伯克利团队在《自然·光子学》扔出一枚深水炸弹：大规模压缩显微。
48颗图像传感器排成阵列，配一片相位掩模板和压缩感知算法。 120帧/秒，3微米分辨率，超5平方厘米视场，数据吞吐每秒252亿像素。
过去显微镜有个死结：看得快、看得广、看得细，只能三选二。 空间带宽积的物理天花板，压了工程师几十年。
伯克利这次没去硬顶天花板，而是把传感器之间的“缝隙”这个死穴，变成了信号编码的跳板。
传感器间隙，成了天然编码器
硬件上，48个传感器做成信用卡大小的阵列，物理间隙不可避免，光会从缝隙漏掉。
他们没去死磕无缝拼接，而是在光路里插入一片精心设计的相位掩模板。 这块玻璃把将要漏掉的光，“拐带”到相邻传感器上。
打到阵列上的不再是原始图像，而是一幅经过衍射编码、混叠了间隙信息的压缩图。 最后用压缩感知算法解逆问题，把信息高保真重建。
这一手还附赠一个彩蛋：免校准。 论文共同作者顾朝迎说得很直白——免校准的能力，可能是未来成像系统规模越做越大的关键配方。
▲ 几十条秀丽隐杆线虫在大于5平方厘米的视野中自由移动的轨迹（按时间着色）。图片来源：加州大学伯克利分校
实测中，他们让几十条秀丽隐杆线虫在超5平方厘米的“广场”乱爬，120帧每秒连拍15秒。 重建的视频里，不仅能追踪每条虫的轨迹，连它们咽部泵吸的细微动作都一清二楚。
时空带宽积跃升一个数量级
这不是凭空冒出来的，而是一场计算成像的接力赛。
2019年，清华戴琼海院士团队的RUSH显微镜，用光场和深度学习在1平方厘米视野实现0.8微米分辨率、30帧速率，数据吞吐每秒51亿像素，当时已经惊艳世界。
之后，西安光机所把压缩感知和条纹相机结合，斩获飞秒级时间分辨率；之江实验室在光计算和智能重建上堆出极高通量。
伯克利这次，直接把时空带宽积推到每秒252亿像素的新高度。 秘诀就一条：把阵列的缺陷，变成了编码的优势。
落地不止是看虫子
同时拥有厘米级全局视野和微米级分辨，价值远超出生命科学。
脑科学中，全脑透明化组织的介观成像，过去靠机械扫描拼图，现在可能一镜到底。 半导体检测上，大尺寸晶圆的亚微米缺陷，不用来回切换镜头，一次曝光、计算复原，速度和通量指数级暴涨。 数字病理里，传统扫描仪扫一张大切片要几分钟，计算重构的路子若跑通，实时阅片就不再是梦。
▲ 研究人员大规模压缩显微镜概览。（a）成像系统使用工程化衍射光学元件在像平面生成分布式的多点扩散函数（PSF）。图像由排列成网格的48个传感器阵列捕获，传感器之间存在间隙。（b）系统前向模型是与PSF的掩模卷积，对通常会落在间隙区域的图像部分进行压缩编码。然后通过计算逆问题恢复全尺度图像。图片来源：加州大学伯克利分校
中国的三张牌已摆上桌
这条路线要走出实验室，靠的是传感器、光学加工和算法算力的全链条支撑。 这恰恰是中国最熟悉的战场。
第一张牌，传感器与光学制造。 高灵敏sCMOS芯片，豪威科技等国内企业已猛攻多年，把48路甚至更多传感器的成本打到工程可接受区间，我们比谁都有现实感。 长春光机所、成都光电所的自由曲面和衍射光学元件精加工能力，让相位掩模这类核心器件完全可自主供应。
第二张牌，算法和算力。 压缩感知的理论地基里，陶哲轩等人的突破早已成为全球工具箱，而中国学者在稀疏重建、深度学习去噪上的论文占比极高。 面对每秒两百多亿像素的数据洪流，国产AI加速卡和超算正好扛得住实时反解。
第三张牌，路线验证与先发布局。 戴琼海团队后续拓展的扫描光场显微，同样强调通过计算压缩后解码。 国内多所高校在“多传感器计算成像”上的布局，正从单板阵列向更大规模、可重组构型演进。
伯克利这次亮出的，是“不跟物理瓶颈死磕”这条路线的一次极致露脸。
本质上，就是通过联合设计硬件的散射与软件的逆解，把丢失的信号重新找回来。 一旦成熟，显微镜就不再是光学镜头的独角戏，而是一套计算成像系统。
中国在传感器阵列、AI重建和光学加工这三个关键位点已全数卡位，绝不是旁观者。
下一步，当更大规模的国产传感器阵列接入大模型推理，去实现更复杂活体的动态解析，原本在实验室惊艳的“看得广、看得细、看得快”，将直接变成生命科学和高端制造流水线上的日常手段。
到那时，这场接力赛的下一棒，必定由我们递出。
— 感谢阅读 · 欢迎点赞关注 · 科学剃刀 —
蜀商证券提示：文章来自网络，不代表本站观点。
- 上一篇：睿新策略 双平台上线激活乡村资源！广州喊你来当都市农业“合伙人”
- 下一篇：没有了
相关文章
沪深京行情 实时轮播
推荐资讯