沙粒大小！攻克光谱仪小型化难题
几十年来，人类对物质化学成分进行成像的能力——无论是用于诊断疾病、评估食品质量还是分析污染——都依赖于被称为光谱仪的大型昂贵实验室仪器。这些设备的工作原理是接收光线，通过棱镜或光栅将其展开成彩虹，并测量每种颜色的强度。问题在于展开光线需要很长的物理路径，导致设备本身十分笨重。 4|Wg lri
(L{Kg U&{$
《先进光子学》报道的一项来自加州大学戴维斯分校的最新研究，攻克了光谱仪小型化的难题，致力于将实验室级光谱仪缩小至沙粒尺寸，使其成为可集成到便携设备中的微型片上光谱仪。该研究摒弃了传统的空间展光方法，转而采用重构式技术。 \1AtB c&
[attachment=134058] B4<W%lm
新型芯片不再物理分离各种颜色，而是仅使用16个独特的硅探测器，每个探测器都被设计成对入射光产生略微不同的响应。这就像给少量专用传感器一杯混合饮品，每个传感器能品鉴出饮品的不同特性。而破解原始配方奥秘的关键在于第二项创新：人工智能。 $E_9AaX
Z ]1=nSv
该技术的核心突破在于两方面。首先，研究团队通过特殊的光子捕获表面结构对标准硅光电二极管表面进行改造。硅材料通常能有效感知可见光，但在感知近红外光（波长最高1100纳米）方面表现很差，而近红外光对生物医学成像等众多应用至关重要，因其比可见光更能深入穿透人体组织。光子捕获表面结构如同精心设计的纹理，能迫使近红外光子在薄硅层内散射而非直接穿透，这大幅提高了硅材料吸收光线的概率，使整个芯片具备宽光谱范围的感知能力。 Gl1Qbd0
[attachment=134057] L+c7.l.yT
除了基础的色彩检测，该架构还采用高速传感器，实现了测量光子寿命的固有超快能力。这种时间精度使设备能捕捉传统仪器无法察觉的瞬态光-物质相互作用。 !F |mCEU
*6-f vqCv
其次，该芯片搭载了强大的全连接神经网络。由于16个独特探测器仅捕获编码后的含噪信号，人工智能通过数千个样本训练，学习探测器原始输出与纯净原始光谱之间复杂隐晦的关联。人工智能通过求解这一"逆问题"，以高精度（约8纳米分辨率）重建光谱。这种计算方法彻底摆脱了对笨重光学元件的依赖。 9'qU4I
fcuU, A
最终形成的系统占地面积极小（0.4平方毫米），兼具高灵敏度和强抗噪能力。即使在严重电干扰环境下，这种增强型人工智能芯片仍能保持信号清晰度——这是便携式低成本电子设备面临的主要挑战。 oPX `/ X#
该技术通过将硅的感知范围扩展至关键的近红外光谱，并借助机器学习实现高性能，为从先进医疗诊断到环境遥感等领域的真正集成化实时高光谱传感开辟了道路。 ?9_RI(a.}
\G3 P[E[
相关链接：https://dx.doi.org/10.1117/1.ap.8.1.016008
|