完整的300mm晶圆的照片。（b） 芯片模具的特写。（c） LED开启时的红外显微相比较的照片。（d）全息显微镜设置。（e） 与（f）真实数据与重建全息图像的对比。来源：Singapore-MIT Alliance for Research and Technology (SMART)
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。这种新型LED比光波长还小，被用来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只需修改硅芯片和软件即可转换为显微镜提供了可能。这项技术也代表着在可持续农业诊断小型化方面向前迈出了重要一步。
这一突破得到了研究人员开发的突破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，从而增强对细胞和细菌等微观物体的检查，而不需要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——建造一个小于微米的强大芯片上发射器，这在该领域长期以来一直是一个挑战。
大多数光子芯片中的光来源于芯片外光源，这导致整体能效较低，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，研究人员使用各种材料开发了芯片上发射器，如稀土掺杂玻璃、硅上锗和非均匀集成III–V材料。尽管基于这些材料的发射器已经显示出有希望的器件性能，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可单独控制的发射的候选材料的潜力，但由于间接带隙，硅发射极的量子效率较低，并且这种基本缺点与可用材料和制造工具设置的限制相结合，阻碍了在CMOS中实现小型原生硅发射极。
在最近发表的Nature Communications的一篇题为“CMOS平台中集成的亚波长硅LED”的论文中，SMART研究人员描述了他们开发的最小硅发射器，其光强与发射面积大得多的最先进硅发射器相当。在一项相关的突破中，SMART研究人员还在最近发表在《Optica》杂志上的一篇题为“使用未经训练的深度神经网络同时进行光谱恢复和CMOS微LED全息术”的论文中，揭示了他们构建的一种新的、未经训练、能够从全息显微镜重建图像的深度神经网架构。
无透镜全息术中一个常见的障碍是成像物体的计算重建。传统的重建方法需要对实验装置的详细了解才能进行精确的重建，并且对难以控制的变量（如光学像差、噪声的存在和双像问题）很敏感。
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总变化正则化以提高对比度，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，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，中性网络还提供了从单个衍射强度模式中恢复盲源光谱，这标志着与以前所有监督学习技术的突破成果。
本研究中展示的未经训练的神经网络使研究人员能够在不事先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硅LED，该LED是通过完全商业化的、未经修改的体CMOS微电子技术制造的。
研究人员设想，CMOS微型LED和神经网络的这种协同组合可以用于其他计算成像应用，例如用于活细胞跟踪的小型显微镜或活植物等生物组织的光谱成像。这项工作也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被用于各种应用，包括粒子跟踪、环境监测、生物样品成像和计量。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相干照明。
Optica论文的主要作者Iksung Kang表示， “我们的突破代表了一种概念验证，它可能对许多需要使用微型LED的应用产生巨大影响。例如，这种LED可以组合成一个阵列，以获得更大规模应用所需的更高照明水平。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、成本或形状因素。这使我们能够相对轻松地将手机摄像头转换为这种类型的全息显微镜。"
“除了在无透镜全息术方面的巨大潜力外，我们的新型LED还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的发射面积，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器件。”相关作者说。“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、近红外近程传感和光子学的晶片测试中找到进一步的应用。”
