基于深度学习的葡萄糖浓度传感原理图

一个合作研究小组最近开发了一种利用深度学习技术测量葡萄糖的新方法。他们的研究发表在《激光与光子学评论》上。

超材料是一种人造材料，具有自然界中没有的独特电磁特性，使其能够操纵电磁波，如光或微波。在超材料设计中使用的一种常见结构是分裂环谐振器(SRR)，其特点是在其中心有一个分裂的环。这种设计允许SRR吸收、穿透或反射特定频率的电磁场，并由于平滑电流的中断而放大信号，从而导致环内的电磁共振。

虽然SRRs已广泛应用于传感器，但其有效性受到温度、湿度和样品位置等因素影响的不一致和不可靠测量的限制。

在本研究中，团队旨在解决基于srr的传感器电信号因样品位置变化而产生的波动问题。他们首先对传感器进行优化，利用光刻工艺在半导体上产生光的图案，放大0.5至18 GHz频率范围内的电信号。研究人员随后采用深度学习技术，使葡萄糖传感器能够从不同位置测量的电信号中学习。

在此基础上，该团队开发了一维卷积神经网络(1D CNN)并进行了实验。结果表明，该模型有效地补偿了样本位置变化带来的误差，平均绝对误差(MAE)为0.695%，均方误差(MSE)为0.86%。

该小组由浦项工业大学机械工学系、化学工学系、电子工学系教授罗俊锡、浦项工业大学机械工学系博士研究生李锡浩、金庆泰、大邱大学物理教育学系教授李熙祖等人组成。

浦项工科大学的Rho教授表示:“我们成功地控制了对样品位置变化敏感的电信号，从而提高了葡萄糖测量装置的一致性和可靠性。”

“同样值得注意的是，这项技术可以通过已经在半导体行业广泛应用的光刻工艺进行商业化和大规模生产。”