光的波長探測在科學(xué)研究和工業(yè)應(yīng)用中具有重要作用。傳統(tǒng)上，該過程依賴于將分光元件與光機械設(shè)備結(jié)合使用，這不僅增加了探測系統(tǒng)的復(fù)雜性和體積，還大幅提高了成本。近年來，依賴人工智能算法的微型化重構(gòu)光譜儀打破了香農(nóng)-內(nèi)斯特采樣極限，在機器視覺、環(huán)境監(jiān)測、生物醫(yī)藥等領(lǐng)域具有廣闊的應(yīng)用前景。

8月13日，復(fù)旦大學(xué)材料科學(xué)系、智慧納米機器人與納米系統(tǒng)國際研究院梅永豐教授課題組在《美國科學(xué)院院刊》（Proceedings of the National Academy of Sciences of the United States of America）上發(fā)表題為《CMOS工藝兼容、集成自參考法布里-佩羅諧振腔的計算重構(gòu)光譜儀》（“CMOS-Compatible Reconstructive Spectrometers with Self-Referencing Integrated Fabry-Perot Resonators”）的研究成果。該成果還被選為當(dāng)期封面文章高亮報道。

圖片:007396f4-ee27-4f34-81db-db6b2ca4d5da.png

圖1. 團隊的微型光譜儀工作當(dāng)選了當(dāng)期《美國科學(xué)院院刊》的封面。

團隊提出了一種新型微型化重構(gòu)光譜儀設(shè)計，這一設(shè)計結(jié)合了傳統(tǒng)光譜儀和計算重構(gòu)光譜儀各自的優(yōu)勢，通過集成的自參考窄帶濾波通道，使得人工智能算法可以在更高維度的參數(shù)空間進行光譜和算法參數(shù)的同時搜索（圖2A-C）。同時，該光譜儀可以通過成熟的集成電路工藝進行晶圓級制造（圖2D），并具有毫米級尺寸，足以勝任大部分微型化光譜測試需求（圖2E）。該光譜儀在整個可見光波段（400-800 nm）表現(xiàn)出準確的光譜重構(gòu)能力（圖2F），可達到約2.5 nm 的分辨率、約0.27 nm的平均波長偏差、高達5806的分辨力，以及約0.46%的分辨率與帶寬比，性能接近商用光纖光譜儀，但成本和體積大幅減少。

圖片:66a5f685-a53e-41c7-8b2e-6fcae9a3b57c.jpg

圖2. 晶圓級制備的自適應(yīng)微型光譜儀：（A）傳統(tǒng)光譜儀工作原理；（B）典型重建型光譜儀工作原理；（C）自適應(yīng)光譜儀工作原理：算法在比一般重構(gòu)算法更高維的參數(shù)空間中識別全局最小成本函數(shù)；（D）微型光譜儀的晶圓級制造（比例尺為1 cm）；（E）指尖上的微型光譜儀成品；（F）微型光譜對可見光波段內(nèi)準單色光的重構(gòu)效果。

團隊進一步演示了該自適應(yīng)微型光譜儀在結(jié)合微流控及機械掃描系統(tǒng)后，在透射、吸收和光致發(fā)光光譜測量等常見實驗室應(yīng)用中的表現(xiàn)，其結(jié)果與商業(yè)化光纖光譜儀基本一致（圖3A-F）。此外，團隊展示了自適應(yīng)微型光譜儀在高光譜成像中的應(yīng)用前景，為進一步發(fā)掘該微型光譜儀的CMOS工藝兼容性，將其作為高光譜相機的單個像素的應(yīng)用打下了基礎(chǔ)（圖3G-H）。

圖片:2dbc0140-9767-4a09-9476-1632f28068be.jpg

圖3. 微型光譜儀的應(yīng)用：（A）微型透射-吸收光譜測試示意圖；（B-C）對維生素B的（B）透射光譜和（C）吸收光譜重構(gòu)結(jié)果；（D）微型光致發(fā)光光譜測試示意圖；（E）羅丹明B的光致發(fā)光譜重構(gòu)結(jié)果；（F）石墨烯量子點的光致發(fā)光譜重構(gòu)結(jié)果；（G）高光譜成像演示示意圖；（H）在不同波長下重建的高光譜圖像。

由于光譜形貌的多樣性以及信號稀疏性假設(shè)，以往報道的重構(gòu)式微型光譜儀通常需要人工校準算法參數(shù)，否則待測光譜的還原結(jié)果可能會失真。該自適應(yīng)光譜儀通過集成法布里-佩羅窄帶濾波通道，引入了一組在固定波長位置上具有較低分辨率但高度準確的自參考光譜信號，實現(xiàn)了對算法重構(gòu)信號的引導(dǎo)和校正，從而在無需人工干預(yù)的情況下，依然能夠提供高分辨率且穩(wěn)定的光譜探測結(jié)果。

綜上所述，該研究為實現(xiàn)具有通用性與高魯棒性的微型重構(gòu)光譜儀提供了新的思路，有望借助成熟的CMOS集成電路工藝，推動微型光譜探測系統(tǒng)融入CIS圖像模組，從而優(yōu)先應(yīng)用于移動便攜式測量、車載機器視覺和分布式監(jiān)測系統(tǒng)等領(lǐng)域。

尤淳瑜博士為第一作者，梅永豐教授為通訊作者。該研究得到了國家重點研發(fā)計劃、國家自然科學(xué)基金、上海市科委等項目的資助和支持，部分實驗在復(fù)旦大學(xué)微納加工與器件公共實驗室開展。

相關(guān)鏈接：https://www.pnas.org/doi/10.1073/pnas.2403950121