液体折射率的测量在农业、食品和饮料、医药等许多领域都有很高的需求。然而，传统的椭圆偏振折射率测量对于消费类设备来说过于昂贵和劳动密集型，而阿贝折射率测量仅限于单一波长的测量。
近日，浦项科技大学Junsuk Rho团队提出了一种新的方法，利用机器学习来释放比色超表面的潜力，用于实时测量整个可见光谱上液体的色散折射率。进一步展示了测量葡萄糖浓度的概念验证实验平台，这对无创医学传感具有深远的影响。设计并制作了高折射率介电超表面，并通过显微镜和标准智能手机实验测量其反射率和反射颜色，用于训练深度学习模型，以提供分辨率为≈10^−4的色散背景折射率测量值，这与用椭偏仪测量的已知折射率相当。这些结果显示了利用机器学习实现超表面独特光学特性的潜力，为液体色散折射率的快速、简单和高分辨率测量创造了一个平台，而不需要高度专业化的专家和光学程序。研究成果以题为“Artificial Intelligence-Enhanced Metasurfaces for Instantaneous Measurements of Dispersive Refractive Index”发表于《Advanced Science》上。
图1：利用机器学习增强超表面的折射率(n)测量系统的概念。
图2：利用反射光谱测量折射率的实验结果。
图3：从显微镜图像的RGB通道测量折射率的实验结果。
图4：基于AI增强超表面的葡萄糖浓度传感系统的应用。
文章信息：
https://doi.org/10.1002/advs.202403143
点击文末“阅读原文”链接至文章页面。
声明：本文旨在传递更多科研资讯及分享，仅供个人学习、参考、学术交流使用，不作为商业用途，文中所引用文献已指明作者及来源。由于水平有限可能存在解读不准确，如涉及知识产权保护或其他问题联系微信metamaterials2021或邮箱metamaterials2021@163.com，我们将尽快协调处理。
