生物帮加州大学洛杉矶分校萨穆里理工学院的一组研究人员展示了一种解决旧问题的新方法：测量光的光谱，也称为光谱学。通过利用可扩展的，具有成本效益的纳米制造技术以及AI驱动的算法，他们构建并测试了比传统光谱仪更紧凑的系统，同时还提供了其他设计优势。
光谱学是生命科学，医学，天体物理学和其他领域中许多应用程序的中心工具。常规光谱仪将光分成其组成颜色，以便可以测量每种颜色的强度。这导致了一些限制和设计折衷：更好的光谱分辨率(在可检测的颜色或波长之间具有更紧密的间距)可能需要使用更昂贵的硬件，增加设备的物理尺寸并可能牺牲信号强度。对于需要高灵敏度，高光谱分辨率和紧凑系统设计的应用而言，这可能是个问题。它还为高光谱成像提出了进一步的挑战，它涉及捕获图像中每个像素的光谱，这是一种常用于遥感任务的技术，例如用于评估作物健康或温室气体普及程度的环境监测。
由AI支持的UCLA研究人员的方法彻底重新设想了光谱学问题。纳米结构芯片无需依赖于将光分成组成波长的彩虹，而是使用数百个并行的独特光谱滤镜对光进行光谱解构。该芯片使用等离激元结构作为光谱编码器，由252个磁贴组成，每个磁贴均具有独特的纳米级图案，可以透射不同的光谱。换句话说，待测光的未知光谱在这些等离激元瓦片的每一个的透射中被“编码”。这种纳米结构的编码器是通过压印光刻工艺制造的，可以极大地降低生产成本并实现大规模生产。
使用标准的廉价图像传感器捕获光谱编码器芯片传输的光，该图像传感器通常用于我们的移动电话相机中，生成图像，然后将其输入到神经网络中，该网络负责从编码图像中重建未知光谱的光。信息。与其他计算光谱方法相比，这种光谱重建神经网络产生的精确结果要快得多，不到三分之一的毫秒即可得出结果。这个由AI驱动的新型光谱仪框架展示了围绕设备成本，尺寸，分辨率和信号强度之间的典型权衡取舍的方法。
加州大学纳米系统研究所(CNSI)的校长电气和计算机工程学教授Aydogan Ozcan说：“我们不仅在这里演示了概念设备的证明，”他的小组进行了这项研究。“我们为芯片级光谱仪设计提供了一个全新的框架。神经网络，训练光谱，纳米编码器的几何形状和材料;这些组件中的每一个都可以针对不同的应用或特定任务进行优化，从而实现紧凑，成本低廉的设计。有效的光谱仪，可以针对给定的样品类型或光谱范围进行高质量的测量。”
这种支持AI的芯片上光谱仪框架可以找到各种应用，从气体和毒素的环境监测到需要光谱信息以区分不同生物标记物存在的医学诊断。研究人员还注意到，等离子波片可以按比例缩小和细分(例如照相机像素网格)以执行高光谱成像，这在例如紧凑，轻便的外形至关重要的自主遥感中可能非常重要。
该工作的其他作者是电气与计算机工程研究人员Calvin Brown，Artem Goncharov，Zachary S.Ballard和Yunzhe Qiu，本科生Mason Fordham和Ashley Clemens，以及电气与计算机工程兼职教授Yair Rivenson。
这项研究发表在ACS Nano杂志上。
