In recent years, surface enhanced Raman Spectroscopy (SERS) method have been applied in the area of biotechnology, nanotechnology and diagnostic issues. For that, nanoparticles have been arranged near the flat film structure. By doing so, it is found that the local field enhancement can be greatly improved. In this paper, using two type of nanoparticles namely Ag, Au, we have obtained a double resonance system structure. The process is carried out by the application of nanoparticles, Ag and Au with Ag as a grating coupler. The space and interspace of 3 nm and 5-20 nm for the two particles Au and Ag are considered, respectively. A double resonance system structure has been proposed and simulated with the LUMERICAL FDTD. Our result show that for nanoparticle-film coupling, the highest enhancement factor of 〖(10〗^13) can be obtained for Ag nanosphere and Ag-grating coupler. Finally the simulation results show that application of multiple couplings associated with Ag grating filed and tooth like binding of Ag grating coupling can be used to significantly improve the near-field enhancement. پرونده مقاله

در این تحقیق پیش‌بینی زمین لرزه و تحلیل ریسک خطر در منطقه آذربایجان با استفاده از روش شبکه عصبی صورت گرفته است. رویکرد پیش‌بینی مبتنی بر استفاده از هوش مصنوعی بر پایه داده‌های زمین‌لرزه‌های صورت گرفته در زمانهای قبل در یک بازه 100 ساله است. پنج ویژگی رویداد زمین‌لرزه از داده‌های سالهای قبل استخراج شده است. مدل پیش بینی زمین‌لرزه بر اساس پنج ویژگی انتخاب شده با سه الگوریتم مختلف با شبکه عصبی پیشخور ایجاد شده است. نتایج اعتبار سنجی نشانگر توانایی بالای مدل در پیش‌بینی زمین‌لرزه در منطقه مورد مطالعه است. نتایج حاصل از مدل های ایجاد شده جهت تحلیل ریسک خطر در منطقه آذربایجان استفاده شده است. با توجه به نتایج بدست آمده منطقه آذربایجان مستعد وقوع زمین لرزه‌ای بالا است که لزوم رعایت دقیق استاندارد ها در ساخت و ساز بناها را میرساند. نتایج تحقیق حاضر نشان داده است که الگوریتم بیزین بهترین عملکرد را در پیش‌بینی خطر زلزله ارئه نموده است. پرونده مقاله