超越分辨率-灵敏度约束的超表面光谱仪
机器学习
2024-03-01 v1 人工智能
机器学习
摘要
光谱学在科学研究和工业领域发挥着 essential 作用,用于非接触材料分析。然而在考虑低光强应用时,传统光谱仪设计需要在分辨率和灵敏度之间进行权衡,尤其当器件和探测器尺寸缩小时。本文报道了一种可缩小的光谱仪平台,通过增加分辨率来增强探测器上的光通量。该平面、兼容CMOS的平台基于设计表现出光子常规束态的超表面编码器,通过调整几何参数可简单地改变或扩展 operational range。该系统可将光子收集效率提高两个数量级,我们通过 ultra-low-intensity荧光和天体光谱学演示了这一灵敏度优势。该工作为光谱仪实用实用性的进一步发展,为集成、基于芯片的设备提供了一条在不要求 prohibitively长积分时间的情况下保持高分辨率和信噪比的途径。
引用
@article{arxiv.2402.18995,
title = {Negative-Binomial Randomized Gamma Markov Processes for Heterogeneous Overdispersed Count Time Series},
author = {Rui Huang and Sikun Yang and Heinz Koeppl},
journal= {arXiv preprint arXiv:2402.18995},
year = {2024}
}