据麦姆斯咨询报道，近期，首尔大学（Seoul National University）工学院的研究人员开发出一种光学设计技术，利用超构表面（metasurfaces）显著减小了基于折叠透镜系统的摄像头体积。
研究人员通过在玻璃基板上集成超构表面，使光线可以以折叠的方式在玻璃基板中反射和移动，研究人员实现了厚度为0.7毫米的透镜系统，比现有的智能手机折叠透镜系统轻薄很多。这项研究得到了三星未来技术发展计划和信息通信技术规划与评估研究所（IITP）的支持，相关成果以“Metasurface folded lens system for ultrathin cameras”为题，发表在Science Advances期刊上。
左图：传统的智能手机透镜模块与本项研究开发的超构表面透镜模块的厚度比较；中图：超构表面纳米加工的显微图像；右图：组成超构表面的纳米结构的SEM图像。
传统的摄像头设计是堆叠多个玻璃透镜以便在拍摄图像时折射光线。虽然这种架构可以提供出色的高质量图像，但每个透镜的厚度以及透镜之间的宽间距增加了摄像头的整体体积，使其难以应用于需要超紧凑摄像头的设备，例如虚拟现实（VR）和增强现实（AR）设备、智能手机、内窥镜、无人机等。
超薄摄像头
为了解决上述限制，首尔大学研究人员开发出一种结合超构表面的新型透镜模块以实现超薄摄像头。超构表面能够逐个像素精确控制光的三个属性：强度、相位、偏振，并将传统透镜系统的厚度减少了不到一半。
基于超构表面的下一代超薄摄像头示意图
组成超构表面的纳米结构以几百纳米的周期排列。据研究人员介绍，通过设计针对特定波长（852 nm）优化的超构表面，并在玻璃基板上水平排列多个薄片，光可以在基板内部反射多次，从而以折叠方式高效地确保光路。研究人员提出了一种微型摄像头的架构——使用薄型折叠透镜模块系统来调整光路，从而捕捉光学图像。
该超薄摄像头不仅克服了传统厚透镜模块的物理限制，而且还提供了卓越的图像质量。这是因为它在仅0.7毫米厚的小系统占用空间内提供了10度视场角，并在f/4光圈和852 nm波长下提供接近衍射极限的高分辨率图像。
“这项研究通过引入光学超构表面器件，创新性地降低了摄像头的厚度，提供了具有创造性的突破。”研究论文第一作者Youngjin Kim表示，“我们将继续研究，引领超构表面摄像头的轻薄创新，使其具有出色性能和成本优势——通过半导体工艺量产制造。”
“我们的研究重点是通过使用超构表面来有效利用镜头空间。”研究论文的共同第一作者Taewon Choi表示，“折叠透镜系统非常轻薄，因此它将在虚拟现实和增强现实行业中发挥重要的作用，因为关键组件的小型化和轻量化至关重要。”
超构透镜利用人工智能实现卓越性能
现代成像系统（例如智能手机、虚拟现实和增强现实设备中使用的成像系统）不断发展，变得更加紧凑、高效和高性能。传统的光学系统依赖于笨重的玻璃透镜，这些透镜存在色差、多种波长效率低和物理尺寸大等局限性。
为了克服这些问题，研究人员开发出一种光学超构表面：超构透镜（metalenses）——由微小纳米结构组成的超薄平面透镜，可以在纳米级操纵光线。超构透镜为光学成像系统的小型化提供了巨大的潜力，但它也面临着自身的挑战，特别是在捕捉无失真的全彩图像方面。
据麦姆斯咨询报道，在最近发表在Advanced Photonics期刊上的一篇论文（Deep-learning-driven end-to-end metalens imaging）中，研究人员介绍了一种创新的、深度学习驱动的端到端超构透镜成像系统，克服了许多上述限制。该系统将量产的超构透镜与深度学习驱动的专用图像恢复框架匹配。通过将先进的光学硬件与人工智能（AI）相结合，该研究团队实现了高分辨率、无像差、全彩色成像，同时保持了超构透镜所承诺的紧凑外形。该超构透镜采用纳米压印光刻技术制造，这是一种可扩展且经济高效的方法。
深度学习驱动的端到端超构透镜由具有任意旋转角度的纳米结构阵列组成，可以生成高质量的图像
本项研究的超构透镜旨在有效地聚焦光线，但与大多数超构透镜一样，由于与不同波长的光相互作用，会产生色差和其它失真。为了解决这些问题，研究人员采用经过训练的深度学习模型，从而可以识别和校正超构透镜造成的颜色失真和模糊。这种方法是独一无二的，因为它从大量图像数据集中学习，并将这些校正应用于成像系统捕获的图像。
图像恢复框架使用对抗性学习，其中两个神经网络一起训练。一个网络生成校正后的图像，另一个网络评估其质量，推动系统不断改进。此外，位置嵌入（positional embedding）等先进技术可帮助模型了解图像失真如何根据视角发生变化。
该超构透镜成像系统产生的图像可与传统笨重玻璃透镜摄像头产生的图像相媲美，但体积更小、效率更高。这项创新技术有可能彻底改变广泛的行业，从智能手机和平板电脑到VR和AR头戴式设备。
论文通讯作者Junsuk Rho（韩国浦项科技大学教授）称：“这种深度学习驱动的超构透镜成像系统标志着光学领域的重大进步，为在不牺牲成像质量的情况下创建更小、更高效的光学成像系统提供了一种新途径。”
