لتلبية متطلبات أداء الترشيح والتحسين متعدد المعايير لمرشح الضبط السائل (مرشح الضبط بالبلورة السائلة، LCTF)، يقترح هذا المقال طريقة تصميم تحسين لمرشح LCTF من نوع ليه (Lyot) تستند إلى خوارزمية المناعة الاصطناعية (خوارزمية المناعة، IA). تعتمد هذه الطريقة على مؤشرات الأداء الأساسية للطيف المرشح مثل نفاذية الضوء لمرشح Lyot LCTF، العرض عند نصف القيمة القصوى (FWHM) للقمة الرئيسية الناقلة، وقمع الحلقات الجانبية (SLS)، وتستخدم وظيفة تقييم خاصة لإيجاد التوليفة الأمثل لسماكة صندوق السائل البلوري وجهد التشغيل للمعدات لتحسين التصميم. تظهر نتائج المحاكاة أن مرشح LCTF المحسن باستخدام خوارزمية IA يظهر تحسينًا بنسبة 73.42٪ في قمع الحلقات الجانبية مقارنة بمرشح Lyot التقليدي، وتحسنًا بنسبة 13.90٪ في الأداء الكلي للترشيح، مع إمكانية ضبط أوزان دالة التقييم الذكية لتلبية احتياجات سيناريوهات تطبيق مختلفة. يمكن لهذه الطريقة التصميمية تجنب الاعتماد الكبير الشديد على دقة سماكة الجهاز التقليدي، كما أنها أكثر مرونة في اختيار سماكة الصندوق وعدد المراحل، وتحسن زمن الاستجابة الطيفية والنفاذية الضوئية، إلى جانب حذف العمل التجريبي المعقد، مما يجعلها أكثر كفاءة عمليًا واقتصاديًا.

البلورة السائلة;مرشح ليه;خوارزمية المناعة الاصطناعية;تصميم تحسين;الضبط الذكي