发布时间：2024-05-19 10:28:23 来源：im电竞官网 作者：IM电竞官网注册 点击次数：16次

　　（LWIR）成像在许多应用中具有重要意义，从到国防和。它应用于夜视、遥感和远程成像。然而，这些成像系统中使用的传统折射透镜体积大、重量重，几乎不适合所有应用。更复杂的问题是，许多LWIR折射透镜是由昂贵且供应有限的材料（如锗）制成的。 下一代系统要求透镜不仅比以往任何时候都更轻、更薄，而且要保持不妥协的图像质量。这一需求促使人们大力开发超薄亚波长衍射光学元件，即超光学元件。

　　超光学元件，最简单的形式，是由一个平面上亚波长尺度纳米柱阵列组成，每个柱子对穿过它的光引入局部相移。通过特殊排列这些柱子，可以控制光产生转向和透镜。虽然传统折射透镜接近一厘米厚，超光学大约500微米厚，这大大降低了光学元件的整体厚度。 然而，超光学的一个挑战是强烈的色差。也就是说，不同波长的光以不同的方式与结构相互作用，结果通常是一个透镜，它不能同时将不同波长的光聚焦在同一个焦平面上。

　　很大程度上是由于这个问题，超光学元件尚未完全取代其折射对应物，尽管在尺寸和重量减轻方面有好处。 特别是，与可见波长超材料光学相比，长波红外超材料光学领域相对未被开发，并且鉴于该波长范围的独特和广泛的应用，超材料光学相对于传统折射透镜的潜在优势是显著的。

　　现在，在《自然通讯》上发表的一篇新论文中，由华盛顿大学电气与计算机工程系(UW ECE)和物理系副教授Arka Majumdar领导的一个多机构研究小组引入了一种名为“MTF工程”的新设计框架。 调制传递函数或MTF描述了透镜如何根据空间频率保持图像对比度。该框架解决了与宽带超光学相关的挑战，以设计和实验性地演示在实验室和现实环境中使用超光学进行热成像。该团队基于已经成功的逆向设计技术，开发了一个同时优化支柱形状和全局布局的框架。

　　研究团队方法的一个关键创新是使用人工智能——一种深度神经网络（DNN）模型——在支柱形状和相位之间进行映射。在大面积光学器件的反向设计过程中，模拟光如何在每次迭代中与每个支柱相互作用在计算上是不可行的。 为了解决这个问题，作者模拟了一个大型纳米柱库（也称为“元原子”），并使用模拟数据训练DNN。DNN能够在优化循环中实现散射体和相位之间的快速映射，从而允许对包含数百万微米级柱的大面积光学器件进行逆向设计。 这项工作的另一个关键创新是品质因数（FoM），导致该框架被称为“MTF工程”。在逆向设计中，人们定义了一个FoM，并通过计算优化结构或排列，以最大化FoM。然而，为什么产生的结果是最佳的，这通常并不直观。在这项工作中，作者利用他们在超光学方面的专业知识定义了一个直观的FoM。

　　Majumdar解释说：“品质因数与MTF曲线下的面积有关。这里的想法是通过镜头传递尽可能多的信息，这些信息被捕获在MTF中。然后，结合轻型计算后端，我们可以实现高质量的图像。品质因数反映了我们对光学系统的直观认识。当所有波长都表现良好时，这个特定的FoM得到了优化，从而限制了我们的光学系统在指定波长上具有统一的性能，而没有明确地将均匀性定义为优化标准。”

　　这种方法结合了超光学和轻计算后端的直觉，与简单的超透镜相比，显著提高了性能。 作者用一块硅片制造了他们设计的光学元件，这对未来无锗长波红外成像系统的应用很有前景。虽然承认在实现与商用折射透镜系统相当的成像质量方面仍有改进的空间，但这项工作是朝着这一目标迈出的重要一步。 研究人员慷慨地通过GitHub在线发布了他们的MTF工程框架，名为“metabox”，邀请其他人使用它来设计自己的超光学元件。研究团队对在更广泛的科学界利用metabox可能出现的潜在工作表示兴奋。 华盛顿大学电子与计算机工程系附属团队成员包括最近的校友Luocheng Huang（论文的第一作者）和Zheyi Han，博士后研究人员Saswata Mukherjee、Johannes Froch和Quentin Tanguy，以及华盛顿大学电子与计算机工程系教授Karl Bohringer，他是华盛顿大学纳米工程系统研究所的所长。

　　技术是通过物体外检测到的超声数据对被测物进行内部结构重构的技术。超声CT技术最初借鉴了X-CT技术的相关理论及实现方法图像重建

　　”的概念，宣告了光纤通信产业进入集成器件的时代。采用集成电路技术（Integrated Circuit）制造

　　的加工技术 /

　　检测电路 /

　　与设计 /

　　是电阻、电容、电感和晶体管（二极管、三极管），集成电路技术是在硅衬底上通过薄膜沉积、扩散、外延

　　波导技术的介绍及其发展趋势分析 /

　　芯片的工作原理如图1所示。通过离子溶液处理和恒定电场激活，器件的工作模式由光导型变成了光伏型。场效应晶体管（FET）测试可知，通过简单地改变电场激活时间和电场极性，量子点的掺杂极性可以得到很好的调控。

　　芯片的工作原理 /

　　AMD Versal AI Edge自适应计算加速平台之PL通过NoC读写DDR4实验(4)