Maschinelles Lernen hilft, Photonik-Anwendungen zu optimieren
Die Computersimulation zeigt, wie sich nach Anregung mit einem Laser in der Siliziumschicht mit Lochmuster das elektromagnetische Feld verteilt. Hier bilden sich Streifen mit lokalen Feldmaxima aus, so dass Quantenpunkte besonders stark leuchten. Bild. C. Barth/HZB
Photonische Nanostrukturen erhöhen nicht nur die Effizienz von Solarzellen, sondern verbessern auch die Wirksamkeit von optischen Sensoren, die zum Beispiel als Krebsmarker verwendet werden. Mit Computersimulationen und dem Einsatz von maschinellem Lernen hat nun ein Team am HZB gezeigt, wie sich das Design solcher Nanostrukturen gezielt optimieren lässt. Die Ergebnisse sind in Communications Physics publiziert.
Mit Nanostrukturen lässt sich die Empfindlichkeit von optischen Sensoren enorm steigern – sofern die Geometrie bestimmte Bedingungen erfüllt und zur Wellenlänge des eingestrahlten Lichts passt. Denn das elektromagnetische Feld des Lichts kann durch die Nanostruktur lokal extrem verstärkt oder abgeschwächt werden. Am HZB arbeitet die Nachwuchsgruppe Nano-SIPPE um Prof. Dr. Christiane Becker daran, solche Nanostrukturen gezielt zu entwickeln. Ein wichtiges Werkzeug dabei sind Computersimulationen. Dr. Carlo Barth aus Beckers Team hat nun mit Einsatz von maschinellem Lernen die wichtigsten Muster der Feldverteilung in einer Nanostruktur identifiziert und damit auch erstmals sehr gut die experimentellen Befunde erklärt.
Nanostrukturen: Licht bringt Quantenpunkte zum Leuchten
Die in dieser Arbeit betrachteten photonischen Nanostrukturen bestehen aus einer Siliziumschicht mit einem regelmäßigen Lochmuster, die mit Quantenpunkten aus Bleisulfid beschichtet ist. Angeregt mit einem Laser leuchten die Quantenpunkte durch die lokalen Felderhöhungen wesentlich stärker als auf einer unstrukturierten Oberfläche. Damit lässt sich experimentell zeigen, wie das Laserlicht mit der Nanostruktur wechselwirkt.
Zehn verschiedene Muster
Um nun systematisch zu erfassen, was passiert, wenn sich einzelne Parameter der Nanostruktur verändern, berechnete Barth unter Verwendung einer am Zuse-Institut Berlin entwickelten Software für jeden Parametersatz die dreidimensionale Feldverteilung. Diese enormen Datenmengen ließ Barth dann von weiteren Computerprogrammen analysieren, die auf Methoden des maschinellen Lernens basieren. „Der Rechner hat die rund 45.000 Datensätze durchforstet und in etwa zehn unterschiedliche Muster gruppiert“, erklärt Barth. Schließlich gelang es Barth und Becker unter anderen drei Grundmuster herauszukristallisieren, bei denen in verschiedenen spezifischen Bereichen der Nanolöcher die Felder verstärkt sind.
Sensoren für einzelne Moleküle, zum Beispiel Krebsmarker
Dies erlaubt nun die Optimierung photonischer Kristallmembranen für praktisch jede Anwendung, die auf Anregungsverstärkung basiert. Denn je nach Anwendung lagern sich manche Biomoleküle zum Beispiel bevorzugt entlang der Lochränder an, andere eher auf den Plateaus zwischen den Löchern. Mit der richtigen Geometrie und der passenden Anregung durch Licht ließe sich dann die maximale Feldverstärkung exakt an den Anlagerungsplätzen der gesuchten Moleküle erzeugen. Damit ließe sich die Sensitivität von optischen Sensoren, beispielsweise für Krebsmarker, bis auf das Niveau von Einzelmolekülen erhöhen.
Der verwendete Code und auch die Daten stehen frei zum Download zur Verfügung.
Die Studie ist publiziert in Communications Physics (2018). “Machine learning classification for field distributions of photonic modes”, Carlo Barth & Christiane Becker
DOI:10.1038/s42005-018-0060-1
- Neue Anlage für die Katalyseforschung am HZBDas HZB hat im Rahmen des Projekts CatLab eine einzigartige Anlage erworben, um die katalytische Leistung von Dünnschichtkatalysatoren zu messen. Erbaut von der Firma ILS in Adlershof, wurde sie nun angeliefert. Die Anlage besteht aus insgesamt acht chemischen Reaktoren, in denen katalytische Systeme getestet werden können. Mit über 2,5 Millionen Euro ist diese Anlage die größte Einzelinvestition Im CatLab-Projekt.
- Proteinkristallographie an BESSY II: Schneller, besser und automatischerViele Erkrankungen hängen mit Fehlfunktionen von Proteinen im Organismus zusammen. Die dreidimensionale Architektur dieser Moleküle ist oft äußerst komplex, liefert aber wertvolle Hinweise für das Verständnis von biologischen Prozessen und die Entwicklung von Medikamenten. Mit Röntgendiffraktion an den MX-Beamlines von BESSY II lässt sich die 3D Struktur von Proteinen entschlüsseln. Mehr als 5000 Strukturen sind bis heute an den drei MX-Beamlines von BESSY II gelöst worden. Ein Rückblick und Ausblick im Gespräch mit Manfred Weiss, dem Leiter der Makromolekularen Kristallographie.
- Humboldt-Fellow am HZB-Institut für Solare Brennstoffe: Alexander R. UhlAlexander R. Uhl von der UBC Okanagan School of Engineering in Kelowna, Kanada, will mit Roel van de Krol vom HZB-Institut für Solare Brennstoffe einen effizienten und günstigen Photoelektrolyseur entwickeln, um mit Sonnenlicht Wasserstoff zu produzieren. Sein Aufenthalt wird von der Alexander von Humboldt-Stiftung gefördert.