導(dǎo)讀

近日，Nature 子刊《Nature Communications》（IF=16.6）以“Single-pixel p-graded-n junction spectrometers”為題發(fā)表了上海科技大學(xué)信息科學(xué)與技術(shù)學(xué)院陳佰樂、虞晶怡團(tuán)隊(duì)最新研究成果：提出了一種基于AlGaAs/GaAs漸變帶隙pn結(jié)探測(cè)器（p-graded-n junction photodetector，簡(jiǎn)稱pGn PD）的單像素智能微型光譜儀，并為光譜儀定制化設(shè)計(jì)了神經(jīng)光譜場(chǎng)(Neural Spectral Fields, NSF)光譜重建方法，實(shí)現(xiàn)了高光學(xué)靈敏度、高光譜準(zhǔn)確度和高光譜分辨率的單像素智能微型光譜儀。

研究背景

光譜測(cè)量是科學(xué)和工業(yè)研究中非常強(qiáng)大且廣泛使用的表征工具之一。傳統(tǒng)的光譜儀通常需要使用機(jī)械可移動(dòng)的部件，如光柵或邁克爾遜干涉實(shí)現(xiàn)分光，盡管能夠?qū)崿F(xiàn)超高的光譜分辨率和極寬的光譜范圍，但是其笨重的尺寸和重量阻礙了將它們集成到實(shí)驗(yàn)室光學(xué)系統(tǒng)、汽車電子系統(tǒng)、工業(yè)檢測(cè)設(shè)備，甚至是智能手機(jī)的可能。

研究亮點(diǎn)

III-V族半導(dǎo)體材料在過去的幾十年的發(fā)展中已經(jīng)成熟，并且在高性能光電探測(cè)器中得到了大量的應(yīng)用。然而常規(guī)的光電探測(cè)器通常只能檢測(cè)入射光強(qiáng)度，而無(wú)法判斷入射光的光譜信息。為得到光譜信息，需外置光柵或者多個(gè)光學(xué)濾波片結(jié)合單像素探測(cè)器進(jìn)行多次測(cè)量。 上海科技大學(xué)研究團(tuán)隊(duì)首次提出并制備了一種基于材料的p-graded-n單像素光電探測(cè)器完成了對(duì)入射光的光譜檢測(cè)，實(shí)現(xiàn)了光譜儀的功能。該pGn結(jié)型光譜儀通過改變pn結(jié)的工作偏壓實(shí)現(xiàn)了探測(cè)器響應(yīng)截止波長(zhǎng)動(dòng)態(tài)可調(diào)。此微型光譜儀通過了標(biāo)準(zhǔn)的III-V族半導(dǎo)體工藝制造，具有極小的面積，達(dá)到微米級(jí)別，因此具備大規(guī)模生產(chǎn)和集成的巨大潛力，并且與焦平面陣列（FPA）制備工藝兼容，未來(lái)可進(jìn)一步實(shí)現(xiàn)高光譜成像。

在測(cè)量未知光譜時(shí)，隨著偏壓的增加，漸變帶隙PN結(jié)產(chǎn)生新的耗盡區(qū)，光譜儀表現(xiàn)出更長(zhǎng)的截止波長(zhǎng)。因此，漸變帶隙PN結(jié)光譜儀具有獨(dú)特的'電壓積累'響應(yīng)矩陣：更高的電壓具有更寬的光譜響應(yīng)曲線。然而，這些曲線的重疊使得光譜重建問題變得復(fù)雜。基于L1或L2正則化的傳統(tǒng)方法需要精細(xì)的參數(shù)調(diào)整才能實(shí)現(xiàn)高分辨率的重建。

研究團(tuán)隊(duì)提出一種全新的全自動(dòng)化人工智能光譜重建方法，從測(cè)量的電流電壓曲線中提取深度特征，然后通過神經(jīng)場(chǎng)（Neural Fields, NFs）重建連續(xù)光譜。通過進(jìn)一步的細(xì)化過程，重建的光譜函數(shù)能夠符合基于物理的光譜響應(yīng)積分約束，以實(shí)現(xiàn)更高的光譜精度。該方法只需在仿真數(shù)據(jù)集上進(jìn)行訓(xùn)練，避免了傳統(tǒng)深度學(xué)習(xí)方法需要大量訓(xùn)練用實(shí)測(cè)數(shù)據(jù)的問題。通過提出的神經(jīng)光譜場(chǎng)重建方法，漸變帶隙PN結(jié)光譜儀實(shí)現(xiàn)高達(dá)0.30 nm的光譜重建精度和高達(dá)10 nm的光譜分辨率，并且光譜范圍廣泛，涵蓋從480 nm到820 nm的范圍。

圖文速覽

圖2漸變帶隙PN結(jié)光譜儀的結(jié)構(gòu)概述與電學(xué)性能

圖3漸變帶隙PN結(jié)光譜儀光譜測(cè)量流程

圖4漸變帶隙PN結(jié)光譜儀的成像結(jié)果與陣列設(shè)計(jì)

圖5漸變帶隙PN結(jié)光譜儀光譜測(cè)量結(jié)果

作者信息

上海科技大學(xué)信息科學(xué)與技術(shù)學(xué)院2020級(jí)博士生王景熠、2021級(jí)碩士生潘貝貝和2019級(jí)博士生王梓為本工作共同第一作者。上海科技大學(xué)信息科學(xué)與技術(shù)學(xué)院陳佰樂教授和虞晶怡教授為本工作共同通訊作者，上海科技大學(xué)為第一完成單位。本項(xiàng)研究器件制造得到了上海科技大學(xué)量子器件中心的支持。相關(guān)計(jì)算利用了上海科技大學(xué)圖信中心高性能計(jì)算平臺(tái)。

文章鏈接：

https://doi.org/10.1038/s41467-024-46066-5

審核編輯：劉清