Reducen una cámara al tamaño de un grano de sal

El sistema se basa en una tecnología llamada metasuperficie, que está tachonada con 1,6 millones de postes cilíndricos y se puede producir como un chip de computadora. - UNIVERSIDAD DE PRINCETON

   MADRID, 30 Nov. (EUROPA PRESS) -

   Una nueva cámara ultracompacta del tamaño de un grano de sal gorda logra producir imágenes nítidas y a todo color a la par con una lente de cámara compuesta convencional 500.000 veces más grande en volumen.

   Las cámaras de tamaño micro tienen un gran potencial para detectar problemas en el cuerpo humano y permitir la detección de robots súper pequeños, pero los enfoques anteriores capturaron imágenes borrosas y distorsionadas con campos de visión limitados.

   Ahora, investigadores de la Universidad de Princeton y la Universidad de Washington han superado estos obstáculos con el nuevo dispositivo presentado en Nature Communications.

   Habilitado por un diseño conjunto del hardware de la cámara y el procesamiento computacional, el sistema podría permitir una endoscopia mínimamente invasiva con robots médicos para diagnosticar y tratar enfermedades, y mejorar la obtención de imágenes para otros robots con limitaciones de tamaño y peso. Se podrían usar matrices de miles de cámaras de este tipo para la detección de escena completa, convirtiendo superficies en cámaras.

   Mientras que una cámara tradicional utiliza una serie de lentes de vidrio o plástico curvados para enfocar los rayos de luz, el nuevo sistema óptico se basa en una tecnología llamada metasuperficie, que se puede producir de manera muy similar a un chip de computadora. Con solo medio milímetro de ancho, la metasuperficie está tachonada con 1,6 millones de postes cilíndricos, cada uno aproximadamente del tamaño del virus de inmunodeficiencia humana (VIH).

   Cada poste tiene una geometría única y funciona como una antena óptica. Es necesario variar el diseño de cada poste para dar forma correctamente a todo el frente de onda óptica. Con la ayuda de algoritmos basados en aprendizaje automático, las interacciones de las publicaciones con la luz se combinan para producir imágenes de la más alta calidad y el campo de visión más amplio para una cámara de metasuperficie a todo color desarrollada hasta la fecha.

   Una innovación clave en la creación de la cámara fue el diseño integrado de la superficie óptica y los algoritmos de procesamiento de señales que producen la imagen. Esto impulsó el rendimiento de la cámara en condiciones de luz natural, en contraste con las cámaras de metasuperficie anteriores que requerían la luz láser pura de un laboratorio u otras condiciones ideales para producir imágenes de alta calidad, dijo Felix Heide, autor principal del estudio y profesor asistente de informática en Princeton.

   Los investigadores compararon las imágenes producidas con su sistema con los resultados de cámaras de metasuperficie anteriores, así como con las imágenes capturadas por una óptica compuesta convencional que utiliza una serie de seis lentes refractivas. Aparte de un poco de desenfoque en los bordes del marco, las imágenes de la cámara de tamaño nanométrico eran comparables a las de la configuración de lente tradicional, que es más de 500.000 veces más grande en volumen.

   Otras lentes de metasuperficie ultracompactas han sufrido distorsiones de imagen importantes, campos de visión pequeños y capacidad limitada para capturar el espectro completo de luz visible, lo que se conoce como imagen RGB porque combina rojo, verde y azul para producir diferentes tonos.

   "Ha sido un desafío diseñar y configurar estas pequeñas microestructuras para hacer lo que uno quiere", dijo en un comunicado Ethan Tseng, estudiante de doctorado en ciencias de la computación en Princeton, que codirigió el estudio. "Para esta tarea específica de capturar imágenes RGB de gran campo de visión, es un desafío porque hay millones de estas pequeñas microestructuras y no está claro cómo diseñarlas de manera óptima".

   El coautor principal, Shane Colburn, abordó este desafío creando un simulador computacional para automatizar las pruebas de diferentes configuraciones de nano antenas. Debido a la cantidad de antenas y la complejidad de sus interacciones con la luz, este tipo de simulación puede usar "cantidades masivas de memoria y tiempo", dijo Colburn. Desarrolló un modelo para aproximar de manera eficiente las capacidades de producción de imágenes de las metasuperficies con suficiente precisión.