Nat. Commun.：“彩虹”智能芯片光谱仪

撰稿|由课题组供稿

近日，沙特阿卜杜拉国王科技大学（KAUST）Sustainability & Photonics Energy Research团队与纽约州立大学布法罗分校研究人员设计制备了一种基于等离子体“彩虹”芯片的双功能智能光谱仪（图1），在特定条件下可以超越传统的便携式光谱仪系统。该等离子体“彩虹”芯片由在金属薄膜上制备的一维或二维渐变光栅组成。通过使用普通相机拍摄的单幅图像和深度神经网络，这种基于图像的小型化系统可以精确地确定照明光源的光谱和偏振信息。

图1 用于智能片上光谱仪的plasmonic chirped grating示意图

研究成果以“Imaging-based intelligent spectrometer on a plasmonic “rainbow” chip”为题发表在《自然通讯》Nature Communications期刊上。纽约州立大学布法罗分校博士研究生Dylan Tua, Ruiying Liu, 沙特阿卜杜拉国王科技大学博士后Wenhong Yang为共同第一作者，通讯作者是沙特阿卜杜拉国王科技大学甘巧强教授和纽约州立大学布法罗分校Leslie Ying教授（AI数据分析）。

光谱分析是基础研究和工业过程中使用最广泛的技术之一。然而，台式光谱系统通常体积庞大、价格昂贵，主要用于实验室和工业光谱分析。近年来，研究人员已将重点转向开发小型化、便携式和廉价的光谱仪系统，从而可以现场、实时和原位光谱分析等许多新兴应用。然而，由于过度简化的光学设计和小型化结构的机械限制，小型光谱仪系统的实际光谱识别性能通常远低于台式光谱仪系统。解决这些限制的一种策略是在光谱学的数据处理步骤中使用Deep Learning （DL）。DL为现代技术小型化提供了很大的潜力。然而，在之前一些开创性的工作中，DL算法通常仅限于单一功能。这是由于可用于训练和测试这些模型的数据被光学系统收集到数据所包含的信息所限制。具有多维特征的物理数据是实现更强大基于DL系统的关键。因此，对物理层（即光学系统和等离子体/超构表面纳米结构）进行工程设计，从而为 DL算法提供更多可区分的训练和测试数据已成为为未来人工智能（AI）传感系统创造新应用的新兴主题。

在该工作中，研究人员采用 “rainbow trapping effect” 开发了智能片上光谱仪系统。图2a 展示了所设计的1D彩虹芯片，该光栅的几何参数沿着宽度方向逐渐变化，从而实现了对局部等离子体共振的空间调控。如图1b所示，研究人员利用FIB微纳加工技术在Ag薄膜上制作出周期从244 nm至764 nm变化（间隔10 nm）的光栅阵列。在白光照射下，由于等离子体共振，在显微镜下可以观察到明显的“彩虹”彩色图像（图2c中的上图）。通过引入窄带入射光（图2d），可以从它们的空间模式（图2c 中的下图）中区分这些不同的波长。基于这些空间模式图像，该论文采用基于 DL 的方法，通过使用深度神经网络进而从测量的共振模式图像中预测出未知的入射光谱。实验系统的架构如图2e所示。研究团队将具有任意强度的2个或3个任意波长组合为入射光来照亮光栅，共获得了500个具有不同波峰和强度的光谱及其相应共振模式的图像。图 1f 和 1g 分别为460 nm + 635 nm和470 nm + 595 nm + 770 nm的峰值波长重建结果（使用训练过程中未包含的两组测试数据）。蓝色实线是重建的光谱，与实际光谱非常吻合。相比之下，传统方法重建出的光谱在460 nm和470 nm附近出现了明显偏差。

图2 (a) 等离子体“rainbow”芯片示意图。(b) 光栅的 SEM 图像。 (c) “彩虹”颜色图案（上图）和窄带照明等离子体共振的空间图像（下图）。(d) 图c中相应中心波长的光谱。 (e) DL网络的架构。对于(f) 双峰和(g) 三峰波长组合的情况，DL重建光谱（蓝色实线）、传统方法计算光谱（绿色虚线）和传统光谱仪测量的标准光谱比较（红色虚线）。

该论文进一步展示了由二维光栅组成的智能光谱偏振系统。通过捕捉反射图像，可以看到一个明显的“十字”条图案，其中两条臂代表了两种偏振状态（图3b）。在使用不同组合的LED 灯进行DL训练后，实现了智能偏振光谱仪的应用。图3c和3d展示了峰值波长分别为490 nm、595 nm和635 nm的两种不同偏振光重建的光谱（训练过程中未包含的两组测试数据），重建的光谱与测量的光谱非常吻合。最后，研究团队使用旋光色散 (optical rotatory dispersion -ORD) 的智能表征，展示了该 2D 光谱仪芯片用于葡萄糖传感的应用（图 3e）。为了使光谱峰尽可能被区分，双峰照明选择了 525 nm 和 660 nm，三峰照明选择了470 nm、595 nm 和740 nm。图3f 显示了在这两种情况下芯片的图像。图3g和图3h分别绘制了 DL 模型对 2%、10% 和 30% 葡萄糖水溶液的双峰和三峰预测。重建偏振角的偏差范围为 0.07˚ 至 0.45˚。为了直接比较，研究团队绘制了代表 ORD 实验测量值的实线 (2%-30%) 和虚线 (0%) 曲线。可以看到，对两种光照条件所做的预测与其各自的 ORD 曲线吻合得很好，表明 DL 算法能够准确预测每种葡萄糖溶液引入的旋光度。

图 3 (a) 2D光栅样品的SEM 图像，周期沿两个方向变化。(b)光栅在490 nm、595 nm、635 nm 和 660 nm 光照射下的反射图像。(c)垂直偏振光和(d)水平偏振光的重建光谱,峰值波长分别为490 nm、595 nm 和635 nm。(e)基于图像的分级光栅系统。(f)在双峰（顶行）和三峰（底行）照明下产生的暗条图案。(g)-(h)旋光度预测。

研究团队证明了一种基于图像的片上智能光谱仪，通过使用 DL 算法训练1D和2D光栅在不同入射光的光谱峰值和偏振态下观察到的不同共振图案。从而可以在对片上共振模式图案的简单观察中重建出有关照明光谱的信息。同时，通过在偏振状态下使用共振模式图像训练算法实现了偏振分析。此外，不同浓度的葡萄糖溶液引入ORD的DL预测表明所提出的系统能够准确检测和定量手性物质。所提出的基于图像的光谱仪标志着在单一紧凑轻型设计中实现了高性能光谱偏振分析，使其在医疗保健监测、药物滥用传感中具有很大的应用潜力。

https://doi.org/10.1038/s41467-023-37628-0