角谱编码单次激发超快摄影

《Light-Science & Applications》：Angular spectrum-encoded single-shot ultrafast photography

　　

捕获超快时间尺度上的瞬态事件需要高达每秒万亿帧（Tfps）的成像速度。然而，现有领先方法，包括基于压缩传感（CS）的摄影、时间分辨阴影摄影及其他主动式方法，均受限于体积庞大的光学元件、高昂成本以及需要重复测量等瓶颈。本研究提出角谱编码单次激发超快摄影（Angular Spectrum-Encoded Single-Shot Ultrafast Photography, ASUP）。ASUP将啁啾脉冲探针的时间-波长映射与色散编码角谱信息相结合。后者的实现依赖于一种多层介质薄膜光子芯片，该芯片通过深度Q网络（Deep Q-Network, DQN）强化学习（RL）框架进行逆向设计。此芯片实现了像素级编码，且无需笨重的色散光学元件。随后，采用嵌有Transformer模块的增强残差卷积神经网络（Enhanced Residual Convolutional Neural Network with Transformer blocks, ERCNN）对测量数据进行解码，以重构高保真度的超快动力学过程。实验表明，ASUP在单次曝光下实现0.83 Tfps的成像速度并获得六帧图像，成功捕获了金属薄膜中皮秒激光诱导损伤及等离子体动力学过程。ASUP在保持紧凑、高度集成和成本优势的同时，性能可与最先进的超快摄影技术相媲美，克服了现有超快成像的关键局限，为高速光学诊断、激光-物质相互作用及瞬态现象研究提供了一种可扩展的解决方案。

## 一、研究背景与核心问题

超快成像技术对于探索极端物理、化学及生物事件具有重要意义。非线性效应、光化学、激光诱导等离子体、荧光与白炽发光、微生物放电动力学以及激光微纳加工等瞬态现象的研究，均需要每秒万亿帧（Tfps）量级的成像速度。然而，传统硅基传感器（CCD或CMOS）的物理响应时间存在根本性限制，远无法满足如此高的帧率需求。为突破传统传感器的桎梏，研究人员发展了多种超快成像技术，包括Burst相机、旋转镜相机、原位存储图像传感器以及条纹相机等，这些技术虽能达到每秒十亿帧（Gfps）至Tfps量级的帧率，但均存在视场受限、空间分辨率不足、硬件笨重及成本高昂等缺陷。

随着超快脉冲激光技术的发展，主动式超快成像方案应运而生，如时间拉伸成像（Time-Stretch Imaging）和泵浦-探测方法（Pump-Probe Methods）。时间拉伸成像将空间信息转换为时间轮廓以进行顺序帧采集，但其帧率受限于激光重复频率；泵浦-探测成像虽可实现飞秒级时间分辨率，但需要重复测量，本质上无法适用于爆炸冲击波或 rogue waves 等非重复性或随机性事件。近年来，单次激发超快摄影（Single-Shot Ultrafast Photography）作为变革性解决方案崭露头角，代表性技术包括压缩超快摄影（Compressed Ultrafast Photography, CUP）、UV-CUP、T-CUP和CUST等，这些技术利用编码稀疏采样和压缩感知实现了Tfps成像速度。然而，对专用硬件的依赖仍然限制了其普适性。与此同时，基于光学编码策略的主动式单次激发方法也取得了显著进展，包括光谱帧分离技术（STAMP、SF-STAMP、LA-STAMP）、傅里叶空间滤波（FRAME、TSFM）、偏振编码（PUMP、WPMSI）、基于相位匹配的时间-空间映射（FINCOPA）、空间域复用（FTOP）以及角编码（FDT、LIFT）等。尽管这些方法各具特色，但仍需笨重的色散光学元件、衍射元件、微透镜阵列或阶梯光栅，阻碍了向紧凑光子平台集成的小型化进程。

