکنش‌های ناشی از یک مجموعه گسترده نانوساختارها، در فضایی با ابعاد کاهش یافته به کار می‌روند تا یک متغیر پنهان را در آن پیدا کنند که همه واکنش‌های امکان‌پذیر را از نانوساختار مورد نظر با کمترین میزان خطا شامل شود.
یک الگوریتم پیچیده‌تر موسوم به "SVM" نیز می‌تواند برای اطمینان در مورد امکانپذیری یک واکنش مورد استفاده قرار بگیرد.
"یاشار کیارشی‌نژاد"(Yashar Kiarashinejad)، دانشجوی ایرانی مقطع دکتری موسسه فناوری جورجیا و از پژوهشگران این پروژه گفت: 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"(Mohammadreza Zandehshahvar)، دانشجوی مقطع دکتری و از نویسندگان این پژوهش گفت: ما با استفاده از یک روش تکرارپذیر، می‌توانیم فرآیند آموزش را تنظیم کنیم.
این الگوریتم آموزش داده شده، با واکنش‌های ممکن و غیرممکن آزمایش خواهد شد تا پیش از ارزیابی هر واکنشی، از دقت مطلوب اطمینان حاصل شود.
این گروه پژوهشی، قابلیت روش خود را با بررسی ساختارها در سطوح متفاوت پیچیدگی مورد بررسی قرار دادند تا امکان استفاده از این روش را برای ساده‌سازی طراحی یک نانوساختار نشان دهند که می‌تواند 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 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، بینش‌هایی را در امکان‌پذیر ساختن واکنش حاصل از یک نانوساختار ارائه می‌دهد. "امید همت‌یار"(Omid Hemmatyar)، دانشجوی موسسه فناوری جورجیا و از پژوهشگران این پروژه گفت: 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"(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 می‌تواند به یادگیری ویژگی‌های اصلی نانوساختارها و شکل‌گیری واکنش‌های متفاوت و همچنین تکامل یک نانوساختار جدید با کاربرد مطلوب منجر شود.
این پژوهش، در مجله "Advanced Intelligent Systems" به چاپ رسید.
ایسنا
