MADRID, 5 (EUROPA PRESS)
Más pequeño que la longitud de onda de la luz, el nuevo LED se utilizó para construir el microscopio holográfico más pequeño del mundo, allanando el camino para que las cámaras existentes en los dispositivos cotidianos, como los teléfonos móviles, se conviertan en microscopios mediante solo modificaciones en el chip de silicio y el software.
Este avance se complementó con el desarrollo por parte de los investigadores de un algoritmo de redes neuronales que puede reconstruir objetos medidos por el microscopio holográfico, lo que permite un examen mejorado de objetos microscópicos como células y bacterias sin la necesidad de microscopios convencionales voluminosos u óptica adicional. La investigación también allana el camino para un gran avance en la fotónica: la construcción de un potente emisor en chip que es más pequeño que un micrómetro, lo que ha sido durante mucho tiempo un desafío en este campo.
La luz en la mayoría de los chips fotónicos se origina en fuentes fuera del chip, lo que conduce a una baja eficiencia energética general y limita fundamentalmente la escalabilidad de estos chips. Para abordar este problema, los investigadores han desarrollado emisores en chip utilizando diversos materiales, como vidrio dopado con tierras raras, Ge-on-Si y materiales III-V heterogéneamente integrados. Si bien los emisores basados en estos materiales han mostrado un rendimiento de dispositivo prometedor, la integración de sus procesos de fabricación en plataformas estándar de semiconductores de óxido de metal complementario (CMOS) sigue siendo un desafío.
Si bien el silicio (Si) ha mostrado potencial como material candidato para emisores a nanoescala y controlables individualmente, los emisores de Si sufren de baja eficiencia cuántica debido a la banda prohibida indirecta, y esta desventaja fundamental combinada con las limitaciones establecidas por los materiales disponibles y las herramientas de fabricación ha obstaculizado la realización de un pequeño emisor de Si nativo en CMOS.
En un artículo de Nature Communications , los investigadores de SMART (Singapore-MIT Alliance for Research and Technology) describieron su desarrollo del emisor de Si más pequeño informado con una intensidad de luz comparable a la de los emisores de Si de última generación. con áreas de emisión mucho más grandes. En un avance relacionado, los investigadores de SMART también dieron a conocer la construcción de una nueva arquitectura de red neuronal profunda no entrenada capaz de reconstruir imágenes de un microscopio holográfico en un estudio publicado en la revista Óptica.
El nuevo LED desarrollado por los investigadores de SMART es un LED de escala de sublongitud de onda integrado en CMOS a temperatura ambiente que exhibe una alta intensidad espacial (102 +/- 48 mW/cm2) y posee el área de emisión más pequeña (0,09 +/- 0,04 micrómetros por m2) entre todos los emisores de Si conocidos en literatura cientifica. Con el fin de demostrar una aplicación práctica potencial, los investigadores integraron este LED en un microscopio holográfico de silicio en línea, de escala centimétrica, que no requiere lentes ni orificios, integral a un campo conocido como holografía sin lentes, explica en un comunicado SMART.
Un obstáculo comúnmente enfrentado en la holografía sin lentes es la reconstrucción computacional del objeto de la imagen. Los métodos de reconstrucción tradicionales requieren un conocimiento detallado de la configuración experimental para una reconstrucción precisa y son sensibles a variables difíciles de controlar, como las aberraciones ópticas, la presencia de ruido y el problema de la imagen gemela.
El equipo de investigación también desarrolló una arquitectura de red neuronal profunda para mejorar la calidad de la reconstrucción de imágenes. Esta nueva red neuronal profunda no entrenada incorpora la regularización de la variación total para aumentar el contraste y tiene en cuenta el amplio ancho de banda espectral de la fuente.
A diferencia de los métodos tradicionales de reconstrucción computacional que requieren datos de entrenamiento, esta red neuronal elimina la necesidad de entrenamiento al incorporar un modelo físico dentro del algoritmo. Además de la reconstrucción de imágenes holográficas, la red neutral también ofrece recuperación de espectro de fuente ciega a partir de un único patrón de intensidad difractada, lo que marca un cambio radical con respecto a todas las técnicas anteriores de aprendizaje supervisado.
