《探索 | 用于大尺寸样品表面检测的尖端增强拉曼光谱成像技术》

  • 来源专题:光电情报网信息监测服务平台
  • 编译者: husisi
  • 发布时间:2022-07-25
  • 尖端增强拉曼光谱 (TERS) 作为一种在纳米尺度上表面成像的技术,已成为科学家研究无机材料表面缺陷以及单个生物分子的有效工具。然而,在用其尝试扫描大尺度表面时,TERS在实验室环境条件下工作半小时后,热效应和振动会使系统偏离焦点。
    日本大阪大学和德岛大学的联合研究团队对TERS 成像进行了改进,新方法用于二硫属化物晶体的 TERS 成像时间可长达6小时,是之前研究的12倍。在位置传感器和反馈回路的引导下,该团队的成像系统检测到了表面缺陷和与缺陷相关的光学信号。

    TERS 将基于激光的拉曼显微镜与原子力显微镜或扫描隧道显微镜相结合。尖端以小至 10 nm的步长“踩”过目标样品的表面,并记录每次的图像。
    每一步收集足够多的散射光来配准图像至少需要几百毫秒,因此收集 1 μm2 的 TERS 图像大约需要 30 分钟。 在此期间,扫描尖端偏离其水平位置,光学器件在垂直方向偏离焦点,从而降低信号质量并结束成像过程。
    根据Optica研究员、大阪大学应用物理学教授Prabhat Verma的观点,TERS已经达到了可以用于商业应用的成熟阶段,比如检测光子芯片,但不可避免的尖端漂移限制了样品表面的可分析尺寸。
    基于此,Verma和他的同事们使用一个波长为 488 nm 引导激光器和一个横向位置传感器来校正焦点。信号通过一个与物镜耦合的闭环压电扫描仪传输,以稳定激光焦点的位置。为了补偿尖端漂移,研究人员使用振镜扫描尖端周围的激光点并产生瑞利散射图像,同时也用于反馈回路以稳定尖端位置。
    Verma 表示,设计漂移补偿系统是该团队面临的最大挑战,得益于多年的 TERS 设计经验,研究人员最终克服了这一障碍。
    团队之所以选择二硫化钨作为 TERS 平台的测试样品,是因为二硫属化物被广泛应用于各种光电器件。Verma认为新型 TERS 方法同样适用于材料科学和生物学中的样品检测。 他还表示,TERS 成像的时间窗口可以延长到六个小时以上,即使样本产生的光信号极其微弱也无妨。

相关报告
  • 《探索 | 编码超构表面赋能实时机器学习增强的高光谱偏振成像》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:胡思思
    • 发布时间:2024-09-20
    • 据麦姆斯咨询报道,近期,美国宾夕法尼亚州立大学(Pennsylvania State University)的一个科研项目开发出一种可以更快速、更经济地提取偏振成像数据的编码超构表面(metasurface),相关研究成果以“Real-time machine learning–enhanced hyperspectro-polarimetric imaging via an encoding metasurface”为题发表于Science Advances期刊。 宾夕法尼亚州立大学科研团队从自然界中汲取灵感,在自然界中,自然进化的视觉系统使动物对人类眼睛无法感测到的几种光的特征参数(包括偏振)具有敏感性。宾夕法尼亚州立大学NanoLight纳米光子学和光电子实验室Xingjie Ni说道:“正如动物王国向我们展示的那样,光的某些特征信息超出了我们人类肉眼所能看到的,其包含了我们可以在多种应用中可以使用的信息。为此,我们通过将编码超构表面集成到传统相机中,有效地将其改造成紧凑、轻便的高光谱偏振相机。” NanoLight实验室已经取得了多项超构表面的技术突破,包括利用深紫外光刻技术的进步,于2023年开发出一种尺寸为80毫米的超构透镜(metalens),可用于大型光学系统和望远镜。相比之下,NanoLight实验室最新开发的编码超构表面比较小,可以集成到传统的相机系统之中,从而增强其性能,并能够从单次快照中获取高光谱偏振图像。 “我们的编码超构表面具有数千个光谱偏振超像素(superpixels),每个超像素都包含精心设计的手性超构原子(meta-atoms)阵列。”该科研团队在其论文中指出,“该编码超构表面与标准相机的图像传感器芯片结合,从而能够使用波长和偏振数据对物体进行成像。” 相机捕获的强度信息随后由之前在180万张图像上训练过的机器学习后端解码,以生成输入的四维(4D)图像数据。 宾夕法尼亚州立大学设计的编码超构表面,通过结合表现出强手性的超构原子,使所有偏振状态都具有不同的偏振响应,从而使每个超像素都具有不同的光谱和偏振响应。这与传统光谱仪中使用的窄带滤波器或光栅不同,在传统光谱仪中,波长信息被这些滤波器混合,然后必须在后处理中进行解析。 “以每秒28帧的速度进行成像,主要受使用的相机速度的限制,我们能够使用机器学习快速恢复光谱和偏振信息。” 宾夕法尼亚州立大学Bofeng Liu说,“这使我们能够实时捕获和查看图像数据。” 研究人员通过在不同激光束照射下录制透明“PSU”字母的视频来测试他们的超构表面和神经网络。他们还拍摄了圣甲虫的图像,这种甲虫以反射其它同类可见的圆偏振光而闻名。 宾夕法尼亚州立大学设想将其超构表面技术应用于一系列潜在的领域。临床医生可以使用高光谱偏振数据来区分体内组织的材料和结构特性,从而可能有助于诊断癌细胞。或者,同样的能力在消费领域也可能很有价值。“我们可以带着该超构表面相机去杂货店,拍照并在购买前评估货架上水果和蔬菜的新鲜度。”Xingjie Ni评论道,“这款增强型相机打开了一扇通往人眼看不见的世界的窗户。” 本项研究所提出的高光谱偏振相机概念图 宾夕法尼亚州立大学副教授Xingjie Ni(左)展示了一个集成了3mm x 3mm超构表面的相机。该超构表面将传统相机变成了高光谱偏振相机 编码超构表面的设计和表征 机器学习增强的快速恢复 使用优化的方法进行光谱偏振测量和高光谱偏振成像
  • 《尖端的甲烷检测技术可实现空运》

