幾十年來，人類對物質化學成分進行成像的能力——無論是用于診斷疾病、評估食品質量還是分析污染——都依賴于被稱為光譜儀的大型昂貴實驗室儀器。這些設備的工作原理是接收光線，通過棱鏡或光柵將其展開成彩虹，并測量每種顏色的強度。問題在于展開光線需要很長的物理路徑，導致設備本身十分笨重。

《先進光子學》報道的一項來自加州大學戴維斯分校的最新研究，攻克了光譜儀小型化的難題，致力于將實驗室級光譜儀縮小至沙粒尺寸，使其成為可集成到便攜設備中的微型片上光譜儀。該研究摒棄了傳統的空間展光方法，轉而采用重構式技術。

新型芯片不再物理分離各種顏色，而是僅使用16個獨特的硅探測器，每個探測器都被設計成對入射光產生略微不同的響應。這就像給少量專用傳感器一杯混合飲品，每個傳感器能品鑒出飲品的不同特性。而破解原始配方奧秘的關鍵在于第二項創新：人工智能。

該技術的核心突破在于兩方面。首先，研究團隊通過特殊的光子捕獲表面結構對標準硅光電二極管表面進行改造。硅材料通常能有效感知可見光，但在感知近紅外光(波長最高1100納米)方面表現很差，而近紅外光對生物醫學成像等眾多應用至關重要，因其比可見光更能深入穿透人體組織。光子捕獲表面結構如同精心設計的紋理，能迫使近紅外光子在薄硅層內散射而非直接穿透，這大幅提高了硅材料吸收光線的概率，使整個芯片具備寬光譜范圍的感知能力。

除了基礎的色彩檢測，該架構還采用高速傳感器，實現了測量光子壽命的固有超快能力。這種時間精度使設備能捕捉傳統儀器無法察覺的瞬態光-物質相互作用。

其次，該芯片搭載了強大的全連接神經網絡。由于16個獨特探測器僅捕獲編碼后的含噪信號，人工智能通過數千個樣本訓練，學習探測器原始輸出與純凈原始光譜之間復雜隱晦的關聯。人工智能通過求解這一"逆問題"，以高精度(約8納米分辨率)重建光譜。這種計算方法徹底擺脫了對笨重光學元件的依賴。

最終形成的系統占地面積極小(0.4平方毫米)，兼具高靈敏度和強抗噪能力。即使在嚴重電干擾環境下，這種增強型人工智能芯片仍能保持信號清晰度——這是便攜式低成本電子設備面臨的主要挑戰。

該技術通過將硅的感知范圍擴展至關鍵的近紅外光譜，并借助機器學習實現高性能，為從先進醫療診斷到環境遙感等領域的真正集成化實時高光譜傳感開辟了道路。

審核編輯 黃宇