سید جواد سجادی - گروه مهندسی ماشین های کشاورزی، دانشکده مهندسی و فناوری، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
سلیمان حسین پور - گروه مهندسی ماشین های کشاورزی، دانشکده مهندسی و فناوری، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
شاهین رفیعی - گروه مهندسی ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.

مدل سازی ریاضی ابزاری قدرتمند جهت پیش بینی پاسخ ترانزیستور اثرمیدان حساس به یون (ISFET) و بهینه سازی پارامترهای موثر بر عملکرد آن است. در این پژوهش مقادیر بهینه پارامترهای جریان درین، ولتاژ درین، غلظت اولیه سوبسترا و غلظت اولیه آنزیم به منظور به دست آوردن پاسخ ماکزیمم ISFET در تشخیص آفلاتوکسین B۱ (AFB۱) تعیین شدند. بهینه سازی با به کارگیری الگوریتم ژنتیک و بر پایه حل عددی معادله های دیفرانسیل حاکم ISFET به روش المان محدود در نرم افزار کامسول انجام شد. تابع هدف مورد استفاده در الگوریتم ژنتیک نیز با جایگزینی مدل شبیه سازی شده توسط فرامدل شبکه عصبی مصنوعی تعریف شد. نتایج به دست آمده نشان داد مدل شبیه سازی شده  ISFET با استفاده از روش المان محدود در مقایسه با آزمایش تجربی، دارای میانگین درصد خطای مطلق (MAPE) برابر با ۰۶/۱ درصد در پیش بینی پاسخ ISFET است. با استفاده از مدل المان محدود، ۱۲۹۶ آزمایش برای دست یابی به پایگاه داده مورد نیاز جهت آموزش شبکه عصبی شبیه سازی شد. پس از ارزیابی ساختار های مختلف شبکه عصبی مشخص شد شبکه عصبی آموزش دیده با ساختار (۴-۴۵-۱) دارای میانگین درصد خطای مطلق (MAPE) برابر با ۰۴/۰، ۰۷/۰ و ۰۵/۰ درصد به ترتیب در فازهای آموزش، اعتبارسنجی و آزمایش است. نتایج بهینه سازی ISFET نشان داد با استفاده از مقادیر بهینه پارامتر های جریان درین، ولتاژ درین، غلظت اولیه سوبسترا و غلظت اولیه آنزیم تعیین شده توسط الگوریتم ژنتیک حداکثر پاسخ ISFET برابر با ۴۴۰/۴۴ درصد به دست آمده است.

ISFET, الگوریتم ژنتیک, المان محدود, شبکه عصبی مصنوعی, مدل سازی ریاضی