SMART研究人员创造了世界上最小的LED和全息显微镜
来自新加坡-麻省理工学院研究与技术联盟的 颠覆性和可持续农业精准技术 (DiSTAP) 和 制造个性化医疗关键分析 (CAMP) 跨学科研究小组 (IRG) 的研究人员 麻省理工学院在新加坡的研究企业 (SMART) 开发了世界上最小的 LED(发光二极管)，可以将现有的手机摄像头转换为高分辨率显微镜。这种比光的波长还小的新型 LED 被用于构建世界上最小的全息显微镜，为手机等日常设备中的现有摄像头仅通过修改硅芯片和软件即可转换为显微镜铺平了道路。这项技术也代表了室内农民和可持续农业诊断小型化的重要一步。
这一突破得到了研究人员开发的革命性神经网络算法的补充，该算法能够重建全息显微镜测量的物体，从而能够增强对细胞和细菌等微观物体的检查，而无需笨重的传统显微镜或额外的光学器件。这项研究还为光子学的重大进步铺平了道路——建造一个小于微米的强大片上发射器，这长期以来一直是该领域的一个挑战。
大多数光子芯片中的光都来自芯片外源，这导致整体能源效率低下，从根本上限制了这些芯片的可扩展性。为了解决这个问题，研究人员开发了使用各种材料(例如稀土掺杂玻璃、Ge-on-Si 和异质集成 III-V 材料)的片上发射器。虽然基于这些材料的发射器已显示出有前途的器件性能，但将其制造工艺集成到标准互补金属氧化物半导体 (CMOS) 平台中仍然具有挑战性。虽然硅 (Si) 已显示出作为纳米级和独立可控发射器候选材料的潜力，但由于间接带隙，Si 发射器的量子效率较低，
在最近发表的一篇 题为“ A sub-wavelength Si LED integrated in a CMOS platform ”的Nature Communications论文中，SMART 研究人员描述了他们开发的最小报道的 Si 发射器，其光强度可与最先进的 Si 相媲美具有更大发射面积的发射器。在一项相关突破中，SMART 研究人员还在题为“使用未经训练的深度神经网络进行同步光谱恢复和 CMOS 微型 LED 全息术”的论文中公布了他们构建的一种新颖的、未经训练的深度神经网络架构，该架构能够从全息显微镜重建图像。最近发表在《光学》杂志上 。
SMART 研究人员开发的新型 LED 是一种 CMOS 集成亚波长级 LED，在室温下表现出高空间强度(102 ± 48 mW/cm2)，并且在所有已知的 Si 发射器中具有最小的发射面积(0.09 ± 0.04 μm2)科学文献。为了展示潜在的实际应用，研究人员随后将这种 LED 集成到一个不需要透镜或针孔的在线、厘米级全硅全息显微镜中，这是一个被称为无透镜全息术的领域的组成部分。
无透镜全息术中一个普遍面临的障碍是成像对象的计算重建。传统的重建方法需要详细了解实验装置才能进行精确重建，并且对光学像差、噪声的存在和孪生图像问题等难以控制的变量敏感。
研究团队还开发了一种深度神经网络架构，以提高图像重建的质量。这种新颖的、未经训练的深度神经网络结合了全变正则化以增加对比度，并考虑了光源的宽光谱带宽。与需要训练数据的传统计算重建方法不同，这种神经网络通过在算法中嵌入物理模型来消除训练的需要。除了全息图像重建，中性网络还提供从单一衍射强度模式恢复盲源光谱，这标志着与之前所有监督学习技术的突破性背离。
本研究中展示的未经训练的神经网络允许研究人员在事先不了解光源光谱或光束轮廓的情况下使用新型光源，例如上述新型和最小的已知 Si LED，它是通过完全商业化的、未修改的块状 CMOS 微电子技术制造的。
研究人员设想，这种 CMOS 微型 LED 和神经网络的协同组合可用于其他计算成像应用，例如用于活细胞跟踪的紧凑型显微镜或活植物等生物组织的光谱成像。这项工作还证明了下一代片上成像系统的可行性。在线全息显微镜已经用于各种应用，包括粒子跟踪、环境监测、生物样本成像和计量学。进一步的应用包括在 CMOS 中排列这些 LED，以便为未来更复杂的系统生成可编程的相干照明。
版权声明：本文由用户上传，如有侵权请联系删除！