清華大學首創可重構計算光學成像架構，實現集成鈮酸鋰光子學快照光譜成像

光譜記錄著光在不同波長下的強度變化，揭示了物質與光的相互作用是解析成分、結構與特性的“光學密鑰”。然而，傳統的光譜測量受限于分光采集與固化結構，光譜分辨率與成像通量之間長期存在固有矛盾，成為光譜成像領域久未破解的科學難題。

“玉衡”光譜成像芯片概念圖

據此，清華大學信息國家研究中心光電智能技術交叉創新群體、電子工程系方璐教授課題組另辟蹊徑，首創了可重構計算光學成像架構研制了高分辨光譜成像芯片“玉衡”，實現了亞埃米級光譜分辨率千萬像素級空間分辨率的快照光譜成像。

以光為鑰

破譯自然的語言

方璐教授團隊提出的可重構計算光學成像架構，將物理分光限制轉化為光子調制與重建過程，挖掘隨機干涉掩膜與鈮酸鋰材料的電光重構特性，實現了高維光譜調制與高通量解調的協同計算。由此研制出亞埃米級高分辨光譜成像芯片：“玉衡”，無需在波長維度犧牲通量，每個像素均可獲取完整光譜信息，快照光譜成像的分辨能力（R=12,000）提升兩個數量級，突破了光譜分辨率與成像通量無法兼得的長期瓶頸。

可重構計算光學成像架構

方寸之間 

解開宇宙與生命的光譜密碼

“玉衡”的誕生是人工智能與物理光學、集成光子學、材料科學的交叉融合，與傳統體型龐大、采集緩慢的高分辨光譜裝置不同，“玉衡”芯片僅約2厘米×2厘米×0.5厘米，在400-1000納米的寬光譜范圍內，實現了亞埃米級光譜分辨率，千萬像素級空間分辨率，并具備88Hz的快照光譜成像能力。“玉衡”攻克了光譜成像系統的分辨率、效率與集成度難題，可廣泛應用于機器智能、機載遙感、天文觀測等領域，課題組在論文中進行了詳細的光譜巡天實驗驗證，指出“玉衡”芯片具備應用于光譜巡天，并大幅度提升天文觀測效率的能力，憑借微型化設計，它還可搭載于衛星，有望繪制出前所未見的宇宙光譜圖景。課題組正基于原理樣片，加速工程化樣機與系統級優化，“玉衡”將在10.4米口徑加那利大型望遠鏡（GTC）上進行測試應用，有望為暗物質、黑洞等基礎物理前沿研究提供新視野。

2025年5月方璐（右三）團隊訪問加那利大型望遠鏡

衡之名

以光校衡天地

《尚書·舜典》有言，“在璿璣玉衡，以齊七政”，古人以“玉衡”校定日月星辰的運行秩序，而今，科學家以同名之芯，校衡光的頻譜與宇宙的奧秘。未來，隨著高分辨光譜獲取范式的持續變革，期待以“玉衡”為代表的計算光譜成像技術，以更小的體積，更高的分辨力，更廣的應用邊界，為材料科學、地球科學、天文科學開拓新的光譜天地。

圖文介紹

圖1a核心架構：一塊可由電壓調控光譜響應的隨機結構鈮酸鋰薄膜，直接集成在CMOS傳感器上。圖1b RAFAEL同時實現了超高透射率（>70%）和亞埃級分辨率，遠超現有技術。圖1c和1d分別展示了其在動態場景識別和大規模天文光譜普查中的強大應用。RAFAEL能單次快照捕捉數千顆恒星的光譜。

圖1. RAFAEL的概念與通用應用 

圖2a和2b展示了其核心：空間隨機鈮酸鋰薄膜。由于每個像素對應的薄膜厚度隨機且獨特，光通過時會產生獨一無二的光譜干涉編碼；施加電壓還能改變這種編碼，為解碼提供更多信息。圖2c和2d則直觀對比了RAFAEL與傳統光譜儀的優勢。它不像NFSSI那樣因濾光而損失大量光線和分辨率，也不像BMSSI那樣因編碼的周期性而限制光譜分辨率。隨機編碼方式更符合壓縮感知理論，是實現高分辨率重建的關鍵。

圖2. RAFAEL的結構與物理特性 

介紹了將硬件采集的壓縮數據還原為高維光譜圖像的強大算法（PSAIR）。圖3a展示了算法流程，融合了光學物理模型與人工智能（如Transformer），實現了從測量、恢復到重建的全過程。圖3b揭示了分辨率的提升路徑：空間隨機結構將分辨率提升了兩個數量級，而電壓可重構性則最終使其突破到亞埃級。圖3c和3d證明了該算法的高效性（可達88 fps）和重建結果的卓越質量。圖3e通過對高速旋轉風車的動態實驗，驗證了整個系統在真實場景下的高性能表現。

圖3. 基于物理狀態自適應智能重建的時空譜成像 

圖4a, 4b, 4c通過分辨汞燈的精細原子光譜，實驗性地證明了其亞埃級的分辨率和皮米級的精度。圖4d在材料識別實驗中，以短得多的曝光時間獲得了遠比商業光譜儀更明亮、更清晰的圖像，并能輕松區分顏色相近的真假樹葉。圖4e和4f是其在天文學上的展示，成功獲取了天琴座中大量恒星的光譜，對織女星的光譜分析結果與專業天文數據吻合度高達99%以上，驗證了其精度和可靠性。

圖4. 原子光譜、材料識別與天文觀測實驗 

綜上，RAFAEL作為一種顛覆性的高透射率、小型化快照光譜成像技術，成功突破了現有光譜成像儀在分辨率、透射率與效率之間的限制。通過結合可重構鈮酸鋰集成光子學與先進計算成像方法，RAFAEL實現了可見光至近紅外波段0.5埃的光譜分辨率、73.2%的總透射率與每秒超過120億像素的數據吞吐能力。實驗結果表明，RAFAEL在材料識別、植物健康監測、自動駕駛、原子光譜與天文觀測等領域具有廣泛應用潛力。該技術為解決高靈敏度深空光譜成像與瞬態現象捕捉提供了全新路徑，有望推動從材料科學到天體物理等領域的前沿研究。RAFAEL的全新架構為未來多功能、高性能光學系統的設計開辟了新方向。

作者簡介

向上滑動閱覽

方璐，清華大學電子工程系教授、博士生導師；2003年，她以優異的成績考入國內頂尖學府中國科技大學；2007年-2011年她獲得香港科技大學電子與計算機工程學系博士學位；2012年，她先后在香港科技大學和新加坡科技與設計大學進行博士后的研究工作。此期間，還曾在美國西北大學，做了半年的訪問學者；2012年11月被母校中國科學技術大學聘為電子工程與信息科學系副教授、博士生導師，后去清華大學任職。她發表Science 1篇、Nature 3篇、Nature Photonics等N/S子刊15篇，主持科技部2030新一代人工智能重大項目、基金委杰青項目等。她曾獲何梁何利基金科學與技術創新獎、中國青年科技獎、科學探索獎、北京市技術發明一等獎，成果入選2024年度中國科學十大進展，多次入選中國光學十大進展、中國半導體十大研究進展。

原文鏈接

https://www.nature.com/articles/s41586-025-09591-x