今日、スマートフォンのカメラはメガピクセルの時代に入り、細部まで鮮明な画像を撮影できるようになりました。しかし、果物の糖度を非破壊検査したり、肌の健康状態を評価したり、環境中の微量汚染物質を特定したりするなど、専門的な分光計のように物質の化学組成を分析することはまだできません。このギャップを埋める鍵は、スマートフォンなどのデバイスに、物質固有の「スペクトル指紋」を正確に読み取ることができるコアコンポーネント、つまり分光計が欠けていることにあります。

従来の分光計は材料分析にとって重要なツールです。その動作原理は、複合光を異なる波長のスペクトルに分離し、特徴的なスペクトル線を通じて物質の組成を識別することです。しかし、これらの機器は一般的に格子やプリズムなどの分散素子に依存しており、波長を分離するために十分な光路長が必要となるため、小型化が根本的に制限されます。小型モデルであっても、サイズは200cm²程度になることがよくあります。携帯型検出機器やウェアラブル医療機器の需要が高まる中、高性能とチップスケールの寸法を兼ね備えた分光計の開発は、喫緊の技術課題となっています。

これにより、重要な矛盾が生じます。小型化を達成するには、従来の分散構造を放棄する必要がありますが、分散構造がなければ、スペクトル情報をどのように取得できるでしょうか?

この問題に対応して、カリフォルニア大学の研究チームが革新的な解決策を提案した。標準的なシリコンフォトダイオードの表面に特殊な光子捕捉テクスチャ構造（PTST）を設計し、ノイズ耐性に優れた全結合型ニューラルネットワークを導入しました。このネットワークは、デバイスで測定された光電流信号から元のスペクトルをインテリジェントに計算し、直接再構築することができます。この方法により、分光計はより長い波長でより高い信号対雑音比を実現できるだけでなく、全体的な性能も従来のシリコンベースの分光計を上回ります。これは AI 強化スペクトルセンシングにおける重要な前進であり、これまでは大規模システムでしか実現できなかった高いスペクトル忠実度をコンパクトなハードウェアで実現できるようになります。

「拡張近赤外線感度を備えたシリコン プラットフォーム上の AI 強化光子トラッピング分光計チップ」と題された関連研究成果が、Advanced Photonics に掲載されました。

研究のハイライト:

* この研究では、ノイズ耐性のある完全接続ニューラル ネットワークを使用してスペクトル再構成の逆問題を解決し、16 ～ 32 個のフォトダイオードのみを含むコンパクトなハードウェアで、従来の大規模なシステムに通常必要とされる高いスペクトル忠実度を実現できるようにします。

* この研究は、ディープラーニングを使用したインテリジェントな再構築と組み合わせることで、長波長領域でのシステムの信号対雑音比を 30 dB 以上改善し、従来のシリコンベースの分光計の 950 nm 検出限界を突破しました。

* 本研究で開発された集積システムは、0.4 mm²という超小型サイズ、57 psの超高速応答、7000を超える高ゲイン、40 dBのノイズ耐性を特徴としています。その実用的価値は、バタフライハイパースペクトルイメージングによって検証されています。

用紙のアドレス:
https://doi.org/10.1117/1.AP.8.1.016008
弊社の公式 WeChat アカウントをフォローし、バックグラウンドで「PTST」と返信すると、完全な PDF を入手できます。

AIフロンティアに関するその他の論文: 

https://hyper.ai/papers

640～1000nmの範囲に焦点を当て、16種類の異なる光子捕捉表面構造が再構築に使用されました。

開発されたオンチップ分光計のハイパースペクトルイメージングにおける実際の性能を検証するために、本研究では、公開されている蝶のハイパースペクトルデータセットをテスト対象として選択しました。このデータセットは、420〜1000nmの波長範囲をカバーし、59個のスペクトル チャネル（スペクトル間隔 10nm）が含まれています。これは、512×512 ピクセルの空間解像度を持つ 3 次元ハイパースペクトル画像の立方体の形で提供されます。

実験的に作製したデバイスの外部量子効率応答は、データ取得範囲において主に640～1000 nmの範囲に集中しているため、本研究では、この波長帯における異なる光子捕捉表面構造（PTST）を持つ16個のフォトダイオードのスペクトル応答を用いて再構成を行った。まず、元のデータセットを640～1000 nmの範囲内で1 nm間隔で配置した361個の波長点に補間し、次にフォトダイオードのシミュレーションによるスペクトル応答と結合して、対応する光電流データを生成した。最後に、このデータを学習済みのニューラルネットワークモデルに入力し、ハイパースペクトル画像を再構成した。

ネットワークの学習フェーズでは、ピーク値と幅が異なる50万以上のガウススペクトルを含む合成データセットが使用され、独立した検証セットを用いてモデルのパフォーマンスが評価されました。下図に示すように、研究者らは、640～1100 nmの近赤外帯域における16個のフォトダイオードの実験的スペクトル応答に基づいて再構成されたハイパースペクトル画像が、視覚的にグラウンドトゥルース画像と非常によく一致していることを発見しました。

