El machine learning y la inteligencia artificial están revolucionando multitud de campos y la fotónica no es una excepción. Las técnicas de aprendizaje automático, o machine learning, están reemplazando los métodos científicos analíticos al poder hacer frente a una gran cantidad de datos. Se trata de una disciplina en rápido desarrollo que utiliza enfoques estadísticos para aprender de los datos sin una programación explícita basada en reglas. Impulsados por el aumento masivo de hoy en día en las cantidades de datos, las técnicas relacionadas a su tratamiento se extienden y mejorar a un ritmo exponencial. Así por ejemplo, las simulación electromagnéticas de nanoestructuras fotónicas a menudo producen datos en cantidades significativas, particularmente cuando se calculan distribuciones de campo tridimensionales. Una tarea de optimización, dirigida a aumentar el rendimiento de la luz de emisores que interactúan con nanoestructuras fotónicas, impone un análisis sistemático de estos datos.
Las nanoestructuras pueden aumentar enormemente la sensibilidad de los sensores ópticos, siempre que la geometría cumpla ciertas condiciones y coincida con la longitud de onda de la luz incidente. Esto es debido a que el campo electromagnético de la luz se puede ampliar o reducir por la nanoestructura local. El joven grupo de investigación del Helmholtz-Zentrum Berlin (HZB) “Nano-SIPPE”, liderado por el profesor Christiane Becker, está trabajando en el desarrollo de este tipo de nanoestructuras. El machine learning y la simulación a través de computadoras son una herramienta fundamental en su investigación, llegando a conseguir identificar los patrones más importantes de distribución de campo en una nanoestructura mediante el aprendizaje automático, explicando así, por primera vez, estos resultados experimentales.
Puntos cuánticos en nanoestructuras
Las nanoestructuras fotónicas examinadas en esta investigación consisten en un capa de silicio con un patrón de agujero regular recubierto con los que se conoce como puntos cuánticos hechos de sulfuro de plomo. Excitados con un láser, los puntos cuánticos cercanos a las amplificaciones locales emiten mucha más luz que en una superficie desordenada. Esto hace demostrar de forma empírica cómo la luz láser interactúa con la nanoestructura.
Diez patrones diferentes descubiertos por el machine learning
Para registrar sistemáticamente lo que sucede cuando cambian los parámetros individuales de la nanoestructura, se calculó la distribución del campo eléctrico tridimensional para cada conjunto de parámetros utilizando un software desarrollado en el Instituto Zuse de Berlín. Luego, se hizo analizar estas enormes cantidades de datos mediante otros programas informáticos basados en el aprendizaje automático. «La computadora ha buscado en aproximadamente 45,000 registros de datos y los ha agrupado en aproximadamente diez patrones diferentes», explica el investigador Carlo Barth. Finalmente, se lograron identificar tres patrones básicos entre ellos, en los cuales los campos se amplifican en varias áreas específicas de los nanoholes.
Detección de moléculas individuales, por ejemplo marcadores de cancer
Gracias a esta investigación se pueden optimizar las membranas de cristal fotónico basadas en la amplificación por excitación para prácticamente cualquier aplicación. Esto se debe a que algunas biomoléculas se acumulan preferentemente a lo largo de los bordes del orificio, por ejemplo, mientras que otras prefieren las mesetas entre los orificios, según la aplicación. Con la geometría correcta y la excitación correcta por la luz, la amplificación máxima del campo eléctrico se puede generar exactamente en los sitios de unión de las moléculas deseadas. Esto aumentaría la sensibilidad de los sensores ópticos para los marcadores de cáncer al nivel de moléculas individuales, por ejemplo.
