随着计算机科学的快速发展，包括人工智能、大数据和云计算等，全空间点的生成技术（full-space spot generation）可以成为许多实际应用的关键，例如面部识别、运动检测、增强现实（Augmented Reality）等。这些技术应用可以通过以下方式实现：使用衍射光学元件（Diffractive Optical Elements, DOE）或者光检测与测距（Light Detection And Ranging, LIDAR）。然而，DOE受到许多固有的限制，例如要求深度控制的制造技术、大厚度（大于波长）、仅在半空间内的朗伯运算（Lambertian operation）等；LIDAR仍然依赖于复杂和庞大的扫描系统，这阻碍了点生成器的小型化。最近，来自武汉大学的郑国兴教授课题组、武汉邮电科学研究院的余少华院士、新加坡国立大学的仇成伟教授、纽约城市大学的Andrea Alù教授以及韩国浦项科技大学的Junsuk Rho教授等人，受朗伯散射体（Lambertian scatterer）的启发，报道了一个厄密共轭（Hermitian-conjugate）的超表面结构，它可以将入射光以压缩的信息密度加载到全空间中的随机点云（cloud of random points）中，在透射和反射空间都能够起作用。实验观察到在全空间中有超过4044个随机点，覆盖了近90°的角度。这里的scrambling超表面由非晶硅制成，具有均匀的亚波长高度、几乎连续的相位覆盖、轻巧灵活的设计和低散热，因此可以兼容现有的半导体制造工艺，设计并集成到现有半导体电子器件中，为新兴的3D识别传感器开辟了重要的研发方向，如运动传感、面部识别和其他应用。相关研究发表在近期的《Light: Science& Applications》上。

文章链接

来源：两江科技评论