Reflective-Mode Planar Microwave Sensors: Sensitivity and Selectivity Optimization Using Advanced Techniques and Artificial Intelligence

Aquesta tesi investiga sensors de microones planars en mode reflexió per a la caracterització de materials complexos, centrant-se en l'optimització de sensibilitat i selectivitat mitjançant tècniques avançades i intel·ligència artificial (IA). El treball aborda limitacions crítiques en la detecció convencional per microones mitjançant l'optimització sistemàtica d'arquitectures de sensors, demostrant evolució des d'enfocaments analítics fins a disseny de sensors basat en aprenentatge automàtic. La contribució teòrica principal aprofita la separació de la sensibilitat en dos components independents: elements elèctrics a transformació de variable de sortida, i la interacció de camp a elements elèctrics. Aquesta separació permet una optimització independent de cada component, canviant fonamentalment com es dissenyen i operen els sensors de microones planars en mode reflexió. La maximització de la sensibilitat s'aconsegueix mitjançant acoblament controlat, inversors d'impedància i tècniques de ressonància-antiressonància. L'enginyeria de pèrdues s'introdueix com a paràmetre de disseny, permetent el control precís de la resposta del sensor. Es demostra un canvi de paradigma mitjançant la integració d'aprenentatge automàtic, on els algoritmes d'IA aprenen la transformació de dades espectrals a variables objectiu, reemplaçant enfocaments d'optimització analítics. Això permet el disseny de sensors dirigit per aplicació, on els algoritmes de machine learning modelen relacions complexes i no lineals entre respostes espectrals i propietats físiques. La validació experimental inclou sensors planars en mode reflexió que aconsegueixen millores d'ordre de magnitud en sensibilitat comparat amb enfocaments tradicionals, sensibilitat sintonitzable amb control electrònic en temps real, i marcs millorats per IA per a detecció remota i anàlisi de líquids multicomponent. La tesi contribueix al desenvolupament d'arquitectures de sensors planars en mode reflexió noves, metodologies de disseny sistemàtiques, i un nou paradigma per a la detecció per microones que combina interacció de camp optimitzada amb postprocessament asistit per IA. La recerca comprèn onze publicacions revisades per experts que demostren una progressió sistemàtica des del disseny fonamental de sensors a través de l'enginyeria de pèrdues fins a aplicacions millorades per IA. Els assoliments tècnics clau inclouen millores de sensibilitat de pendent de fase que excedeixen 6350° per unitat de permitivitat relativa mentre mantenen àrees de detecció compactes, l'enginyeria de pèrdues que permet l'ajustament electrònic en temps real de la sensibilitat del sensor, i marcs dirigits per IA per a detecció remota i anàlisi de líquids multicomponent. Les aplicacions pràctiques abasten supervisió de processos industrials, diagnòstics sanitaris i monitoratge ambiental. El treball aborda el repte crític d'aconseguir alta sensibilitat mentre es minimitza la mida del sensor, permetent avaluació ràpida de materials in situ que supera les limitacions dels instruments de laboratori tradicionals que requereixen preparació complexa de mostres i consumibles cars. L'arquitectura planar facilita solucions compactes i cost-efectives adequades per al monitoratge continu en entorns diversos. La tesi estableix un marc per a la detecció per microones centrada en fase que permet l'optimització sistemàtica del rendiment del sensor, integrant modelatge analític amb validació experimental i evolucionant cap a enfocaments d'aprenentatge automàtic. Això representa un canvi fonamental en la filosofia de disseny de sensors de microones, passant de la minimització de pèrdues a l'enginyeria de pèrdues, i de l'optimització analítica a enfocaments de disseny basats en dades.