光の波長検出は科学研究や産業応用において極めて重要な役割を果たしており、光分光計は不可欠な分析ツールです。今日、従来の大型分光計は、ますます高度化するスペクトル検出技術の要求を満たすことができなくなっています。小型化は分光計の開発において不可欠な道となっており、マシンビジョン、環境モニタリング、医療診断など、様々な分野で大きな応用の可能性を秘めています。

分光計の小型化には様々な技術的アプローチがありますが、近年、人工知能アルゴリズムを活用した計算再構成型分光計が大きな注目を集めています。これらの分光計は、高速コンピューティングを活用して物理的な分光素子の負荷の一部を代替することで、装置のサイズと重量をさらに削減します。

しかし、スペクトル形態の多様性と信号スパース性の仮定のため、これまで報告されている再構成型マイクロ分光計では、アルゴリズムパラメータの手動校正が一般的に必要であり、そうしないと再構成スペクトルが歪む可能性があります。さらに、このようなスペクトルを集積回路技術を用いて直接量産できるかどうかは、まだ検証されていません。

こうした背景の中、復旦大学材料科学部および国際知能ナノロボット・ナノシステム研究所の梅永鋒教授の研究グループは、「自己参照型集積ファブリ・ペロー共振器を備えたCMOS互換再構成分光計」と題する研究論文を米国科学アカデミー紀要（Proceedings of the National Academy of Sciences of the United States of America）に掲載しました。この論文は、同号の表紙記事にも選ばれました。

メイ・ヨンフェン教授の研究グループの小型分光計に関する研究が、米国科学アカデミー紀要の表紙に選ばれました。

研究チームは、従来の分光計と計算再構成分光計の利点を組み合わせた、革新的な小型再構成分光計設計を提案しました。内蔵の自己参照型狭帯域フィルタチャネルにより、人工知能アルゴリズムは高次元パラメータ空間においてスペクトルとアルゴリズムパラメータを同時に探索することが可能になります。さらに、この分光計は成熟した集積回路技術を用いてウエハレベルで製造可能であり、ミリメートルスケールのサイズを実現しているため、ほとんどの小型スペクトル試験のニーズを満たすことができます。

研究のハイライト:

• 本研究では、可視光スペクトル（400～800 nm）全体にわたって高精度なスペクトル再構成能力を発揮する、新たな小型再構成分光計の設計を提案します。この分光計は、約2.5 nmの分解能、平均波長偏差約0.27 nm、そして最大5,806*の分解能を実現します。本研究は、汎用性と堅牢性を兼ね備えた小型再構成分光計の実現に向けた新たなアプローチを提供するものであり、成熟したCMOS集積回路技術を活用することで、小型分光検出システムをCISイメージングモジュールに統合することが期待されます。
• この分光計は市販の光ファイバー分光計に近い性能を誇りますが、コストとサイズは大幅に削減されています。

論文の宛先:
https://www.pnas.org/doi/10.1073/pnas.2403950121

オープンソース プロジェクト「awesome-ai4s」は、100 を超える AI4S 論文の解釈をまとめ、膨大なデータセットとツールを提供します。

https://github.com/hyperai/awesome-ai4s

データセット: 異なるデータセットに異なるスペクトル導出法を適用する

研究者らは、小型分光計から得られた電流データを狭帯域チャネル電流と全チャネル電流の 2 つのデータセットに分割し、各データセットに異なるスペクトル導出法を適用しました。

ナローバンドデータセット

これには、発明品で設計されたファブリ・ペロー（FP）共振器内の狭帯域フィルタリングチャネルで測定された電流が含まれます。このデータセットでは、研究者らは各チャネルの応答電流をその応答性で割ることで、ポイントツーポイントのスペクトル曲線（自己参照スペクトルと呼ばれる手法）を直接導き出しました。

すべてのチャネルデータセット

このデータセットには、狭帯域チャネルを含むすべてのチャネルからの電流が含まれています。研究者はこのデータセットを用いて、再構成されたスペクトルと自己参照スペクトル（狭帯域チャネルから得られたもの）を比較することでアルゴリズムパラメータを反復的に最適化し、最適なスペクトル曲線の再構成を実現しました。

動作原理: 自己参照スペクトルを導入することで、正確で安定したスペクトルが再構築されます。

下の図Aは、従来の分光計の動作原理を示しています。この分光計は、狭帯域通過フィルタを用いて異なる波長を識別し、対応するフィルタを通過する光量に基づいて各波長の強度を直接測定します。このプロセスは「ポイントツーポイント」マッピングと表現できます。得られるスペクトルは比較的粗いものの、各フィルタに対応する波長の位置は比較的正確です。

