Otimização orientada por aprendizado de máquina de biossensores magnetoplasmônicos

• Processo: 23/08999-9
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de dezembro de 2023
• Data de Término da vigência: 30 de junho de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Física - Física da Matéria Condensada
• Pesquisador responsável: Osvaldo Novais de Oliveira Junior
• Beneficiário: William Orivaldo Faria Carvalho
• Instituição Sede: Instituto de Física de São Carlos (IFSC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Biossensores ópticos | efeitos magneto-ópticos | ressonância de plásmon de superfície localizada | física

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.