近年来，研究人员和业内主要厂商已将研发重心转向微型化、便携式且低成本的光谱仪系统，使之可以在日常生活中实现现场、实时和原位光谱分析的许多新兴应用。然而，受到过度简化的光学设计和紧凑型架构的机械限制，微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。如今，克服这些限制的一种策略便是在光子方法学中引入深度学习（DL）进行数据处理。
据麦姆斯咨询报道，近日，美国纽约州立大学布法罗分校（University at Buffalo，the State University of New York）与沙特阿卜杜拉国王科技大学（King Abdullah University of Science & Technology）的联合科研团队在Nature Communications期刊上发表了以“Imaging-based intelligent spectrometer on a plasmonic rainbow chip”为主题的论文。该论文第一作者为Dylan Tua，通讯作者为甘巧强（Qiaoqiang Gan）教授。
在这项研究工作中，研究人员开发了一种紧凑型等离子体“彩虹（rainbow）”芯片，能够实现快速、准确的双功能传感，其性能可在特定条件下超越传统的便携式光谱仪。其中的分光纳米结构由一维或二维的梯度金属光栅构成。该紧凑型等离子体光谱仪利用普通相机拍摄的单幅图像，即可精确地获得照明光源光谱的光谱信息和偏振信息。在经过适当训练的深度学习算法的辅助下，研究人员仅用单幅图像就能表征葡萄糖溶液在可见光光谱范围内的双峰和三峰窄带照明下的旋光色散（ORD）特性。该微型光谱仪具有与智能手机和芯片实验室（lab-on-a-chip）系统集成的潜力，为原位分析应用提供新的可能。
研究人员利用彩虹捕获效应（rainbow trapping effect）来开发片上光谱仪系统。图1展示了该研究工作所提出的片上光谱仪和一维彩虹芯片的设计原理。如图1a所示，该光谱仪利用等离子体啁啾光栅实现分光功能。这种表面光栅几何形状的逐渐变化，导致了局部等离子体共振的空间调谐（即为光捕获“彩虹”存储）。如图1b所示，研究人员采用聚焦离子束铣削技术，在300 nm的银（Ag）薄膜上制备了啁啾光栅。当白光垂直入射时，通过简单的反射显微镜系统（如图1c），就可以观察到明显的“彩虹”色图像，如图1d的顶部所示，该现象源于光栅引发的等离子体共振。
图1 片上光谱仪的等离子体啁啾光栅
根据这些空间模式图像，可以建立共振模式与入射波长一一对应的关系，这是片上光谱仪的基础。因此，研究人员探讨了该光谱仪对任意光谱特征的空间分辨能力。通过深度学习辅助的数据处理和重建方法，研究人员利用这种分光功能可以构建用于光学集成的智能化、微型化光谱仪平台。
具体而言，研究人员提出了基于深度学习的智能彩虹等离子体光谱仪概念，并构建了带有等离子体啁啾光栅的光谱仪示例，如图2所示。该光谱仪利用深度神经网络预测了所测量的共振模式图像中的未知入射光光谱，而无需使用传统的线性响应函数模型。实验中的光谱仪架构如图2a所示。智能光谱仪主要由三部分构成：空间模式、预训练神经网络以及对应的波长。
图2 基于深度学习的数据重建
光谱分辨率是评价传统光谱仪性能的重要参数之一。因此，研究人员对该光谱仪的分辨率做了详细测试，测试结果如图3所示。
图3 智能等离子体光谱仪的分辨率
以上初步测试数据表明，智能彩虹芯片光谱仪具有实现高分辨率光谱分析的潜力，其性能可与传统台式光谱仪相媲美。随后，研究人员将一维光栅扩展到二维，以利用紧凑型智能等离子体光谱仪实现偏振光谱的测定，其性能超越了传统的光学光谱仪系统。同时，研究人员展示了等离子体彩虹芯片光谱仪可以引入简化、紧凑且智能的光谱偏振系统，具有准确且快速的光谱分析能力。图4a为具有梯度几何参数的二维光栅。
图4 用于测定偏振光谱的二维啁啾光栅
接着，研究人员利用该二维偏振光谱仪芯片对旋光色散进行了简单而智能的表征。图5a为传统的旋光色散系统测量由物质引起的旋光度随入射波长的函数变化。最后，研究人员展示了将二维光栅作为光谱偏振系统，并介绍了用于葡萄糖传感应用的示例。
图5 更简单、准确且智能的光谱偏振分析
综上所述，本研究中提出了一种集成了片上彩虹捕获效应与紧凑型光学成像系统的智能芯片级光谱仪。研究结果表明，该等离子体芯片可以在可见光光谱（470 nm - 740 nm）范围内区分不同的照明峰值。该芯片充分利用其波长敏感结构，能够根据照明光谱峰值显示不同的等离子体共振模式。随后将芯片扩展到二维结构，共振模式的复杂性增加，从而在入射光偏振方面提供更多信息。通过使用片上共振模式的空间和强度分布图像来训练深度学习算法，研究人员在同一系统内分别实现了光谱分析和偏振分析。
随后，研究人员利用一种将旋光引入透射光的手性物质（即葡萄糖），证明了所提出光谱仪在旋光色散传感方面的可行性，旋光色散是一种有助于手性物质检测和定量的偏振特异性特征。深度学习模型的分析表明，该算法能够基于等离子体芯片的共振模式准确预测葡萄糖引入的旋光。即使在分析多峰照明下的共振模式时，这种性能也得到了保留。这种由深度学习支持的基于图像的光谱仪能够通过利用纳米光子平台的单幅图像同时进行光谱分析和偏振分析。因此，该光谱仪标志着在单一紧凑型且轻量化设计中实现了高性能的光谱偏振分析，为深度光学和光子学在医疗保健监测、食品安全传感、环境污染检测、药物滥用传感以及法医分析等领域的应用赋能。
这项研究获得了沙特阿卜杜拉国王科技大学物理科学与工程部的科研基金（BAS/1/1415-01-01）和NTGC-AI项目（REI/1/5232-01-01）的资助和支持。
论文链接：
https://www.nature.com/articles/s41467-023-37628-0