従来の分光計と典型的な再構成分光計の動作原理

上の図Bは、典型的な再構成型分光計の動作原理を示しています。分光計は、未知のスペクトルを収集データにエンコードし、パラメータΦを用いた教師ありアルゴリズムを用いてこれらのデータをスペクトルに再構成します。このアルゴリズムは、スペクトルパラメータ空間Sにおける最小コスト関数を探索します。これは通常、チホノフ法や全変分法などの正則化手法によって実現されます。この再構成によって高解像度のスペクトルが得られますが、パラメータΦの選択によって最小コスト関数が異なるため、結果が不安定になる可能性があります。

下の図Cは、本研究で提案する自己適応型分光計の動作原理を示しています。分光計は、スペクトルをアルゴリズムのデータにエンコードするだけでなく、従来の方法で粗い自己参照スペクトルも提供します。この自己参照スペクトルにより、スペクトルパラメータ空間Sとアルゴリズムパラメータ空間Φの両方で二段階最適化が可能になり、より高次元にわたる最小損失関数の探索が可能になります。これにより、最適なパラメータを自動的に選択することで、グローバルな最小コスト関数を特定し、正確で安定したスペクトルを再構築できます。

適応型分光計の動作原理

下の図は、適応スペクトル、つまり適応アルゴリズムの再構築プロセスをさらに示しています。

適応アルゴリズム図

具体的には、小型分光計は、日常的なスペクトル測定のための狭帯域チャンネルセットを備えており、スペクトルセンシング用の2セットの電流データを提供します。1セット目は狭帯域応答チャンネルからの電流データで、特定の波長帯域のスペクトル強度と、その帯域を担当するチャンネルの応答のスカラー積として捉えることができます。これにより、明確でありながら粗いスペクトルを容易に得ることができます。2セット目は、（狭帯域チャンネルを含む）全チャンネルからの電流データで、各波長のスペクトルとチャンネル応答を乗算した積分値（スカラー積応答）です。

研究者らは、最初のデータセットセットから得られたスペクトル結果を、現在の2番目のデータセットセットの解の自己参照として導入しました。このプロセスを通じて、アルゴリズムは様々なパラメータを自ら調整し、反復処理によって実際のスペクトルに近い安定した結果を得ることができます。

研究成果：可視光スペクトル全体にわたって正確なスペクトル再構築機能を発揮します。

波長分解能は分光計にとって重要なパラメータであり、特に波長測定や高精度な物質識別などの用途において重要です。性能試験において、本分光計は可視光スペクトル全体（400～800 nm）にわたって正確なスペクトル再構成能力を示しました。下の図は、入力ピーク波長と出力再構成ピーク波長の比較を示しており、良好な一貫性を示しています。

再構成スペクトルのピーク波長と入力ピーク波長の関係

研究者らは、下図に示すように、小型分光計のバイアスをさらに分析し、特定の入力ピーク波長における解像度を計算しました。Rλ = λ/Δλ、平均波長バイアスは約 0.27 nm、解像度は 5,806 に達しました。

再構成されたピーク波長と計算された波長分解能間の偏差

研究者たちは、従来の分光計の分解能試験を小型分光計に適用しました。2つの単色ピークを同時に分光計に照射し、それらの間の距離を徐々に狭めていき、小型分光計が依然として分離可能な2つのスペクトル線間の最小距離を調べました。下の図に示すように、 518 nm付近に位置し、2.5 nm間隔で配置された2つのピークを識別できます。

従来の分光計の分解能テストを小型分光計の結果に適用する

これらの結果は、本研究で設計された小型分光計が、市販の光ファイバー分光計やその他の小型分光計と同等の性能を発揮しながら、コストとサイズが大幅に削減できることを示しています。

これを基に、研究チームは、この適応型マイクロ分光計をマイクロ流体および機械式走査システムと組み合わせた場合、透過率、吸収、発光分光測定といった一般的な実験室用途における性能をさらに実証しました。結果は、下の図AFに示すように、市販の光ファイバー分光計の結果とほぼ一致しました。

小型分光計の用途

（A）マイクロ透過吸収分光法試験の模式図。
（BC）ビタミンBの透過スペクトル（B）と吸収スペクトル（C）の再構成結果。
（D）マイクロフォトルミネッセンス分光法試験の模式図
(E) ローダミンBの光ルミネッセンススペクトルの再構成。
(F) グラフェン量子ドットの発光スペクトルの再構成結果

優れた性能に加え、さらに重要なことは、この分光計は成熟した集積回路技術を使用してウェハレベルで製造でき、ミリメートル規模のサイズであるため、ほとんどの小型スペクトル試験のニーズを満たすのに十分であるということです。

