·聚焦:人工智能、芯片等行业
欢迎各位客官关注、转发
前言：
从数据机构ICInsights发布的报告显示：2020年在中国销售的1434亿美元IC芯片中，在中国内地生产的IC芯片仅占据了市场总额的15.9%，约为227亿美元。
不少企业甚至开始决定自己来设计、生产芯片，以摆脱外界供应链变动所造成的影响。
这也就意味着，高端芯片的制造技术，必须要基于芯片产业的国产化来进行解决。
在这样的局面之下，中科院、清华等重点院校[跑步入场]，开始就先进制造技术领域展开研发。
作者| 方文
图片来源 |网 络
光谱的重要性水涨船高
目前，光谱也已经被用于了工业、机器人、医疗等各个领域。
这样它的用途就被局限了，比如说在智能机器人中应用，机器人通过对光谱图像的识别来分析事物和场景，进而做出相应的动作。
他们通过芯片，对大鼠的脑部进行光谱测量，获得了大鼠脑部各个位置的动态光谱变化，再加上其他理论的支持，最终得出大鼠脑部神经的活动状态。
我们每个人都有独一无二的指纹，通过指纹就可以确定这个人是谁。
而光谱就是物质的指纹，通过获得物质的光谱，就可以了解它是什么。
例如利用光谱技术，可以利用卫星观测地形，从而识别出地物，甚至可以识别有哪些矿物、植被的分类。
所以该技术自然还可以用于自动驾驶，该技术的利用，更多的是通过光谱仪。
传统光谱成像的弱势与局限性
传统的光谱成像缺乏实时性，没有便捷的操作性能，成像的效果也未必理想。
此外，只是在传统的技术范畴中，逐点逐行的扫描存在很大的效率问题，由于分辨率的限制采集的信息也未必准确，对智慧感知技术的探索存在局限性。
传统的光谱成像存在一定的使用难度，对研究水准有很高的要求，一点获取信息失误就有可能影响整体，视场中的高精度光谱信息无法被准确获知。
智能感知技术领域的背后会用上光谱成像，工业制造，机器视觉等行业在发展过程中往往会用上各种光谱成像扫描数据信息，采集物体成像数据。
光谱成像是智慧感知领域的一大研究方向，具有广大的市场前景。运用光谱成像技术可以获取视场范围内的物质像素点的组分和含量。
清华大学突破的技术更具优势特色
根据清华大学官网公布的消息显示，来自电子工程系黄翊东教授团队在超光谱成像芯片的研究中取得重要突破，打造出全球首款实时超光谱成像芯片。
首先这款芯片的诞生为国产智慧感知技术的发展积累了更多经验。
根据清华大学官网发布，已经实现了国际首款实时超光谱成像芯片的研制，分辨率达到了0.8纳米。
目前最顶级的EUV光刻机可实现的芯片制造分辨率也才3nm。
分辨率越低，可光刻的芯片电路图就越精密。
而应用到光谱成像的概念，0.8nm的分辨率几乎可以获取一个视场内所有的物质像素信息。
这项技术突破也引起了不小的波澜，著名的《科学》杂志也将其刊登在最新一期上，并称之为该领域的最新研究成果。
和热成像原理类似，光谱可以让智能感知技术得到进一步发展。
首次测量了活体大鼠脑部血红蛋白及其衍生物的特征光谱的动态变化，时间分辨率高达30Hz（赫兹）。
通过实时光谱成像，可获取大鼠脑部不同位置的动态光谱变化情况，结合血红蛋白的特征吸收峰，分析获取对应血管区和非血管区血红蛋白含量的变化情况，并可利用神经血氧耦合的机制，得出脑部神经元的活跃状态。
超光谱成像技术的实际应用
现在各个行业的发展都会用上智慧感知技术，比如汽车的自动驾驶，用于实时分析路面信息。还有用于勘测，在一些工程项目中也能发挥出重大作用。
智慧感知技术拥有更好的实时性和更清晰的成像功能，必然会大大增加车辆自动驾驶的安全性和使用过程中的体验。
另外一个可能相关的领域是脑机接口领域，可以为用户反馈一个更加清晰真实的外部世界。
再次在工业自动化、机器视觉等诸多领域都有不同程度的应用。
结尾：
新的时代，我们的技术也发展了起来，虽然有的还面临卡脖子，但慢慢的，一些封锁会被突破，我们甚至还会拥有自己的根技术。
这是一个好的趋势，但仍需要更多的努力。而尊重科研人员，让他们所得到的回报值得他们的付出，也是从根源发展核心技术的态度。
本公众号所刊发稿件及图片来源于网络，仅用于交流使用，如有侵权请联系回复，我们收到信息后会在24小时内处理。
END