    • 来源专题:可再生能源
    • 编译者:pengh
    • 发布时间:2019-11-18
    • 美国能源部(DOE)的国家能源技术实验室(NETL)正在扩大与德克萨斯州圣安东尼奥市西南研究所(SwRI)的合作,以开发结合遥感和人工技术的下一代甲烷泄漏检测技术可通过空中平台运行的系统中的智能功能-一种可更有效地帮助缓解天然气行业中多种运行产生的甲烷排放的方法。 这项新研究的目标是开发一种机载自主实时泄漏检测技术,该技术将机器学习技术应用于无源光学传感模式,以通过早期检测来减轻排放。 NETL自2016年以来一直支持SwRI在智能甲烷排放检测系统(SLED / M)上的工作,并且该系统在监测天然气管道设施各个区域并与天然气缓解技术进行交互的系统上已取得重大进展。但是,到目前为止,SLED / M都是基于地面的。 根据NETL的约瑟夫·伦克(Joseph Renk)的说法,最近与SwRI的合作协议(DOE项目DE-FE-0029020“智能甲烷排放检测系统开发”)中增加了一项附加任务,以开发允许泄漏检测系统从空中平台或空中平台运行的技术。无人驾驶飞机。 NETL主管Brian Anderson表示,天然气行业对新技术的兴趣与日俱增,这是因为它具有检测甲烷的能力,而这种能力可能无法通过当前使用的当前最先进的光学气体成像设备检测到。 “这对行业来说是一个有吸引力的选择,不仅因为它被证明效率更高,而且因为拥有可移动且能够每天监控多个设施和数英里管道的系统,可以节省大量的运营和非经常性成本,” Anderson说过。 “显然,需要一种解决方案,该解决方案应具有自主性,安全性,非侵入性,及时性,并能够在无人机等空中平台上运行。” 压缩机的逸散排放是天然气工业中游部门甲烷排放的最大来源之一。 SwRI报告说,50%的逃逸排放来自主要的压缩机设备,而10%的排放场所造成了甲烷排放总量的50%。 现有的甲烷检测技术存在缺陷,包括高误报率。它们还要求操作员实时或后处理数据。 SLED / M方法结合了遥感技术和人工智能技术,显示出较低的误报率,并且减少了对泄漏检测的响应时间和运营成本。另外,该方法不需要人在循环中,从而将错误最小化。 SLED / M是一种非侵入式无源技术,这意味着无需改造现有设备和设施,从而消除了安全性和操作限制。 在这项新工作下,SwRI将执行测试,收集数据并开发基于机器学习的甲烷检测算法,以使用现有的SLED / M组件检测无人机的泄漏。