حسگر نانولایه‌ای جدید با ترکیب پلاسمونیک و یادگیری ماشین، باکتری‌های خطرناک را شناسایی می‌کند
گروهی از پژوهشگران هند، عربستان سعودی، نپال و بریتانیا، طرح نظری حسگری مبتنی بر تشدید پلاسمون سطحی (SPR) ارائه کرده‌اند که به گفته آن‌ها می‌تواند باکتری‌های بیماری‌زا را با حساسیتی به‌مراتب بیشتر از طرح‌های مشابه شناسایی کند. پژوهشگران همچنین این سامانه نوری را با مدلی از یادگیری ماشین ترکیب کرده‌اند که می‌تواند روش بهینه‌سازی حسگر را از داده‌ها بیاموزد. در این پژوهش که در نشریه Frontiers in Sensors منتشر شده، ساختاری چندلایه معرفی شده است که از دی‌اکسید تلوریم (TeO2)، سولفید کادمیم گالیم (CdGa2S4) و ماده دوبعدی آنتیمونید آلومینیوم (AlSb) تشکیل شده و این لایه‌ها روی یک فیلم نازک نقره قرار گرفته‌اند. نتایج محاسبات، حساسیت ۲۶۹٫۳۹۷ درجه به‌ازای هر واحد ضریب شکست (RIU) و شاخص شایستگی ۱۸۰٫۶ به‌ازای هر واحد ضریب شکست را نشان می‌دهد؛ مقادیری که نویسندگان پژوهش آن‌ها را پیشرفتی چشمگیر نسبت به مطالعات پیشین می‌دانند.
اساس کار این حسگر، با وجود پیچیدگی فناوری آن، نسبتاً ساده است. در آرایش کلاسیک کرچمن، یک منشور نور با قطبش p را به یک لایه نازک فلزی منتقل می‌کند. در زاویه مشخصی از تابش، مؤلفه موازی سطحِ تکانه نور با تکانه امواج پلاسمون سطحی برابر می‌شود. این امواج در واقع نوسان‌های جمعی الکترون‌ها هستند که در امتداد مرز میان فلز و ماده دی‌الکتریک انتشار می‌یابند. با برقراری شرایط تشدید، انرژی از پرتو بازتابی به امواج پلاسمون منتقل می‌شود و در نتیجه، افتی شدید در منحنی بازتابندگی نور به وجود می‌آید. زاویه تشدید به ضریب شکست محیطی که درست بالای فلز قرار دارد بسیار حساس است. بنابراین، حضور باکتری‌ها با تغییر محیط نوری موضعی، محل این افت بازتابندگی را به‌اندازه‌ای قابل‌اندازه‌گیری جابه‌جا می‌کند. حتی تغییرات بسیار کوچک ضریب شکست نیز می‌توانند جابه‌جایی محسوسی در نقطه کمینه تشدید ایجاد کنند. به این ترتیب، شناسایی بلادرنگ و بدون نشانگر امکان‌پذیر می‌شود؛ بدون آنکه به نشانگرهای فلورسنت یا تقویت آنزیمی موردنیاز در روش‌های متداول آزمایشگاهی احتیاجی باشد.
روش‌های رایج شناسایی باکتری‌های خطرناک، از جمله کشت میکروبی، واکنش زنجیره‌ای پلیمراز (PCR)، آزمون‌های ایمنی‌سنجی متصل به آنزیم (ELISA)، روش‌های مبتنی بر فلورسانس و فناوری‌های الکتروشیمیایی، از دقت بالایی برخوردارند؛ اما اغلب به تجهیزات پیچیده، نیروی متخصص و آماده‌سازی زمان‌بر نمونه نیاز دارند. همین محدودیت‌ها استفاده از آن‌ها را برای آزمایش‌های سریع در محل دشوار می‌کند و باعث افزایش توجه پژوهشگران به زیست‌حسگرهای نوری شده است. در میان روش‌های نوری، تشدید پلاسمون سطحی یکی از حساس‌ترین فناوری‌ها برای شناسایی مواد شیمیایی و عوامل زیستی به شمار می‌رود. پژوهش جدید می‌کوشد با مهندسی لایه‌هایی که میدان الکترومغناطیسی میرا باید پیش از برهم‌کنش با نمونه از آن‌ها عبور کند، حساسیت این فناوری را بیش از پیش افزایش دهد.
