Fiber optik sensörler ve sensör parametrelerinin yapay sinir ağları tabanlı optimizasyon algoritması ile analizi

Fiber optik sensörler, sıcaklık, gerinim, titreşim, kimyasal, gaz, kırılma indisi vb. çevredeki değişiklikleri algılamak için hayati öneme sahiptir. Bir tür fiber optik sensör olan yüzey plazmon rezonans (SPR) sensörleri, biyolojik, kimyasal ve kırılma indeksi değişikliği algılama gibi çok hassas uygulamalarda kullanılır. Verimliliği ve hassasiyeti etkileyen sensör parametrelerini optimize etmek çok önemlidir. Literatürde, SPR sensör parametrelerinin optimizasyonu, bir defada bir parametrenin taranması ve kalan parametrelerin sabit tutulmasına dayanan ve bu tekniğin her parametre için ayrı ayrı uygulanmasına dayanan geleneksel yöntemle yapılmaktadır. Bu yöntemde parametreler arasındaki korelasyon incelenemez ve her seferinde bir parametre tarandığından dolayı sonuç optimum olmayabilir. Bu nedenle sensör performansı istenilen yüksek hassasiyete ulaşamayabilir. Son on yılda, yapay zeka tabanlı optimizasyon yaklaşımları çok popüler hale geldi ve oluşabilecek optimizasyon problemlerini çözmek için hibrit bir yapay sinir ağı genetik algoritma kullanmak akıllıca olacaktır. Bu tezde, hibrit bir yapay sinir ağı-genetik algoritma yapısı için bir python kodu geliştirildi. Geleneksel optimizasyon yaklaşımı ile en iyi N, d, Ag_th ve a parametreleri sırasıyla 1,35 ve 1,39 kırılma indisi değerlerinde 20, 50 nm, 70 nm ve 10 nm olarak gözlemlenmiş ve sensör hassasiyeti 3775 nm/RIU olarak elde edilmiştir. Bu tezde, önerdiğimiz hibrit yapay sinir ağı-genetik algoritma tabanlı optimizasyon yaklaşımı ile sonlu elemanlar yöntemiyle elde edilen veri seti, sırasıyla %97.83 ve %96.84 R2 değerleri ile eğitilmiş ve test edilmiştir. Geliştirilen bu modelde N, d, Ag_th ve a parametreleri sırasıyla 20, 50 nm, 75 nm ve 10 nm olarak tahmin edilmiş ve sonuç olarak 3890 nm/RIU duyarlılığına ulaşılmıştır.