Наноструктуры могут значительно увеличивать чувствительность оптических сенсоров, до для этого их геометрия должна удовлетворять определённым условиям и соответствовать длине волны падающего света. Доктор Карло Барз (Carlo Barth) из Группы молодых исследователей, Nano-SIPPE, берлинского Центра Гельмгольца (HZB), применил машинное обучение для идентификации наиболее эффективных типов наноструктур, возбуждаемых лазером, впервые предоставив надёжное обоснование экспериментальных результатов.

Наноструктуры, рассматриваемые в статье, вышедшей в Communications Physics, состоят из кремниевого слоя с регулярным массивом отверстий, покрытого квантовыми точками из сульфида свинца.

Для того, чтобы систематически зафиксировать происходящее при изменении индивидуальных параметров такой наноструктуры, Барз рассчитал методом конечных элементов трёхмерное распределение электрического поля для каждого набора параметров, используя ПО, разработанное в Zuse Institute Berlin. Затем, сгенерированные 3D-симуляцией гигантские объёмы данных анализировались компьютерными программами, использующими машинное обучение.

Компьютер проанализировал приблизительно 45 тысяч записей и сгруппировал их в десять различных типов наноструктур. Далее, из этого числа авторы выделили три базовые структуры, которые усиливают поля в разных участках нанорельефа (на краях отверстий, на плоских участках между ними и пр.).

Полученные результаты позволят оптимизировать фотонные кристаллические мембраны, основанные на усилении возбуждения, для множества приложений, включая биосенсоры, биовизуализацию и ап-конверсию фотонов.