評価をさらに定量化するため、本研究では画像から代表的な2つのピクセル（上の画像でそれぞれ赤と青のボックスでマーク）を選択し、スペクトル比較を行いました。下の画像に示すように…再構成されたスペクトルは実際のスペクトルとよく一致し、赤外線帯域における蝶の色素の反射特性の変化を正確に捉えています。

AI強化型光子捕捉オンチップ分光計の構築

本研究におけるスペクトル再構成の中核は、フォトダイオードアレイで測定された光電流信号から未知の入射スペクトルを導出する、特別に設計された全結合ニューラルネットワークです。これは本質的に逆問題を解くプロセスです。検出器のスペクトル応答の重なりにより、システム応答行列は悪条件となり、従来の直接逆変換法は不安定になり、ノイズの影響を受けやすくなります。しかし、ニューラルネットワークは、測定信号から元のスペクトルへのロバストなマッピングを確立することを学習できるだけでなく、ノイズ除去と正則化の機能を自然に備えています。

ネットワーク アーキテクチャは、入力層、4 つの隠し層、および出力層で構成されます。入力層は 16 個のフォトダイオードから光電流信号を受信します。出力層は再構成されたスペクトルデータを直接出力します。隠れ層はReLU活性化関数を用いて非線形性を導入し、出力層は線形活性化関数を用います。ネットワークサイズ（ニューロン数）は、スペクトルデータの複雑さに基づいて特別に最適化されています。トレーニングでは、500,000 を超えるシミュレートされたスペクトルを含む大規模な合成データセットが使用されました。これらのスペクトルは、モデルが広範囲のスペクトル形態を学習できるように、さまざまなピークと幅を持つガウス曲線で構成されています。

学習戦略として、研究者らはPyTorchフレームワークに基づいて実装されたAdamオプティマイザーを使用しました。様々な損失関数をテストした後、最終的に、二乗平均平方根誤差（RMSE）とピアソン相関係数（R）を組み合わせたカスタム損失関数が選択されました。この関数は、鋭いピークを持つ狭帯域スペクトルの再構成に特に効果的であることが証明されました。具体的には、学習バッチサイズは32、学習率は0.001に設定されました。研究者らはモデルを 1,000 エポックにわたってトレーニングし、その後 600 エポック目以降は学習率を 0.0001 に下げて、モデルの収束性を高めました。過学習を防ぐため、学習中に早期停止が行われました。下の図に示すように、学習損失と検証損失はともに急速に減少し、最終的に収束しました。これは、モデルが適切に学習し、高い汎化能力を備えていることを示しています。

このニューラルネットワークの性能を検証するため、研究者らは2つの従来の再構成手法と比較しました。下図に示すように、単純な擬似反転法と、スペクトルに対する基底関数（ガウス関数や正弦関数など）の線形結合法はどちらも、狭線幅レーザースペクトルの再構成において性能が悪く、RMSEは約0.12、相関係数Rは約0.63でした。

対照的に、ニューラル ネットワークは、鋭いスペクトル特徴を正確に捉えることができます。RMSEは0.046に大幅に減少し、相関係数Rは0.87に増加しました。この結果は、ニューラルネットワークがこのような逆問題を解く上で優れていることを明確に示しています。ニューラルネットワークは、高い再構成精度を実現するだけでなく、固有の学習特性によりノイズ干渉に対しても堅牢です。

0.4 mm²で8ナノメートルのスペクトル分解能が達成されました。

AI強化オンチップ分光計の性能を完全に検証するために、本研究では、スペクトル再構成におけるニューラルネットワークモデルの中核的役割とその実際の性能の評価に焦点を当てた一連の実験を実施しました。

まず、研究者らは狭帯域レーザーを用いてシステムのコアとなる検出機能を試験しました。実験の結果、光子捕捉表面構造を組み込んだフォトダイオードは、640～1100nmの波長域、特に長波長近赤外領域において、感度と信号対雑音比が大幅に向上することが示されました。重要なのは、これらの検出器アレイの応答を学習済みのニューラルネットワークに入力することで、システムがレーザースペクトルを正確に再構築できたことです。再構成に関係する検出器の数が 16 を超えると、再構成されたスペクトルと基準の真の値との平均誤差は 0.05 未満に低下し、相関係数は 0.85 を超えます。これにより、ハードウェアが提供する独自のスペクトルエンコーディングと AI アルゴリズムの分析機能が効果的に連携して高精度の測定を実現できることが証明されました。

