超越RGB能力的视觉：基于深度学习的等离子体纳米结构宽带光谱外推

局部表面等离子体可以在与原子和分子尺度相当的深亚波长体积内约束光，实现对近场变化的极高灵敏度响应。然而，这种极端局域化也不可避免地放大了来自局部形貌不完美处噪声的影响，导致复杂的光谱变化并降低了等离子体纳米结构之间的一致性。寻找均匀的光学响应长期以来一直是纳米等离子体学中的热门目标。然而，传统的暗场共聚焦显微技术（如图像分析或光谱测量）在准确性和耗时方面往往不足。本文引入SPARX，一种基于深度学习的范式，超越传统成像和光谱能力。具体而言，SPARX能够从信息受限的RGB图像（即低于700 nm）中批量预测大范围暗场光谱（例如500-1000 nm）的等离子体纳米结构。通过学习多阶光学共振之间的内在物理关系，实现超出相机捕获能力的外推推断。所需的光谱预测仅需毫秒级，相较于传统光谱获取（需小时甚至数天）提升了三个到四个数量级。作为原理演示，SPARX在筛选相同共振时所达到的选择准确率可与传统光谱技术相媳美。该突破为实现一致的等离子体应用和下一代显微技术铺平了道路。