Uma equipe de pesquisadores da Escola de Engenharia UCLA Samueli demonstrou uma nova abordagem para um antigo problema:medindo espectros de luz, também conhecido como espectroscopia. Aproveitando a escalabilidade, técnicas de nanofabricação econômicas, bem como algoritmos baseados em IA, eles construíram e testaram um sistema que é mais compacto do que espectrômetros convencionais, ao mesmo tempo que oferece vantagens adicionais de design.

A espectroscopia é uma ferramenta central para muitas aplicações nas ciências da vida, Medicina, astrofísica e outros campos. Os espectrômetros convencionais dividem a luz em suas cores constituintes para que a intensidade de cada uma possa ser medida. Isso leva a várias restrições e compensações de design:resolução espectral mais fina (com espaçamento mais estreito entre cores ou comprimentos de onda detectáveis) pode exigir o uso de hardware mais caro, aumentando a pegada física do dispositivo e potencialmente sacrificando a força do sinal. Isso pode ser problemático para aplicações que requerem alta sensibilidade, alta resolução espectral, e design de sistema compacto. Ele também apresenta outros desafios para a imagem hiperespectral, que envolve a captura de um espectro para cada pixel em uma imagem, uma técnica comumente usada para tarefas de sensoriamento remoto, como monitoramento ambiental para avaliar a saúde das colheitas ou a prevalência de gases de efeito estufa, entre outros usos.

A abordagem dos pesquisadores da UCLA, alimentado por AI, visualiza novamente o problema da espectroscopia do zero. Em vez de depender de dividir a luz em um arco-íris de comprimentos de onda constituintes, um chip nanoestruturado desconstrói espectralmente a luz usando centenas de filtros espectrais exclusivos em paralelo. Este chip usa estruturas plasmônicas como codificador espectral, que é composto por 252 blocos, cada um apresentando um padrão exclusivo em nanoescala que transmite um espectro distinto de luz. Em outras palavras, o espectro desconhecido de luz a ser medido é "codificado" na transmissão de cada uma dessas telhas plasmônicas. Este codificador nanoestruturado é fabricado por meio de um processo de litografia de impressão que pode reduzir drasticamente o custo de produção e permitir o dimensionamento para grandes volumes de produção.

A luz transmitida pelo chip codificador espectral é capturada usando um padrão, sensor de imagem barato que é usado rotineiramente em nossas câmeras de telefones celulares, produzir uma imagem que é então alimentada em uma rede neural com a tarefa de reconstruir o espectro desconhecido de luz a partir da informação da imagem codificada. Esta rede neural de reconstrução espectral mostrou produzir resultados precisos muito mais rápido do que outras abordagens de espectroscopia computacional, produzindo um resultado em menos de um trigésimo de milissegundo. Esta nova estrutura de espectrômetro alimentada por IA demonstra um caminho em torno das compensações típicas entre o custo do dispositivo, Tamanho, resolução e intensidade do sinal.

"Não estamos apenas demonstrando um dispositivo de prova de conceito aqui, "disse Aydogan Ozcan, Professor do Chanceler de Engenharia Elétrica e de Computação e Diretor Associado do California NanoSystems Institute (CNSI), cujo grupo conduziu a pesquisa. "Estamos apresentando uma estrutura inteiramente nova para o projeto de espectrômetro em escala de chip. A rede neural, os espectros de treinamento, as geometrias e materiais do nano-codificador; cada um desses componentes pode ser otimizado para diferentes aplicações ou tarefas específicas, permitindo compact, espectrômetros econômicos que produzem medições de alta qualidade para um determinado tipo de amostra ou regime espectral. "

Esta estrutura de espectrômetro on-chip habilitada para IA pode encontrar várias aplicações que vão desde o monitoramento ambiental de gases e toxinas, para diagnósticos médicos onde a informação espectral é necessária para distinguir a presença de diferentes biomarcadores. Os pesquisadores também observam que os ladrilhos plasmônicos podem ser reduzidos e tesselados (como uma grade de pixels de câmera) para realizar imagens hiperespectrais, o que pode ser importante em, por exemplo, sensoriamento remoto autônomo onde compacto, fator de forma leve é ​​essencial.

Os outros autores do trabalho foram os pesquisadores de Engenharia Elétrica e de Computação Calvin Brown, Artem Goncharov, Zachary S. Ballard e Yunzhe Qiu, alunos de graduação Mason Fordham e Ashley Clemens, e Professor Adjunto de Engenharia Elétrica e de Computação Yair Rivenson.

O estudo foi publicado na revista ACS Nano .