ノイズ耐性は、再構成アルゴリズムの性能評価において極めて重要です。本研究では、実際の測定データに高強度の模擬ノイズを積極的に追加することで、システムの堅牢性を検証します。その結果、最大40dBの追加ノイズがあっても、ニューラルネットワークモデルは、約30dBの出力S/N比を維持しながら、識別可能なスペクトルプロファイルを安定的に再構成できることが示されました。これは、ノイズ下で性能が著しく低下する従来の手法とは対照的です。これは、採用されているニューラル ネットワークの強力な固有の正規化機能とノイズ抑制機能を強調しています。これが実用価値を実現するための鍵となります。

複雑な問題解決能力をさらに実証するため、本研究ではこのシステムをハイパースペクトルイメージングタスクに適用しました。学習済みニューラルネットワークを用いることで、オープンソースの蝶のデータセットから、16個の検出器の応答のみを用いて512×512ピクセルのハイパースペクトル画像キューブを再構成することに成功しました。最後に、研究者らは平均二乗誤差（MSE）と構造類似性指数（SSIM）を用いて、全体的な再構成精度を定量的に評価しました。再構成波長全体において、平均MSEは2.3×10⁻⁴と低く、平均SSIMは0.9926と高くなりました。これは、システムが非常に高いスペクトル忠実度を備えていることを示し、AI が最小限のハードウェア情報から複雑な高次元スペクトル空間情報をデコードして再構築できることを証明しています。「点スペクトル」から「スペクトルイメージング」への飛躍が完了しました。

最終的に、このAI強化分光計は、チップスケール（0.4 mm²）において、8ナノメートルのスペクトル分解能、50 dBのダイナミックレンジ、そして実用的な信号対雑音比30 dBを達成しました。横並びの比較では、インテリジェントなアルゴリズムと高度なフォトニクスハードウェアを融合したこのシステムは、全体的な性能においてほとんどの類似の小型ソリューションを凌駕しており、インテリジェントなスペクトルセンシングの実用化に向けた確かな一歩を踏み出したことを示しています。

小型スペクトルセンシング：現状と未来

小型化とインテリジェントスペクトルセンシングは、世界的な科学研究と産業革新の最前線となりつつあります。近年、トップ大学の基礎研究からテクノロジー企業による応用研究に至るまで、一連の革新的な事例が、実験室レベルのスペクトル分析機能をチップや日常的なデバイスに組み込むことが急速に実現軌道に入っていることを明確に示しています。

学術界では、破壊的なフォトニックチップ設計と人工知能との緊密な連携を通じて、分光計の形状を根本的に変えることに研究の焦点が当てられています。韓国のソウル国立大学の研究チームが、Nature Communications 誌に新たな計画を提案した。プラズマナノ粒子で構成されたマイクロキャビティをフィルターアレイとして使用し、それを機械学習アルゴリズムと組み合わせることで、マイクロメートルスケールでサブナノメートルのスペクトル分解能が達成されました。
論文のタイトル:プラズモニックナノ粒子キャビティマイクロフィルターアレイを備えた小型計算分光計
論文リンク:https://www.nature.com/articles/s41467-024-47487-y

同時に、スイス連邦工科大学ローザンヌ校（EPFL）の科学者たちは、システム統合の別の重要な側面からこの問題に取り組みました。高性能で精密に調整可能なエルビウムドープ導波路レーザーをチップ上に作製することに成功しました。Nature Photonics誌に掲載されたこの画期的な成果は、将来の集積分光システムが安定した高品質のオンチップ光源を期待できることを意味し、完全な「オンチップ実験室」の構築に向けた確かな一歩となります。
論文のタイトル:完全ハイブリッド統合エルビウムベースレーザー
論文リンク:https://www.nature.com/articles/s41566-024-01454-7

業界におけるイノベーションはより市場志向的であり、最先端のテクノロジーを現実世界の問題に対処する製品やソリューションに変換することに重点を置いています。チェコのスタートアップ企業Iron Analyticsは、2025年に世界初のポータブルメスバウアー分光計を発売した。この装置の革新的な点は、重量15kg、長さ70cmの実験室用キャビネット型装置を、コカ・コーラ缶サイズのポータブルデバイスへと小型化することに成功した点にあります。これは、小型分光技術が消費者向けの好奇心を満たすツールから、産業の核心分野へと深く浸透し、生産効率とプロセス制御を向上させる真の生産力となりつつあることを示しています。

結論として、小型化・インテリジェント化が進むスペクトルセンシングのビジョンは、技術的なパズルの各ピースが完成し、徐々に実現に向かっています。しかし、真の「日常生活への組み込み」には、コスト、信頼性、データ解釈の容易さといった現実的な課題が依然として存在します。おそらくそう遠くない将来、スペクトルセンシングモジュールが今日のカメラのように安価かつ確実に大量生産できるようになると、私たちの世界の認識は静かに、しかし深遠な革命を迎えるでしょう。その時、あらゆるものを解釈する「光学指紋」は、もはや研究室だけのものではなく、人々が周囲の環境を理解するためのもう一つの本能となるでしょう。