数十年来，疾病诊断、食品质量评估和污染分析等对材料化学成分的检测，主要依赖实验室内体积大、成本高的光谱仪。传统光谱仪通常通过棱镜或光栅将光线分散成不同波段，再测量各波段强度；但光的空间分散需要较长的物理光路，使设备难以小型化。

加州大学戴维斯分校（UC Davis）研究团队近日在《先进光子学》（Advanced Photonics）发表成果，提出一种面向微型化的芯片光谱仪设计，目标是将实验室级光谱测量能力缩小到可集成于便携设备的芯片尺度。该方案不再依赖传统的空间分光结构，而是采用“重构”思路获取光谱信息。

研究显示，新芯片通过16个不同的硅探测器接收入射光信号。每个探测器对光的响应特性略有差异，输出的是经过编码且包含噪声的信号，而非将不同颜色物理分离后的直接测量结果。团队将光谱解码的关键交由人工智能完成。

该工作包含两项核心技术进展。其一是对标准硅光电二极管表面引入特殊的光子捕获表面纹理（PTST）设计。研究指出，硅对可见光响应较好，但对近红外（NIR）光的感应能力相对不足，而近红外波长可达1100纳米，在生物医学成像等应用中具有重要意义，因为其相较可见光可更深穿透人体组织。PTST纹理通过促使近红外光子在薄硅层内散射、降低直接穿透，从而提高吸收概率，使芯片在更宽的光谱范围内具备敏感性。

其二是引入全连接神经网络进行光谱重构。研究团队利用数千个样本对模型进行训练，使其学习16路探测器原始输出与目标光谱之间的复杂映射关系，从而求解光谱重建的“逆问题”。论文称，该方法可实现约8纳米分辨率的光谱重构，并由此避免对棱镜、光栅等笨重光学元件的依赖。

除光谱重构外，该架构还采用高速传感器，具备超高速光子寿命测量能力。研究称，这一时间精度使设备能够捕捉传统仪器难以观测的瞬态光与物质相互作用。

在系统指标方面，研究称该芯片占地面积约0.4平方毫米，同时具备较高灵敏度与抗噪声能力。团队表示，即便存在显著电干扰，AI增强的芯片仍可保持信号清晰，这对面向便携、低成本电子设备的应用尤为关键。

研究认为，通过将硅的感测范围扩展至近红外波段，并结合机器学习实现高性能光谱重构，该技术为集成化、实时高光谱传感提供了新的实现路径，潜在应用覆盖医疗诊断与环境遥感等领域。