基于D型双芯光子晶体光纤的机器学习增强型表面等离子体共振传感器研究

为解决高精度折射率传感需求，研究人员开发了一种基于D型双芯光子晶体光纤(PCF)的表面等离子体共振(SPR)传感器，结合有限元法(FEM)和人工神经网络(ANN)技术。该传感器在1.38折射率(RI)下实现16,000 nm/RIU波长灵敏度和765.21 RIU?1 振幅灵敏度，ANN模型预测误差低至3.5363×10–6 ，为免标记生物传感提供了新范式。

　　

这项突破性研究展示了一种创新设计的D型双芯光子晶体光纤(PCF)表面等离子体共振(SPR)传感器。科研团队采用方形晶格空气孔阵列，巧妙移除两个中心孔形成独特的双芯结构，就像在光纤中雕刻出精密的"双通道实验室"。通过有限元法(FEM)模拟验证，该传感器在y偏振光下展现出惊人的16,000 nm/RIU波长灵敏度——相当于能检测到相当于单个病毒颗粒引起的折射率变化！更令人振奋的是，研究人员引入人工智能"黑科技"——人工神经网络(ANN)，成功实现了对限制损耗(CL)的精准预测，无需依赖复杂的有效折射率虚部计算。当检测1.32折射率样品时，ANN模型的预测误差仅有3.5363×10^–6
，堪比"光学预言家"的精准度。这项技术将SPR传感器的性能推向新高度，为疾病标志物检测、环境监测等应用开辟了新途径。