上述挑战凸显了发展同时满足紧凑性、可扩展性、成本效益以及Tfps级单次激发捕获能力的超快成像技术的迫切需求。有鉴于此，研究人员提出并实现了角谱编码单次激发超快摄影（ASUP），该紧凑式超快成像技术在单次曝光下实现六帧成像，帧率达0.83 Tfps，向芯片级超快诊断迈出了重要一步。

## 二、关键技术方法

ASUP采用主动探测方案，利用啁啾脉冲色散与时间编码的内在相互作用实现多帧瞬态成像，核心技术方法包括三个层面：（1）基于深度Q网络（DQN）强化学习框架逆向设计的多层介质薄膜光子芯片（Multilayer Optic Chip, MOC），该芯片具有角度依赖的光谱响应特性，能够以单一薄膜结构在像素级别编码探针光的角谱信息；（2）啁啾光纤布拉格光栅（Chirped Fiber Bragg Grating）对锁模飞秒激光进行脉冲拉伸，将其展宽为皮秒量级的啁啾脉冲探针，实现时间-波长映射，即不同波长成分对应不同的时延；（3）增强残差卷积神经网络嵌Transformer模块（ERCNN）用于解码编码后的角谱信息，重构原始光谱信息，实现超快动态事件的高保真度重建。

## 三、研究结果

### 设计原理与模拟结果

研究首先从理论层面建立了ASUP的物理框架。当超短锁模脉冲中的不同波长λ通过色散介质时，以不同速度传播，导致脉冲逐渐时间拉伸。当总群延迟色散（Group Delay Dispersion, G〈D〉）显著超过初始脉冲持续时间平方（t₀²）时，即处于时间菲涅尔域（Temporal Fraunhofer Regime），输入光谱被直接映射到输出时间波前。角谱A(k_x, k_y)代表入射电场E_in(x,y)在傅里叶空间中分解为一系列平面波，各分量由横向波矢量(k_x, k_y)表征，主要取决于入射角θ。当该场通过光子芯片时，芯片施加由光学传递函数t(k_x, k_y)描述的空间滤波效应，选择性透过或抑制特定角分量，从而实现角选择性。

为实现MOC的最优角度依赖特性，研究人员采用DQN方法对多层薄膜结构参数进行逆向设计优化。在该框架中，多层薄膜的状态（材料排布与厚度）构成状态空间S，输入强化学习模型获得奖励值R，根据奖励导出的动作价值函数Q选择不同决策策略。TMM-Fast仿真环境与DQN智能体在Gym环境中交互，采用ε-贪婪策略平衡探索与利用。通过迭代更新最小化损失函数，获得最优多层薄膜结构。模拟结果显示，MOC的透射特性在不同偏振态下呈现清晰的波长-波矢量依赖关系，后焦面（Back Focal Plane, BFP）图像在不同波长处表现出显著差异，每个像素具有独特的光谱编码。ERCNN模型对2 nm带宽光谱的重建结构相似性指数（SSIM）达0.962，决定系数R²达0.987；对随机宽带光谱重建的SSIM达0.968，R²达0.991，证实了像素级光谱信息获取能力。

### 多层光子芯片的制备与表征

研究人员采用离子束沉积法制备MOC，器件结构参数见补充信息。为实验验证概念并定量评估光谱重建与成像能力，构建了可获取BFP图像和光谱分辨重建图像的成像装置。所用光源为超连续激光光源配合声光可调谐滤波器（Acousto-Optical Tunable Filter, AOTF），覆盖400-2400 nm宽带范围。实验测得的BFP图像与模拟结果高度吻合，确认了MOC的角度依赖色散特性及波长选择性角谱编码能力。经ERCNN解码后，预测光谱与商用光谱仪测量结果强烈一致，SSIM为0.912，R²为0.937，光谱分辨率达4 nm。以分辨率测试靶（USAF1951）替代反射镜后，重建光谱图像显示空间分辨率约100 μm，该空间-光谱保真度对于捕获超快成像应用中的瞬态现象至关重要。