نویسندگان برای مدل‌سازی حسگر شش‌لایه خود از روش ماتریس انتقال استفاده کردند؛ روشی تحلیلی و دقیق برای بررسی انتشار امواج الکترومغناطیسی در فیلم‌های نازک چندلایه. شبیه‌سازی‌ها با تغییر زاویه تابش و در طول موج ۶۳۳ نانومتر انجام شد. نخستین بخش ساختار، منشوری از جنس BK7 با ضریب شکست ۱٫۵۱۵ است که به دلیل شفافیت نوری و توانایی ایجاد شرایط تطبیق فاز انتخاب شده است. پس از آن، فیلم نقره قرار دارد که ضریب شکست مختلط آن برابر با ۰٫۰۵۶۲۶۶ به‌علاوه ۴٫۲۷۷۶۱i است. این ویژگی نوری با اتلاف نوری کم نقره و توانایی آن در ایجاد منحنی تشدید تیز و مشخص ارتباط دارد. روی نقره، دو لایه میانی دی‌الکتریک قرار گرفته‌اند: لایه‌ای یک‌نانومتری از TeO2 با ضریب شکست ۲٫۲۵۹۶ و لایه‌ای یک‌نانومتری از CdGa2S4 با ضریب شکست ۲٫۴۴۸۲. در نهایت، لایه‌ای به ضخامت ۰٫۵۳ نانومتر از AlSb با ضریب شکست مختلط ۳٫۸۶۳۸ به‌علاوه ۰٫۰۰۳۵۹۸۲i قرار می‌گیرد که محیط حسگری روی آن واقع شده است.
هر یک از این لایه‌ها نقش فیزیکی مشخصی در عملکرد حسگر دارند. دی‌اکسید تلوریم علاوه بر محصور کردن میدان الکترومغناطیسی، از سطح نقره در برابر اکسید شدن محافظت می‌کند. این ویژگی یکی از ضعف‌های شناخته‌شده حسگرهای پلاسمونیک مبتنی بر نقره را برطرف می‌کند؛ زیرا نقره با وجود عملکرد بهتر از بسیاری از مواد جایگزین در محصورسازی میدان، در مجاورت هوا دچار تخریب می‌شود. لایه CdGa2S4 جفت‌شدگی پلاسمونیک را تقویت می‌کند و ناحیه مرزی برهم‌کنش میدان میرا با ماده مورد آزمایش را گسترش می‌دهد؛ عاملی که به پایداری تشدید کمک می‌کند. نانولایه AlSb نیز به دلیل مساحت سطحی بسیار زیاد و برهم‌کنش قوی نور و ماده، سطح مؤثر در دسترس برای جذب زیست‌مولکول‌ها را افزایش می‌دهد. به اعتقاد پژوهشگران، ترکیب این مواد اثری هم‌افزا ایجاد می‌کند که هم جفت‌شدگی پلاسمونیک و هم تمرکز موضعی میدان الکترومغناطیسی را بهبود می‌بخشد؛ عملکردی که هیچ‌یک از لایه‌ها به‌تنهایی قادر به ایجاد آن نیست.
تعیین ضخامت مناسب لایه فلزی یکی از عوامل حیاتی در طراحی حسگر بود. پژوهشگران ضخامت فیلم نقره را از ۴۰ تا ۶۰ نانومتر، با گام‌های ۵ نانومتری، تغییر دادند و رفتار کمینه بازتابندگی و زاویه تشدید را در دو محیط حسگری با ضرایب شکست ۱٫۳۷۱ و ۱٫۴۱۰ بررسی کردند. با افزایش ضخامت فیلم از ۴۰ به ۵۵ نانومتر، کمینه بازتابندگی از ۰٫۳۴۴۴۲ به تنها ۰٫۰۰۲۴۶۴ کاهش یافت. این افت نشان می‌دهد که تقریباً تمام انرژی نور فرودی به امواج پلاسمون سطحی منتقل می‌شود. اما در ضخامت ۶۰ نانومتر، کمینه بازتابندگی دوباره افزایش یافت؛ زیرا ضخامت بیشتر فلز موجب افزایش اتلاف نوری و کاهش نفوذ میدان میرا به درون نمونه می‌شد. به همین دلیل، ضخامت ۵۵ نانومتر به‌عنوان مقدار بهینه انتخاب شد و تمام نتایج بعدی مربوط به عملکرد حسگر بر همین ضخامت استوار است.
