光谱测量是科学和工业研究中非常强大且广泛使用的表征工具之一。传统的光谱仪通常需要使用机械可移动的部件,如光栅或迈克尔逊干涉实现分光,尽管能够实现超高的光谱分辨率和极宽的光谱范围,但是其笨重的尺寸和重量阻碍了将它们集成到实验室光学系统、汽车电子系统、工业检测设备,甚至是智能手机的可能。
微型光谱仪是光谱测量系统中的核心部件,由于体积小、便于灵活地搭建光谱系统,在科研领域应用越来越广。微型光谱仪有着具体模块化和高速采集的特点,在系统集成和现场检测的场合得到了广泛的应用。并且结合光源、光纤、测量附件,可以搭配成各种光学测量系统。
近日,Nature 子刊《Nature Communications》(IF=16.6)以“Single-pixel p-graded-n junction spectrometers”为题发表了上海科技大学信息科学与技术学院陈佰乐、虞晶怡团队最新研究成果:提出了一种基于AlGaAs/GaAs渐变带隙pn结探测器(p-graded-n junction photodetector,简称pGn PD)的单像素智能微型光谱仪,并为光谱仪定制化设计了神经光谱场(Neural Spectral Fields, NSF)光谱重建方法,实现了高光学灵敏度、高光谱准确度和高光谱分辨率的单像素智能微型光谱仪。
III-V族半导体材料在过去的几十年的发展中已经成熟,并且在高性能光电探测器中得到了大量的应用。然而常规的光电探测器通常只能检测入射光强度,而无法判断入射光的光谱信息。为得到光谱信息,需外置光栅或者多个光学滤波片结合单像素探测器进行多次测量。
上海科技大学研究团队首次提出并制备了一种基于材料的p-graded-n单像素光电探测器完成了对入射光的光谱检测,实现了光谱仪的功能。该pGn结型光谱仪通过改变pn结的工作偏压实现了探测器响应截止波长动态可调。此微型光谱仪通过了标准的III-V族半导体工艺制造,具有极小的面积,达到微米级别,因此具备大规模生产和集成的巨大潜力,并且与焦平面阵列(FPA)制备工艺兼容,未来可进一步实现高光谱成像。
在测量未知光谱时,随着偏压的增加,渐变带隙PN结产生新的耗尽区,光谱仪表现出更长的截止波长。因此,渐变带隙PN结光谱仪具有独特的'电压积累'响应矩阵:更高的电压具有更宽的光谱响应曲线。然而,这些曲线的重叠使得光谱重建问题变得复杂。基于L1或L2正则化的传统方法需要精细的参数调整才能实现高分辨率的重建。
研究团队提出一种全新的全自动化人工智能光谱重建方法,从测量的电流电压曲线中提取深度特征,然后通过神经场(Neural Fields, NFs)重建连续光谱。通过进一步的细化过程,重建的光谱函数能够符合基于物理的光谱响应积分约束,以实现更高的光谱精度。该方法只需在仿真数据集上进行训练,避免了传统深度学习方法需要大量训练用实测数据的问题。通过提出的神经光谱场重建方法,渐变带隙PN结光谱仪实现高达0.30nm的光谱重建精度和高达10nm的光谱分辨率,并且光谱范围广泛,涵盖从480nm到820nm的范围。
这一研究成果为光谱仪的小型化、智能化提供了新的思路和方法,有望推动光谱技术在更多领域的应用和发展。同时,该光谱仪的制造工艺与焦平面阵列(FPA)制备工艺兼容,为未来的高光谱成像技术奠定了基础。该智能微型光谱仪有望在环境监测、食品安全、生物医学等领域发挥重要作用,为科学研究和工业应用提供更多可能性。
(资料来源:上海科技大学)