### ASUP超快动力学成像

在超快激光辐照下，金属中自由电子迅速吸收光子能量并被高度激发，随后通过电子-声子相互作用将能量传递给晶格，这一电子-晶格能量交换构成独特的热弛豫机制。经自相关仪测量，拉伸后脉冲持续时间约6 ps。激光束经半波片和布儒斯特角偏振器分束为探针光和泵浦光，探针光进入ASUP模块进行主动式超快成像，泵浦光经透镜聚焦到金薄膜上诱导激光-物质相互作用。通过光延迟线将两束光之间的时间延迟最小化至约15 ps，确保同步并有效捕获激光诱导损伤动力学。

探针光谱由商用光谱仪记录，半高全宽为25 nm。为重构光谱分辨超快图像，在激光带宽内选取1020 nm、1025 nm、1030 nm、1035 nm、1040 nm和1045 nm六个代表性波长，这六个光谱切片用于生成激光-物质相互作用的六个时间不同帧。六帧映射在6 ps时间窗口内，通过线性光谱-时间编码，有效时间分辨率达每帧1.2 ps，超快成像帧率为0.83 Tfps。

单脉冲能量密度0.2 J/cm²条件下，六帧重建序列捕获了激光诱导损伤动力学，观察到的演化与经典双温模型（Two-Temperature Model, TTM）预测结果合理一致。此外，研究人员还记录了激光辐照诱导的等离子体产生动态过程，展示了银薄膜受激光激发产生的羽流波前演化。

## 四、讨论与结论

ASUP被确立为一种紧凑、高性能的成像范式，能够在单次曝光下以0.83 Tfps的成像速度解析六帧瞬态事件，兼具皮秒级时间分辨率、光谱保真度（4 nm光谱分辨率）和空间分辨率（100 μm）。与依赖笨重色散光学元件、条纹相机或重复泵浦-探测测量的传统超快成像系统不同，ASUP在纳米结构多层光子芯片内实现像素级角谱编码，并通过嵌有Transformer模块的神经解码器重建超快动力学。

与现有单次激发超快摄影平台相比，主动复用方案（如STAMP、FINCOPA等）和被动条纹相机或压缩感知方法（如CUP、T-CUP等）各有所长，但通常伴随光学复杂度增加、仪器笨重或专用探测器等固有权衡。ASUP采用芯片级设计策略，将时间编码和角色散集成于单一多层介质元件中，强调架构简洁性、紧凑性和可扩展性，而非单一指标最大化，从而补充了现有超快成像系统，指向更可部署和集成的单次激发超快摄影实现方式。

ASUP的性能可归因于混合物理-计算框架，其中确定性光学编码与数据驱动重建相结合。MOC提供物理基础的角谱编码，该编码过程确定且可校准；DQN强化学习作为高效优化工具导航薄膜堆叠的大尺度非凸参数空间；神经网络作为数值反演工具将编码BFP图像映射为光谱强度，残差卷积架构与注意力机制分别捕获局部特征和增强全局一致性。

当前帧深度受探针带宽和解码保真度所需光谱切片宽度的限制，但这并非角谱编码机制的内在局限。扩展探针带宽可直接扩展可达时间窗口和帧数，半导体超快反射率动力学和波长分辨生物图像的初步结果表明了更广泛的适用潜力。空间分辨率主要受成像光学数值孔径和BFP图像有限采样的联合约束，可通过增大数值孔径和探测器采样来改进。ASUP作为依赖啁啾探针确定性时间-波长映射的主动式技术，适用于探针波长保持不变的振幅或相位调制过程，而荧光或拉曼散射等非弹性发射因缺乏与探针波长的固定时间对应关系，暂无法直接适用。

综上，ASUP代表了向芯片级超快诊断迈出的重要一步，其角谱编码范式具有可扩展性和可扩展性，为未来增加帧深度、拓展应用范围和提升分辨率提供了清晰路径。