Otimização orientada por aprendizado de máquina de biossensores magnetoplasmônicos

Resumo

O Grupo de Polímeros Bernhard Gross do Instituto de Física de São Carlos (IFSC/USP) desenvolve biossensores há muitos anos, para os quais materiais e arquiteturas são selecionados empiricamente com base em dados experimentais anteriores. Neste projeto de pesquisa pretende-se projetar sensores ópticos, aproveitando a interação sinérgica da ressonância plásmon de superfície localizada (localized surface plasmon resonance, LSPR) e dos efeitos magneto-ópticos, com otimização empregando aprendizado de máquina (machine learning, ML). Ao utilizar LSPR em nanopartículas ferromagnéticas, ou seja, magnetoplasmônicas, podem ser alcançadas interações luz-matéria intensificadas, o que é importante para sensoriamento. A integração de efeitos magnetoplasmônicos expande as capacidades dos sistemas plasmônicos, permitindo novas funcionalidades de sensores. A combinação de técnicas de ML, como redes neurais e deep learning, com tecnologias de detecção baseadas em plasmônica pode revolucionar os dispositivos ópticos e fotônicos. A otimização com ML pode aprimorar o desenho do sensor, aumentar a sensibilidade e permitir a extração de informações valiosas de conjuntos de dados. Os sensores ópticos previstos no projeto poderão ser usados em saúde, monitoramento ambiental e aplicações industriais. Os resultados esperados incluem a produção de sensores com alta sensibilidade e Figura de Mérito, a partir da otimização empregando-se algoritmos de ML.