近年來，研究人員和業內主要廠商已將研發重心轉向微型化、便攜式且低成本的光譜儀系統，使之可以在日常生活中實現現場、實時和原位光譜分析的許多新興應用。然而，受到過度簡化的光學設計和緊湊型架構的機械限制，微型光譜儀系統的實際光譜識別性能通常遠低于臺式光譜儀系統。如今，克服這些限制的一種策略便是在光子方法學中引入深度學習（DL）進行數據處理。

據麥姆斯咨詢報道，近日，美國紐約州立大學布法羅分校（University at Buffalo，the State University of New York）與沙特阿卜杜拉國王科技大學（King Abdullah University of Science & Technology）的聯合科研團隊在Nature Communications期刊上發表了以“Imaging-based intelligent spectrometer on a plasmonic rainbow chip”為主題的論文。該論文第一作者為Dylan Tua，通訊作者為甘巧強（Qiaoqiang Gan）教授。

在這項研究工作中，研究人員開發了一種緊湊型等離子體“彩虹（rainbow）”芯片，能夠實現快速、準確的雙功能傳感，其性能可在特定條件下超越傳統的便攜式光譜儀。其中的分光納米結構由一維或二維的梯度金屬光柵構成。該緊湊型等離子體光譜儀利用普通相機拍攝的單幅圖像，即可精確地獲得照明光源光譜的光譜信息和偏振信息。在經過適當訓練的深度學習算法的輔助下，研究人員僅用單幅圖像就能表征葡萄糖溶液在可見光光譜范圍內的雙峰和三峰窄帶照明下的旋光色散（ORD）特性。該微型光譜儀具有與智能手機和芯片實驗室（lab-on-a-chip）系統集成的潛力，為原位分析應用提供新的可能。

研究人員利用彩虹捕獲效應（rainbow trapping effect）來開發片上光譜儀系統。圖1展示了該研究工作所提出的片上光譜儀和一維彩虹芯片的設計原理。如圖1a所示，該光譜儀利用等離子體啁啾光柵實現分光功能。這種表面光柵幾何形狀的逐漸變化，導致了局部等離子體共振的空間調諧（即為光捕獲“彩虹”存儲）。如圖1b所示，研究人員采用聚焦離子束銑削技術，在300 nm的銀（Ag）薄膜上制備了啁啾光柵。當白光垂直入射時，通過簡單的反射顯微鏡系統（如圖1c），就可以觀察到明顯的“彩虹”色圖像，如圖1d的頂部所示，該現象源于光柵引發的等離子體共振。

圖1 片上光譜儀的等離子體啁啾光柵

根據這些空間模式圖像，可以建立共振模式與入射波長一一對應的關系，這是片上光譜儀的基礎。因此，研究人員探討了該光譜儀對任意光譜特征的空間分辨能力。通過深度學習輔助的數據處理和重建方法，研究人員利用這種分光功能可以構建用于光學集成的智能化、微型化光譜儀平臺。

具體而言，研究人員提出了基于深度學習的智能彩虹等離子體光譜儀概念，并構建了帶有等離子體啁啾光柵的光譜儀示例，如圖2所示。該光譜儀利用深度神經網絡預測了所測量的共振模式圖像中的未知入射光光譜，而無需使用傳統的線性響應函數模型。實驗中的光譜儀架構如圖2a所示。智能光譜儀主要由三部分構成：空間模式、預訓練神經網絡以及對應的波長。

圖2 基于深度學習的數據重建

光譜分辨率是評價傳統光譜儀性能的重要參數之一。因此，研究人員對該光譜儀的分辨率做了詳細測試，測試結果如圖3所示。

圖3 智能等離子體光譜儀的分辨率

以上初步測試數據表明，智能彩虹芯片光譜儀具有實現高分辨率光譜分析的潛力，其性能可與傳統臺式光譜儀相媲美。隨后，研究人員將一維光柵擴展到二維，以利用緊湊型智能等離子體光譜儀實現偏振光譜的測定，其性能超越了傳統的光學光譜儀系統。同時，研究人員展示了等離子體彩虹芯片光譜儀可以引入簡化、緊湊且智能的光譜偏振系統，具有準確且快速的光譜分析能力。圖4a為具有梯度幾何參數的二維光柵。

圖4 用于測定偏振光譜的二維啁啾光柵

接著，研究人員利用該二維偏振光譜儀芯片對旋光色散進行了簡單而智能的表征。圖5a為傳統的旋光色散系統測量由物質引起的旋光度隨入射波長的函數變化。最后，研究人員展示了將二維光柵作為光譜偏振系統，并介紹了用于葡萄糖傳感應用的示例。

圖5 更簡單、準確且智能的光譜偏振分析

綜上所述，本研究中提出了一種集成了片上彩虹捕獲效應與緊湊型光學成像系統的智能芯片級光譜儀。研究結果表明，該等離子體芯片可以在可見光光譜（470 nm - 740 nm）范圍內區分不同的照明峰值。該芯片充分利用其波長敏感結構，能夠根據照明光譜峰值顯示不同的等離子體共振模式。隨后將芯片擴展到二維結構，共振模式的復雜性增加，從而在入射光偏振方面提供更多信息。通過使用片上共振模式的空間和強度分布圖像來訓練深度學習算法，研究人員在同一系統內分別實現了光譜分析和偏振分析。

隨后，研究人員利用一種將旋光引入透射光的手性物質（即葡萄糖），證明了所提出光譜儀在旋光色散傳感方面的可行性，旋光色散是一種有助于手性物質檢測和定量的偏振特異性特征。深度學習模型的分析表明，該算法能夠基于等離子體芯片的共振模式準確預測葡萄糖引入的旋光。即使在分析多峰照明下的共振模式時，這種性能也得到了保留。這種由深度學習支持的基于圖像的光譜儀能夠通過利用納米光子平臺的單幅圖像同時進行光譜分析和偏振分析。因此，該光譜儀標志著在單一緊湊型且輕量化設計中實現了高性能的光譜偏振分析，為深度光學和光子學在醫療保健監測、食品安全傳感、環境污染檢測、藥物濫用傳感以及法醫分析等領域的應用賦能。

審核編輯：劉清