技术使手机摄像头能够转换为高分辨率显微镜

新加坡的研究人员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。新LED小于光的波长，用于制造世界上最小的全息显微镜，为手机等日常设备中的现有相机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诊断小型化和可持续农业的重要一步。

这一突破得到了研究人员开发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 - 构建小于微米的强大片上发射器，这一直是该领域的一个挑战。

大多数光子芯片中的光来自片外光源，这导致整体能效低，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的片上发射器，如稀土掺杂玻璃、硅基和异质集成的III-V族材料。虽然基于这些材料的发射器显示出有前途的器件性能，但将其制造工艺集成到标准的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可单独控制发射器的候选材料的潜力，但由于间接带隙，Si发射器的量子效率较低，并且这一基本缺点加上可用材料和制造工具的限制阻碍了CMOS中小型原生硅发射器的实现。

在最近发表的一篇名为“集成在CMOS平台中的亚波长Si LED”的Nature Communications论文中，SMART研究人员描述了他们开发的最小硅发射器，其光强度与发射面积更大的最先进的硅发射器相当。在一项相关的突破中，SMART研究人员还公布了他们构建的一种新的，未经训练的深度神经网络架构，该架构能够重建来自全息显微镜的图像，题为“同时光谱恢复和CMOS micro-LED全息与未经训练的深度神经网络”最近发表在Optica杂志上。

由SMART研究人员开发的新型LED是一种CMOS集成的室温亚波长尺度LED，具有高空间强度(102±48 mW/cm)2吨)并具有最小的发射面积(0.09±0.04μm)2吨)在科学文献中所有已知的硅发射器中。为了展示潜在的实际应用，研究人员随后将这种LED集成到一个在线的厘米级全息显微镜中，不需要透镜或针孔，这是无透镜全息领域不可或缺的一部分。

无透镜全息术中常见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设置才能进行精确重建，并且对难以控制的变量(如光学像差、噪声的存在和孪生图像问题)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异正则化以增加对比度，并考虑了源的宽频谱带宽。

与需要训练数据的传统计算重建方法不同，该神经网络通过在算法中嵌入物理模型来消除训练的需要。除了全息图像重建外，中性网络还提供从单个衍射强度模式中恢复的盲源光谱，这标志着与以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使用新型光源，而无需事先了解光源光谱或光束轮廓，例如上面描述的新颖和最小的已知硅LED，通过完全商业化，未经修改的批量CMOS微电子制造。

研究人员设想，CMOS微型LED和神经网络的这种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生物组织(如活植物)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。在线全息显微镜已被用于各种应用，包括颗粒跟踪、环境监测、生物样品成像和计量学。进一步的应用包括在CMOS中排列这些LED，以便将来为更复杂的系统生成可编程相干照明。

Optica论文的主要作者兼麻省理工学院的研究助理Iksung Kang说：“我们的突破代表了概念验证，可能对需要使用micro-LED的众多应用产生巨大影响。例如，该LED可以组合成一个阵列，以获得更大规模应用所需的更高水平的照明。此外，由于微电子CMOS工艺的低成本和可扩展性，可以在不增加系统复杂性、成本或外形尺寸的情况下完成此操作。这使我们能够相对轻松地将手机相机转换为这种类型的全息显微镜。此外，控制电子设备甚至成像仪都可以通过利用过程中可用的电子设备集成到同一个芯片中，从而创建一个一体化的微型LED，可能对该领域产生变革。

“除了在无透镜全息技术方面的巨大潜力之外，我们的新型LED还具有广泛的其他可能应用。由于其波长在生物组织的最小吸收窗口内，加上其高强度和纳米级发射区域，我们的LED可能是生物成像和生物传感应用的理想选择，包括近场显微镜和植入式CMOS设备，“SMART CAMP和DiSTAP首席研究员Rajeev Ram补充道，麻省理工学院电气工程教授，两篇论文的共同作者。“此外，可以将这种LED与片上光电探测器集成，然后它可以在片上通信，NIR接近传感和光子学的晶圆测试中找到进一步的应用。