前沿：清华大学方璐教授课题组 Nature | 集成铌酸锂光子学亚埃米级快照光谱成像

文章来源：化学与材料科学

光谱记录着光在不同波长下的强度变化，揭示了物质与光的相互作用是解析成分、结构与特性的“光学密钥”。然而，传统光谱测量受限于分光采集与固化结构，光谱分辨率与成像通量之间长期存在固有矛盾，成为光谱成像领域久未破解的科学难题。

“玉衡”光谱成像芯片概念图

据此，清华大学信息国家研究中心光电智能技术交叉创新群体、电子工程系方璐教授课题组另辟蹊径，首创了可重构计算光学成像架构研制了高分辨光谱成像芯片“玉衡”，实现了亚埃米级光谱分辨率千万像素级空间分辨率的快照光谱成像。

以光为钥

破译自然的语言

方璐教授团队提出的可重构计算光学成像架构，将物理分光限制转化为光子调制与重建过程，挖掘随机干涉掩膜与铌酸锂材料的电光重构特性，实现了高维光谱调制与高通量解调的协同计算。由此研制出亚埃米级高分辨光谱成像芯片 -“玉衡”，无需在波长维度牺牲通量，每个像素均可获取完整光谱信息，快照光谱成像的分辨能力（R=12,000）提升两个数量级，突破了光谱分辨率与成像通量无法兼得的长期瓶颈。

可重构计算光学成像架构

方寸之间 

解开宇宙与生命的光谱密码

“玉衡”的诞生是人工智能与物理光学、集成光子学、材料科学的交叉融合，与传统体型庞大、采集缓慢的高分辨光谱装置不同，“玉衡”芯片仅约2厘米×2厘米×0.5厘米，在400-1000纳米的宽光谱范围内，实现了亚埃米级光谱分辨率，千万像素级空间分辨率，并具备88Hz的快照光谱成像能力。“玉衡”攻克了光谱成像系统的分辨率、效率与集成度难题，可广泛应用于机器智能、机载遥感、天文观测等领域，课题组在论文中进行了详细的光谱巡天实验验证，指出“玉衡”芯片具备应用于光谱巡天，并大幅度提升天文观测效率的能力，凭借微型化设计，它还可搭载于卫星，有望绘制出前所未见的宇宙光谱图景。课题组正基于原理样片，加速工程化样机与系统级优化，“玉衡”将在10.4米口径加那利大型望远镜（GTC）上进行测试应用，有望为暗物质、黑洞等基础物理前沿研究提供新视野。

2025年5月方璐（右三）团队访问加那利大型望远镜

衡之名

以光校衡天地

《尚书·舜典》有言，“在璿玑玉衡，以齐七政”，古人以“玉衡”校定日月星辰的运行秩序，而今，科学家以同名之芯，校衡光的频谱与宇宙的奥秘。未来，随着高分辨光谱获取范式的持续变革，期待以“玉衡”为代表的计算光谱成像技术，以更小的体积，更高的分辨力，更广的应用边界，为材料科学、地球科学、天文科学开拓新的光谱天地。

图文介绍

图1a核心架构：一块可由电压调控光谱响应的随机结构铌酸锂薄膜，直接集成在CMOS传感器上。图1b RAFAEL同时实现了超高透射率（>70%）和亚埃级分辨率，远超现有技术。图1c和1d分别展示了其在动态场景识别和大规模天文光谱普查中的强大应用。RAFAEL能单次快照捕捉数千颗恒星的光谱。

图1. RAFAEL 的概念与通用应用 

图2a和2b展示了其核心：空间随机铌酸锂薄膜。由于每个像素对应的薄膜厚度随机且独特，光通过时会产生独一无二的光谱干涉编码；施加电压还能改变这种编码，为解码提供更多信息。图2c和2d则直观对比了RAFAEL与传统光谱仪的优势。它不像NFSSI那样因滤光而损失大量光线和分辨率，也不像BMSSI那样因编码的周期性而限制光谱分辨率。随机编码方式更符合压缩感知理论，是实现高分辨率重建的关键。

图2. RAFAEL 的结构与物理特性 

介绍了将硬件采集的压缩数据还原为高维光谱图像的强大算法（PSAIR）。图3a展示了算法流程，融合了光学物理模型与人工智能（如Transformer），实现了从测量、恢复到重建的全过程。图3b揭示了分辨率的提升路径：空间随机结构将分辨率提升了两个数量级，而电压可重构性则最终使其突破到亚埃级。图3c和3d证明了该算法的高效性（可达88 fps）和重建结果的卓越质量。图3e通过对高速旋转风车的动态实验，验证了整个系统在真实场景下的高性能表现。

图3. 基于物理状态自适应智能重建的时空谱成像 

图4a, 4b, 4c通过分辨汞灯的精细原子光谱，实验性地证明了其亚埃级的分辨率和皮米级的精度。图4d在材料识别实验中，以短得多的曝光时间获得了远比商业光谱仪更明亮、更清晰的图像，并能轻松区分颜色相近的真假树叶。图4e和4f是其在天文学上的展示，成功获取了天琴座中大量恒星的光谱，对织女星的光谱分析结果与专业天文数据吻合度高达99%以上，验证了其精度和可靠性。

图4. 原子光谱、材料识别与天文观测实验 

综上，RAFAEL作为一种颠覆性的高透射率、小型化快照光谱成像技术，成功突破了现有光谱成像仪在分辨率、透射率与效率之间的限制。通过结合可重构铌酸锂集成光子学与先进计算成像方法，RAFAEL实现了可见光至近红外波段0.5埃的光谱分辨率、73.2%的总透射率与每秒超过120亿像素的数据吞吐能力。实验结果表明，RAFAEL在材料识别、植物健康监测、自动驾驶、原子光谱与天文观测等领域具有广泛应用潜力。该技术为解决高灵敏度深空光谱成像与瞬态现象捕捉提供了全新路径，有望推动从材料科学到天体物理等领域的前沿研究。RAFAEL的全新架构为未来多功能、高性能光学系统的设计开辟了新方向。

作者简介

向上滑动阅览

方璐，清华大学电子工程系教授、博士生导师；2003年，她以优异的成绩考入国内顶尖学府中国科技大学；2007年-2011年她获得香港科技大学电子与计算机工程学系博士学位；2012年，她先后在香港科技大学和新加坡科技与设计大学进行博士后的研究工作。此期间，还曾在美国西北大学，做了半年的访问学者；2012年11月被母校中国科学技术大学聘为电子工程与信息科学系副教授、博士生导师，后去清华任职。发表Science 1篇、Nature 3篇、Nature Photonics等N/S子刊15篇。主持科技部2030新一代人工智能重大项目、基金委杰青项目等。曾获何梁何利基金科学与技术创新奖、中国青年科技奖、科学探索奖、北京市技术发明一等奖。成果入选2024年度中国科学十大进展，多次入选中国光学十大进展、中国半导体十大研究进展。

原文链接

https://www.nature.com/articles/s41586-025-09591-x