پس از تثبیت ضخامت فلز، نویسندگان ساختار کامل پیشنهادی را با چهار آرایش ساده‌تر مقایسه کردند: ساختار متداول BK7/Ag/ماده مورد آزمایش و سه ساختار دیگری که به‌ترتیب تنها لایه AlSb، تنها TeO2 یا تنها CdGa2S4 به آن‌ها افزوده شده بود. حساسیت ساختار متداول به ۱۸۵٫۶۲۰ درجه به‌ازای هر واحد ضریب شکست رسید، در حالی که افزودن جداگانه لایه‌ها این مقدار را به حدود ۲۰۰ تا ۲۰۳٫۶۸ درجه به‌ازای هر واحد ضریب شکست افزایش داد. ساختار چندلایه کامل به حساسیت ۲۶۹٫۳۹۷ درجه به‌ازای هر واحد ضریب شکست دست یافت که در مقایسه با چهار ساختار مرجع، به‌ترتیب حدود ۴۵٫۱، ۳۲٫۳، ۳۴٫۴ و ۳۲٫۳ درصد بهبود نشان می‌دهد. این ساختار هم‌زمان بهترین مقادیر را برای ضریب کیفیت، برابر با ۱۸۱٫۰۴ به‌ازای هر واحد ضریب شکست، شاخص شایستگی، برابر با ۱۸۰٫۶ به‌ازای هر واحد ضریب شکست، و عامل حساسیت ترکیبی، برابر با ۱۷۹٫۶۷۹ به‌ازای هر واحد ضریب شکست، ثبت کرد. به بیان دیگر، این طراحی حساسیت را بدون کاهش تیزی منحنی تشدید افزایش می‌دهد؛ ویژگی مهمی که بر دقت شناسایی در شرایط واقعی تأثیر دارد و بسیاری از حسگرهای رقیب نمی‌توانند میان این دو معیار تعادل مناسبی برقرار کنند.
پژوهشگران همچنین برای بررسی تأثیر جنس ماده دوبعدی، لایه AlSb را با فسفر سیاه، گرافن، دی‌سولفید مولیبدن و دی‌سولفید تنگستن جایگزین کردند. فسفر سیاه با حساسیت ۲۶۱٫۱۷۹ درجه به‌ازای هر واحد ضریب شکست و ضریب کیفیت ۱۷۸٫۰۳۶ به‌ازای هر واحد ضریب شکست، نزدیک‌ترین عملکرد را به AlSb داشت. در مقابل، دی‌سولفید تنگستن بیشترین جابه‌جایی زاویه‌ای را با مقدار ۲۸۲٫۵۳۸ درجه به‌ازای هر واحد ضریب شکست ایجاد کرد، اما پهن‌تر شدن منحنی تشدید باعث شد ضریب کیفیت آن به ۱۴۴٫۱۵۲ و شاخص شایستگی به ۱۳۴٫۸۷۵ به‌ازای هر واحد ضریب شکست کاهش یابد. این موضوع نشان می‌دهد که میرایی و پهن‌شدگی منحنی تشدید در این آرایش، کیفیت اندازه‌گیری را کاهش می‌دهد. در مجموع، AlSb به دلیل ترکیب حساسیت بالا با افت تشدید تیز و کاملاً مشخص، بهترین عملکرد کلی را نشان داد. نویسندگان همچنین خاطرنشان کرده‌اند که در مقایسه مواد دوبعدی، چکیده مقاله با در نظر گرفتن آرایش‌های حاوی WS2، بیشینه پارامترهای به‌دست‌آمده را شامل حساسیت ۲۸۵٫۵۳۸ درجه به‌ازای هر واحد ضریب شکست، ضریب کیفیت ۱۴۴٫۱۵۲ و شاخص شایستگی ۱۳۴٫۸۷۵ به‌ازای هر واحد ضریب شکست گزارش می‌کند.
