光谱测量是科学和工业研究中非常强大且广泛使用的表征工具之一。传统光谱仪通常需要使用机械可移动的部件，虽然能实现超高的光谱分辨率和极宽的光谱范围，但其笨重的尺寸和重量阻碍了将其集成到实验室光学系统、汽车电子系统、工业检测设备，甚至是智能手机的可能。
近日，上海科技大学信息科学与技术学院陈佰乐、虞晶怡课题组联合提出了一种基于AlGaAs/GaAs渐变带隙PN结探测器（p-graded-n junction photodetector，简称pGn PD）的单像素智能微型光谱仪，并为光谱仪定制化设计了神经光谱场(Neural Spectral Fields, NSF)光谱重建方法，实现了高光学灵敏度、高光谱准确度和高光谱分辨率的单像素智能微型光谱仪。该成果发表在《自然·通讯》（Nature Communications）上。
图1 智能微型光谱仪
常规的光电探测器通常只能检测入射光强度，无法判断入射光的光谱信息。为得到光谱信息，需外置光栅或者多个光学滤波片结合单像素探测器进行多次测量。研究人员首次提出并制备了一种基于材料的渐变带隙PN结单像素光电探测器完成了对入射光的光谱检测，实现了光谱仪的功能。该pGn结型光谱仪通过改变PN结的工作偏压实现了探测器响应截止波长动态可调。此微型光谱仪由标准的III-V族半导体工艺制造，达到微米级别，具备了大规模生产和集成的巨大潜力，且与焦平面阵列（FPA）制备工艺兼容，未来可进一步实现高光谱成像。
图2 渐变带隙PN结光谱仪的结构概述与电学性能
图3 渐变带隙PN结光谱仪的成像结果与阵列设计
渐变带隙PN结光谱仪具有独特的“电压积累”响应矩阵。更高的电压具有更宽的光谱响应曲线，使得光谱重建问题变得复杂。基于L1或L2正则化的传统方法需要精细的参数调整才能实现高分辨率的重建。研究团队提出一种全新的全自动化人工智能光谱重建方法，从测量的电流电压曲线中提取深度特征，然后通过神经场（Neural Fields, NFs）重建连续光谱。通过进一步的细化过程，重建的光谱函数能够符合基于物理的光谱响应积分约束，实现更高的光谱精度。该方法只需在仿真数据集上进行训练，避免了传统深度学习方法需要大量训练用实测数据的问题。通过这一神经光谱场重建方法，渐变带隙PN结光谱仪实现高达0.30 nm的光谱重建精度和高达10 nm的光谱分辨率，且光谱范围广泛，涵盖从480 nm到820 nm的范围。
图4 渐变带隙PN结光谱仪光谱测量流程及其结果
上海科技大学信息科学与技术学院2020级博士生王景熠、2021级硕士生潘贝贝和2019级博士生王梓为本工作共同第一作者。上海科技大学信息科学与技术学院陈佰乐教授和虞晶怡教授为共同通讯作者，上海科技大学为第一完成单位。本项研究器件制造得到了上海科技大学量子器件中心的支持。相关计算利用了上海科技大学图信中心高性能计算平台。
论文标题：Single-pixel p-graded-n junction spectrometers
沪公网安备 31011502006855号