Os termômetros fotônicos – que medem a temperatura usando a luz – existem na forma de fibra óptica há décadas. Esses dispositivos, chamados de redes de Bragg de fibra, são incorporados em fibras comercialmente mais finas que um fio de cabelo humano, semelhantes às onipresentes nas comunicações de rede.
Baratos e com capacidade de serem embutidos em estruturas que poderiam ser de difícil acesso, os sensores são usados ​​rotineiramente em infraestrutura civil (que inclui pontes e túneis) e nas indústrias de petróleo e gás. Mas eles não são precisos o suficiente para algumas outras aplicações que poderiam fazer uso deles, incluindo monitoramento de freezers, fornos, refrigeradores de grau médico e certos processos industriais.

Um impacto significativo na precisão dos sensores vem da deriva de longo prazo. Isso ocorre quando, ao longo do tempo, a mesma temperatura resulta em uma leitura diferente. Recalibrar o sensor a cada poucos meses resolve o problema, mas isso pode ser caro e demorado, especialmente se o sensor estiver enterrado em concreto ou incorporado permanentemente em uma estrutura.

Em um novo artigo publicado esta semana em Sensors and Actuators A:Physical , um cientista do Instituto Nacional de Padrões e Tecnologia (NIST) descreve como ele usou técnicas de aprendizado de máquina para prever o desvio de longo prazo da tecnologia de sensores de Bragg-grade de fibra existente. O trabalho de prova de conceito mostra como um tipo de inteligência artificial chamado aprendizado de máquina pode permitir que pesquisadores façam sensores de autocalibração ou autocorreção usando a tecnologia existente.

Ele também apresenta outra opção para cientistas que, de outra forma, teriam que gastar tempo e dinheiro para desenvolver uma tecnologia totalmente nova para sua aplicação, mas não precisariam se um sensor mais barato e pronto para uso pudesse fazer o trabalho, diz o autor do estudo Zeeshan. Ahmed.

"É uma abordagem alternativa onde você pode ter seu bolo (manter a tecnologia existente) e comê-lo também (reduzir a contribuição da deriva de longo prazo)", disse Ahmed. "Os sensores de fibra de Bragg são baratos. Em vez de gastar cinco anos para desenvolver materiais melhores, por que não usar apenas este algoritmo, ou um similar nesta família de algoritmos?"

O modelo de Ahmed foi capaz de reduzir em cerca de 70% as incertezas de medição devido à deriva, o que pode potencialmente ser suficiente para estudar alguns processos que dependem do controle de temperatura, como a fermentação industrial (o uso de microrganismos para criar produtos químicos e medicamentos).

As grades de fibra de Bragg não são os únicos tipos de sensores fotônicos disponíveis. Pesquisadores do NIST, incluindo Ahmed, vêm desenvolvendo termômetros fotônicos baseados em chip que, comparados às técnicas tradicionais de termometria, prometem ser menores e mais duráveis, resistentes à interferência eletromagnética e potencialmente autocalibrados.

Mas esses sensores baseados em chip ainda estão em fase de testes. Os termômetros à base de fibra que são objeto deste trabalho são uma tecnologia mais antiga. Esses sensores Bragg funcionam manipulando a interação da luz com estruturas gravadas em um cabo de fibra óptica. A grade funciona como uma espécie de filtro para a luz, permitindo que apenas determinados comprimentos de onda percorram o cabo. Quais comprimentos de onda são permitidos depende da temperatura e pressão, bem como do espaçamento entre as gravuras na grade.

Mas com o tempo, à medida que o sensor Bragg é exposto a altas temperaturas, algo muda na química do dispositivo para alterar permanentemente o índice de refração do material da fibra, que é uma medida de quão rápido a luz viaja através de um meio. Acredita-se que essa mudança permanente no índice de refração seja responsável pelos erros de desvio.

A deriva de longo prazo nesses sensores causa incertezas na temperatura que varia de 200 a 300 milikelvin, equivalente a um terço a meio grau Fahrenheit (°F).

"Para ser competitivo com a tecnologia existente, você quer reduzir esse valor para cerca de metade desse valor e, se possível, para algumas dezenas de milikelvin", o equivalente a menos de um décimo de grau Fahrenheit, disse Ahmed.

Guerras de algoritmos:um novo modelo

Embora seu trabalho tenha resultado em um modelo que é prático em uma forma de prova de conceito, a intenção original de Ahmed era ajudar os cientistas a entender melhor o problema da deriva.

"Pensei:'Se eu puder entender o processo direto e compensá-lo matematicamente, posso reduzir essas incertezas a um nível aceitável'", disse Ahmed.