小型分光計のウエハレベル製造（スケールバー：1 cm）

要約すると、本研究は、汎用性と堅牢性を兼ね備えた小型再構成分光計を実現するための新たなアプローチを提供する。成熟したCMOS集積回路技術を活用することで、小型スペクトル検出システムをCISイメージングモジュールに統合し、モバイル計測、車載マシンビジョン、分散監視システムなどの分野への応用が期待される。

材料などの基礎科学分野を継続的に探求します。

上記の研究は、国家重点研究開発計画、中国国家自然科学基金、および上海市科学技術委員会の資金提供と支援を受けて行われました。一部の実験は復旦大学マイクロナノ加工・デバイス公共実験室で実施されました。本論文の責任著者は梅永鋒教授です。

復旦大学材料科学科教授の梅永鋒氏は、常に基礎研究の実践者であり、その推進者でもあります。彼はかつてこう述べています。「基礎研究の目的は、現象を理解し、新たな知識分野を発見・探求することです。一見、生活からかけ離れ、実用性がないように見えるかもしれませんが、実は基礎研究は社会発展の最も根源的な原動力なのです。家を建てるために必要なレンガのようなものです。たとえそのレンガが何のためにあるのか分からなくても、それを外せば家は崩壊します。」

この理念のもと、梅永鋒教授の研究グループは基礎研究と材料科学に多くの優れた貢献を果たし、『Science Robotics』、『Science Advances』、『Nature Communications』、『Advanced Materials』などの雑誌に300本以上の学術論文を発表し、引用回数は1万回を超え、20件以上の発明特許を取得しています。

代表的な成果の一つとして、2023年1月、梅永鋒の研究グループは「強化された多レベル太陽光変調のための二酸化バナジウムナノ膜の自己回転」と題する論文を「Nature Communications」誌に発表した。

研究チームは、ベネチアンブラインドに着想を得て、自己巻き上げ技術を用いて、ガラス上の二酸化バナジウムの歪み膜を脱着・巻き上げ、「ブレード」アレイスマートウィンドウを開発しました。周囲温度の変化に応じて、スマートウィンドウは完全に巻き上げられた状態（開）、半分巻き上げられた状態（半開）、そして平らな状態（閉）へと制御され、自己応答型のインテリジェントスイッチングを実現します。これにより、全開状態における光透過率が大幅に向上するとともに、異なる開度による多段階の光透過率制御を実現しました。

この研究は、インテリジェントな二酸化バナジウム薄膜材料の熱変形機能と熱色変化機能を創造的に組み合わせ、従来の平面薄膜の高い光透過率、エネルギー効率、および複数の環境への適応性を同時に達成するという困難を克服し、次世代の高効率インテリジェントウィンドウに向けた新しい実現可能なアプローチを提供します。

低温時に丸まるスマートウィンドウのマクロ図

「二次元ナノフィルムから三次元微細構造への自己組織化」は、次世代マイクロエレクトロニクスデバイスの製造における重要なアプローチと考えられており、今後の高度な電子工学および光電子工学アプリケーションにとって極めて重要です。しかし、二次元ナノフィルムの最終的な形状形成は、エッチング経路、化学反応、アスペクト比などの複雑な要因の影響を受け、自己組織化デバイスの製造プロセスにおける製品歩留まりと出力の向上が困難であり、研究室から産業応用への移行を著しく阻害しています。

これを受けて、梅永鋒教授の研究グループは今年6月、「ネイチャーコミュニケーションズ」に「三次元角度感度光検出のためのナノ膜ローリングにおける多層設計と構築」と題する研究論文を発表した。

本研究では、マルチレベル準静的有限要素解析法を提案し、この方法に基づいて、3次元微細構造および対応する3次元光検出器用の6種類のシリコン（Si）/クロム（Cr）ナノフィルムアセンブリを設計・構築し、この技術の優れた汎用性と産業応用可能性を十分に検証しました。

詳細レポートを見るにはクリックしてください: 復旦大学の梅永鋒教授のグループは、DNN とナノフィルム技術を統合して、入射光の角度を正確に分析します。

今後、梅永鋒教授の研究グループは、マイクロナノメカニクス、ナノ光学、ナノエレクトロニクス、マイクロナノロボティクス、マイクロナノ流体力学、マイクロエネルギー貯蔵、表面プラズモン、メタマテリアルなどの分野にも進出し、基礎科学の進歩を継続的に推進していきます。

参考文献:
1.https://news.fudan.edu.cn/2024/0820/c5a141853/page.htm
2.https://www.memstraining.com/news-41.html
3.https://www.sohu.com/a/634625615_12