东方时讯网新加坡的研究人员开发出世界上最小的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。该技术还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——构建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，并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，这一基本缺点加上可用材料和制造工具的限制阻碍了在CMOS中实现小型原生Si发射极。
在最近发表的一篇题为“集成在CMOS平台中的亚波长SiLED”的NatureCommunications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发射器相媲美具有更大的发射区域。在一项相关的突破中，SMART研究人员最近在题为“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，在室温下具有高空间强度(102±48mW/cm2)，并且在所有已知Si中具有最小的发射面积(0.09±0.04μm2)科学文献中的发射器。为了展示潜在的实际应用，研究人员随后将这种LED集成到不需要透镜或针孔的在线、厘米级全硅全息显微镜中，成为无透镜全息术领域不可或缺的一部分。
使用LED、全息显微镜和神经网络重建图像过程的图示。图片来源：新加坡-麻省理工学院研究与技术联盟(SMART)
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SiLED，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。
Optica的主要作者IksungKang麻省理工学院的论文和研究助理在进行这项研究时说：“我们的突破代表了一个概念证明，它可能对需要使用微型LED的众多应用产生巨大影响。例如，这种LED可以组合成一个阵列用于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，这可以在不增加系统的复杂性、成本或外形尺寸的情况下完成。这使我们能够转换，相对容易的是，手机相机变成了这种类型的全息显微镜。此外，控制电子设备甚至成像器都可以通过利用过程中可用的电子设备集成到同一芯片中，从而创建一个一体式微型LED这可能对该领域具有变革性。“
“除了在无透镜全息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，再加上其高强度和纳米级发射区域，我们的LED可以用于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，”SMARTCAMP和DiSTAP的首席研究员、麻省理工学院电气工程教授、两篇论文的合著者RajeevRam补充道。“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接近感应和光子学晶圆测试中找到更多应用。”