تسريع تصميم حسّاسات الغاز الضوئية: تحسين عكسي لقواطع براج في السليكون مدفوع بالتعلم الآلي

لماذا تكتسب حسّاسات الغاز الأذكى أهمية

من تلوث الهواء في المدن إلى تغيّر المناخ، باتت حياتنا تعتمد بشكل متزايد على معرفة مكوّنات الهواء من حولنا بدقّة. اثنان من أهم غازات الدفيئة، ثاني أكسيد الكربون والميثان، يصعب قياسهما بدقة عند تركيزات منخفضة دون معدات كبيرة أو مكلفة. يقدّم هذا البحث طريقة جديدة لتصميم حسّاسات غاز ضوئية صغيرة على شرائح السليكون بسرعة أكبر بكثير، باستخدام التعلم الآلي لأتمتة عملية كانت بطيئة وتعتمد على التجربة والخطأ.

مصائد ضوئية دقيقة على شريحة

في قلب هذا العمل توجد بنية ضوئية خاصة تُدعى قاطع براج، مبنية على شريحة سليكون. تخيّل سكة حديد ميكروسكوبية للضوء، حيث يتغير عرض المسار دورياً بحيث تعكس البنية ألواناً معينة من الضوء بقوة. يستخدم المؤلفون تصميماً من نوع «الفتحة»: قضيبان رفيعان من السليكون مفصولان بفجوة ضيقة مملوءة ببوليمر مُصمّم خصيصاً. تتسرب جزيئات الغاز إلى هذه الفجوة وتغيّر بشكل طفيف كيفية مرور الضوء خلالها. هذا يغيّر بدوره اللون الذي تعكسه البنية، مما يسمح للحسّاس بالكشف عن غازات مثل ثاني أكسيد الكربون والميثان دون الحاجة إلى أصباغ أو طلاءات إضافية.

مواد ذكية تتفاعل مع الغاز

يختار الفريق بوليمرات تتفاعل بطرق مختلفة مع الغازات المختلفة. عند وجود الغاز المستهدف، قد يغيّر قليلاً الخواص البصرية للبوليمر أو يتسبب في انتفاخه بلطف. ونظراً لأن الضوء في منطقة الفتحة محصور بشدّة داخل هذه الفجوة المملوءة بالبوليمر، فإن التغييرات الصغيرة تؤثر بقوة على لون الانعكاس. بتبديل بوليمر بآخر، يمكن ضبط نفس تصميم الشريحة الأساسي ليتناسب مع غازات مختلفة، مما يحوّل المنصة إلى نوع من أدوات النمطية لاستشعار الغازات. يتيح هذا الاختيار المادي، إلى جانب هندسة الفتحة، للح الجهاز تحقيق حساسية عالية مع البقاء صغيراً ومتوافقاً مع تصنيع السليكون القياسي.

عكس مشكلة التصميم

تصميم هذه المصائد الضوئية المصغرة يدوياً أمر معقّد. عدة إعدادات هندسية — مثل تباعد الحواف، عمقها، عرض قضبان السليكون، وارتفاع الفتحة — تحدد معاً الاستجابة البصرية النهائية. تقليدياً، كان المهندسون يختارون تصميماً، يشغّلون محاكاة مكثفة، ويعدّلون المعلمات ببطء حتى يحصلوا على الطيف المطلوب. هنا، يقلب المؤلفون المشكلة: يبدأون من السلوك البصري المرغوب (على سبيل المثال، لون رنين معين وعرض حدة معين لغاز مختار) ويطلبون من نموذج تعلم آلي توقع الهندسة الشريطية التي ستنتج هذا السلوك. يهدف هذا النهج «العكسي» إلى استبدال آلاف عمليات المحاكاة المجهدة بتوقُّع سريع واحد.

كيف يعمل محرك التعلم

لتدريب هذا المحرك، بنى الباحثون أولاً مجموعة بيانات تضم ما يزيد قليلاً على ألف تصميم محاكاة لحسّاسات ثاني أكسيد الكربون والميثان. لكل تصميم، سجّلوا نوع الغاز، كمية الضوء المارة عند الرنين، الموقع الدقيق للون الرنين، ومدى حدة ذلك الطيف. ثم استخدموا هذه الميزات الطيفية كمدخلات والأربعة معلمات الهندسية الأساسية كمخرجات لنظام التعلم. قبل التدريب، وسّعوا المدخلات لتشمل تراكيب من الميزات، ورمّزوا نوع الغاز باستخدام معينه الانكساري الفيزيائي، مما أدخل في البيانات عناصر فيزيائية حقيقية. تم الجمع بين شبكة عصبية مضبوطة بعناية، محسّنة تلقائياً بأداة تُدعى Optuna، وعدّة نماذج شجرية في تجميع «تكديسي» حيث تغذي عدة متنبئات طبقة قرار نهائية.

تصاميم سريعة ودقيقة عند الطلب

يمكن للنموذج الهجين الناتج إعادة إنتاج جميع المعلمات الهندسية الأربعة بدقة عالية جداً، مستحوذاً على أكثر من 99% من التباين الموجود في بيانات المحاكاة. في اختبار واقعي، طلب المؤلفون من النموذج تصميم بنية جديدة لاستشعار ثاني أكسيد الكربون لم يسبق له رؤيتها. عند محاكاة الهندسة التي تنبّه بها النموذج، طابق الطيف البصري الناتج الهدف تقريباً بشكل مثالي، بينما كانت الحوسبة أسرع بنحو ألفي مرة مقارنة بتشغيل تحسين تقليدي. كما اختبروا مدى تحمل التصميم لأخطاء تصنيع صغيرة، فوجدوا أن أداء الحسّاس يظل مستقرّاً لتقلبات معتدلة، وهو مطلب مهم للتصنيع في العالم الحقيقي.

ماذا يعني هذا للمستقبل

للقارئ العام، الرسالة الأساسية هي أن المؤلفين بنوا «طياراً آلياً للتصميم» لحسّاسات الغاز على مقياس الشريحة. بدلاً من ضبط ومحاكاة كل جهاز جديد يدوياً وببطء، يمكن للمهندسين تحديد كيف يريدون أن يتصرف الحسّاس وترك النموذج المدرب ليقترح فوراً هندسة مناسبة. قد يسرّع هذا النهج تطوير حسّاسات غاز مدمجة وعالية الأداء للمراقبة البيئية، السلامة الصناعية، وتطبيقات الصحة. ومع توسيع الإطار ليشمل غازات ومواد وبيانات مقاسة أكثر، قد يساعد ذلك في تحويل قياس الغازات الضوئياً بدقة إلى منصة تقنية قابلة للتطوير والتخصيص.

الاستشهاد: Khafagy, M., Khafagy, M. & Swillam, M.A. Accelerating photonic gas sensor design: machine learning-driven inverse optimization of silicon photonics Bragg gratings. Sci Rep 16, 11650 (2026). https://doi.org/10.1038/s41598-026-43725-z

الكلمات المفتاحية: استشعار الغاز الضوئي, الفوتونيكس السليكوني, قابل براج, تصميم بالتعلم الآلي, تصميم عكسي