محاسبات میدان الکتریکی نیز از نظر امکان برهم‌کنش حسگر با مواد زیستی، نتایج امیدوارکننده‌ای ارائه می‌دهد. میدان میرای ساختار بهینه تا عمق ۴۴۸٫۴۳ نانومتر در محیط حسگری نفوذ می‌کند و در این عمق، شدت آن به حدود ۳۶٫۸ درصد مقدار بیشینه کاهش می‌یابد. این عمق نفوذ با مقیاسی که زیست‌مولکول‌ها، پروتئین‌ها، آفت‌کش‌ها و سلول‌های باکتریایی با یک سطح عامل‌دارشده برهم‌کنش دارند، تناسب مناسبی دارد. بررسی‌ها نشان داد لایه‌های میانی دی‌الکتریک با تنظیم میزان محصورشدگی میدان، برهم‌کنش میان میدان پلاسمونیک و ماده مورد آزمایش را تقویت می‌کنند و در عین حال اتلاف نوری را تحت کنترل نگه می‌دارند. در نتیجه، حتی کوچک‌ترین تغییر ضریب شکست نمونه می‌تواند تغییر بزرگی در شرایط تشدید ایجاد کند.
بخش دوم پژوهش به کاربرد یادگیری ماشین اختصاص دارد؛ بخشی که شاید بتوان آن را تعمیم‌پذیرترین دستاورد این مطالعه دانست. پژوهشگران با استفاده از شبیه‌سازی‌های عددی خود، مجموعه‌داده‌ای گسترش‌یافته تولید کردند که متغیرهایی مانند ضخامت نقره، ضریب شکست، زاویه تشدید، کمینه بازتابندگی، پهنای کامل در نصف بیشینه (FWHM)، ضریب کیفیت، شاخص شایستگی و عامل حساسیت ترکیبی را در بر می‌گرفت. سپس برای پیش‌بینی حساسیت حسگر، یک مدل رگرسیون جنگل تصادفی (Random Forest) متشکل از ۲۵۰ درخت تصمیم با حداکثر عمق ۱۰ سطح آموزش دادند. ۸۰ درصد داده‌ها برای آموزش مدل و ۲۰ درصد باقی‌مانده برای آزمایش آن استفاده شد. نتایج، تطابق بسیار خوبی میان مقادیر پیش‌بینی‌شده و مقادیر هدف نشان داد. خطاهای باقی‌مانده به‌شکلی متقارن در نزدیکی صفر متمرکز بودند و منحنی‌های یادگیری نیز نشان دادند که بیش‌برازش قابل‌توجهی رخ نداده است. تحلیل اهمیت ویژگی‌ها مشخص کرد که ضخامت لایه نقره تأثیرگذارترین پارامتر است و زاویه تشدید و ضریب شکست در رتبه‌های بعدی قرار دارند؛ نتیجه‌ای که با یافته‌های حاصل از بهینه‌سازی مستقیم الکترومغناطیسی همخوانی داشت. هنگامی که مدل آموزش‌دیده برای پیش‌بینی حساسیت در محدوده ضخامت ۴۰ تا ۶۰ نانومتر به کار گرفته شد، به‌طور مستقل ضخامت بهینه را در نزدیکی ۵۵ نانومتر شناسایی کرد. این مقدار دقیقاً با نتیجه تحلیل ماتریس انتقال مطابقت داشت، با این تفاوت که هزینه محاسباتی بسیار کمتری نیاز داشت.
