加州大学戴维斯分校（UC Davis）的研究人员开发了一种基于人工智能的光谱仪芯片，体积接近沙粒大小。该芯片利用16个独特的硅探测器和神经网络，能够在没有传统棱镜或光栅等光学组件的情况下完成光谱分析，分辨率达到约8nm。
传统光谱仪器通过棱镜或光栅将光分散成不同波长，然后逐个测量光强。这一过程需要光在仪器内传播较长距离，因此设备通常体积庞大，难以小型化。新芯片改变了这一范式。
新型光谱仪芯片没有直接分离颜色，而是采用16个经过特殊设计的硅探测器。每个探测器对入射光的响应略有不同，它们共同收集包含光谱信息的“编码”信号。研究人员将这种机制类比为一组专门品鉴师，每个人只采样复杂混合物的一部分，但合起来就能还原全貌。
AI重建光谱
芯片的第二个关键组件是一个全连接神经网络。该网络经过数千个样本的训练，学习了探测器信号与实际光谱之间的复杂映射关系。由于探测器信号存在噪声且高度编码，AI必须解决这种“逆问题”——从混叠的信号中还原出原始光谱。最终系统成功以约8nm的分辨率重现了光谱数据，完全省去了传统光学分光硬件。
近红外探测能力的提升
该研究的另一项重要突破是对标准硅光电二极管的表面进行了改性。研究人员在硅表面制作了特殊的光子捕获表面纹理（Photon-Trapping Surface Textures, PTST），使原本对可见光敏感、但对近红外光（波长可达1100nm）探测效率低的硅材料，能够有效捕获并响应近红外光。近红外光在生物医学成像等应用中尤为重要，因为它比可见光更深入穿透人体组织。
通过PTST技术，这款芯片不仅继承了硅材料在可见光波段的优良性能，还显著扩展了其在近红外波段的工作能力，使微型光谱仪在医疗诊断等对近红外有需求的场景中具备了实际可用性。
据研究团队介绍，该成果展示了结合先进探测器设计与人工智能来颠覆传统光学设备小型化难题的路径。相关论文已在SPIE期刊上发表。
本文参考来源：Science Daily
微信扫描下方的二维码阅读本文
