メタサーフェスを用いた凸/深層（CODE）小データ学習理論によるスナップショットハイパースペクトルイメージング

ハイパースペクトルイメージングは材料識別に不可欠ですが、従来のシステムは大きく、コンパクトなシステムの開発を妨げています。以前のメタサーフェスは体積の問題に対処していましたが、複雑な製造プロセスやかなりのフットプリントの要求が依然としてその応用を制限しています。本研究では、メタオプティクスと小データ凸/深層（CODE）深層学習理論を組み合わせたコンパクトなスナップショットハイパースペクトルイメージャーを報告します。私たちのスナップショットハイパースペクトルイメージャーは、可視ウィンドウ（500-650 nm）で動作する1つの多波長メタサーフェスチップのみで構成されており、デバイス面積を大幅に削減します。ハイパースペクトルイメージャーの高性能を示すために、4バンドマルチスペクトルイメージングデータセットを入力として使用します。CODE駆動のイメージングシステムを通じて、わずか18データポイントを使用して高忠実度の18バンドハイパースペクトルデータキューブを効率的に生成します。多共鳴メタサーフェスと小データ学習理論の優雅な統合が、基礎科学研究や実世界の応用のための低プロファイル先進機器を可能にすると期待しています。