نویسندگان پژوهش محدودیت‌های کار خود را نیز به‌روشنی بیان کرده‌اند. تمام نتایج گزارش‌شده تاکنون حاصل محاسبات عددی است و هنوز هیچ نمونه فیزیکی از این حسگر ساخته یا به‌صورت تجربی مشخصه‌یابی نشده است. همچنین مدل فعلی شامل عامل‌دارسازی سطحی اختصاصی برای باکتری‌ها یا عناصر شناسایی مولکولی نیست؛ بنابراین، شناسایی انتخابی یک گونه مشخص باکتری همچنان به افزودن لایه‌ای مناسب از گیرنده‌های زیستی نیاز دارد. نمونه‌های زیستی واقعی نیز چالش‌های دیگری به همراه دارند؛ از جمله جذب غیراختصاصی مواد به سطح، نوسان‌های زمینه‌ای ضریب شکست و تداخل ناشی از اجزای نمونه مانند نمک‌ها، پروتئین‌ها و سلول‌ها. علاوه بر این، تغییرات دما، تلرانس‌های ساخت، زبری سطح و جذب نوری مواد می‌توانند عملکرد ایده‌آل پیش‌بینی‌شده را تضعیف کنند. پژوهشگران قصد دارند در مراحل بعدی، ساخت تجربی حسگر، توسعه روش‌های شیمیایی عامل‌دارسازی سطح برای شناسایی باکتری‌ها و اعتبارسنجی عملکرد دستگاه با نمونه‌های زیستی واقعی را دنبال کنند. در صورت موفقیت این مراحل، ترکیب ساختار پلاسمونیک مهندسی‌شده TeO2/CdGa2S4/AlSb با چرخه بهینه‌سازی مبتنی بر داده می‌تواند الگویی برای نسل تازه‌ای از آشکارسازهای سریع و بدون نشانگر عوامل بیماری‌زا در مراکز درمانی، آزمایشگاه‌های ایمنی مواد غذایی و سامانه‌های پایش محیط‌زیست باشد. همچنین چارچوب جنگل تصادفی ممکن است به طراحان آینده امکان دهد هندسه بهینه حسگر را به‌جای چندین هفته شبیه‌سازی، تنها با چند ساعت محاسبه پیدا کنند.
موضوع پژوهش: حسگر ضریب شکست مبتنی بر تشدید پلاسمون سطحی با لایه‌های TeO2/CdGa2S4/AlSb و بهینه‌سازی‌شده با یادگیری ماشین برای شناسایی باکتری‌های بیماری‌زا
عنوان مقاله علمی: شناسایی باکتری‌های بیماری‌زا با حسگر ضریب شکست مبتنی بر تشدید پلاسمون سطحی و تقویت‌شده با دی‌اکسید تلوریم و سولفید کادمیم گالیم: رویکردی مبتنی بر یادگیری ماشین
مشخصات مقاله علمی: مریگالا، آر.، بودو، اس.، واسیمالا، وای.، پراشانت، ام. اس.، شبان، اس.، السیف، ان. ای. ام.، خلیفه، اس. بی. و کارکی، بی. (۲۰۲۶). «شناسایی باکتری‌های بیماری‌زا با حسگر ضریب شکست مبتنی بر تشدید پلاسمون سطحی و تقویت‌شده با دی‌اکسید تلوریم و سولفید کادمیم گالیم: رویکردی مبتنی بر یادگیری ماشین». Frontiers in Sensors، جلد ۷، مقاله شماره ۱۹۶۲۴۰۱. https://doi.org/10.3389/fsens.2026.1962401
اعتبار تصویر: تولیدشده با هوش مصنوعی
شناسه دیجیتال مقاله (DOI): 10.3389/fsens.2026.1962401
کلیدواژه‌ها: تشدید پلاسمون سطحی، باکتری‌های بیماری‌زا، زیست‌حسگر، یادگیری ماشین، جنگل تصادفی، دی‌اکسید تلوریم، سولفید کادمیم گالیم، آنتیمونید آلومینیوم، حسگری ضریب شکست، آرایش کرچمن، مواد دوبعدی، نانوفوتونیک
منبع خبر: ترزا اودوم، ۱۵ اکتبر ۲۰۲۶، «حسگر نانولایه‌ای جدید با ترکیب پلاسمونیک و یادگیری ماشین، باکتری‌های خطرناک را شناسایی می‌کند»، Scienmag.