加州大学洛杉矶分校研究人员携手加州大学伯克利分校，成功开发出新型智能图像传感器——光谱核机器(SKM)。据《科学》杂志报道，这一突破重新定义了光谱成像、机器视觉和人工智能在单个半导体器件中的集成方式，为相关领域带来全新发展契机。

传统光谱相机工作流程存在明显瓶颈。其需拍摄一系列密集图像，对应不同波长，再将庞大数据集传输至数字处理器计算分析。硬件处理海量数据，限制了速度、能效以及空间 - 光谱分辨率。而SKM设备平台彻底绕过这一瓶颈，它无需记录大型数据立方体，而是直接将光谱和空间信息编码到输出光电流中，让传感器自身具备识别复杂场景中材料、化学物质和物体的能力。

“这个过程在数学上类似于机器学习中使用的核机器算法，”加州大学洛杉矶分校电气与计算机工程系教授艾多根·奥兹坎表示，“通过这款SKM设备，我们解锁了无需数字后处理即可学习和计算的光电传感器。”每个SKM设备可通过电信号调谐，增强或抑制特定光谱特征。在训练时，向其展示传感器图像，使其能接收简单外部指令并随机采样像素，学习最佳电控制序列。呈现新图像时，传感器仅对目标物体像素产生正向光电流，实现特征识别。

该团队证明，SKM设备可在可见光到中红外光谱范围内智能感知分析复杂场景，无需依赖传统超光谱图像堆栈。在可见光波段，硅基光电导体有速度和功耗优势;在中红外波段，室温下电可调谐光电二极管可实现化学物质识别和混合物分析。此外，还展示了植物叶片水分传感和物体分割等应用。这项技术消除数据传输瓶颈，降低能耗，以紧凑、低功耗形式实现超快光谱分析，是移动设备、自主机器人等应用的理想之选。

更多信息： Dehui Zhang 等人，《具有电可调光电探测器的光谱核机器》，《科学》(2025)。期刊信息： 科学