Ultra

Nature Communications Band 13, Artikelnummer: 2732 (2022) Diesen Artikel zitieren

9564 Zugriffe

26 Zitate

1 Altmetrisch

Details zu den Metriken

Die ständig angestrebte ideale Bildgebung erfordert die Erfassung aller Arten optischer Informationen der betrachteten Objekte, wie z. B. dreidimensionale Rauminformationen (3D), einschließlich der planaren Verteilung und Tiefe, und der Farben, also spektrale Informationen (1D). ). Obwohl sich die dreidimensionale räumliche Bildgebung und die spektrale Bildgebung einzeln rasch weiterentwickelt haben, ist ihre einfache Kombination ein umständliches System, das die praktischen Anwendungen der vierdimensionalen (4D) Bildgebung erheblich behindert. Hier demonstrieren wir die ultrakompakte spektrale Lichtfeldbildgebung (SLIM) unter Verwendung eines transversal dispersiven Metalens-Arrays und eines monochromen Bildsensors. Mit nur einem Schnappschuss bietet das SLIM eine fortschrittliche Bildgebung mit einer spektralen Auflösung von 4 nm und einer räumlichen Auflösung nahe der Beugungsgrenze. Folglich können visuell nicht unterscheidbare Objekte und Materialien durch SLIM unterschieden werden, was einen erheblichen Fortschritt in Richtung einer idealen plenoptischen Bildgebung fördert.

Die optische Bildgebung ist eine wichtige Technologie, die häufig zur Erfassung räumlicher Informationen von Objekten eingesetzt wird, von riesigen Bergen und Gebäuden bis hin zu mikroskopisch kleinen Zellen und sogar Molekülen. Um die unzureichende Tiefenauflösung der planaren Bildgebung zu beheben, wurden verschiedene dreidimensionale (3D) Bildgebungstechniken wie Lichtfeldbildgebung1,2, Stereovision3, strukturierte Lichtbeleuchtung4 und Flugzeitmethoden5 mit zusätzlichen Lichtquellen eingesetzt werden eingesetzt, um effektiv die räumlichen 3D-Informationen der erfassten Szene oder Objekte zu erhalten. Darüber hinaus führt die auf Maxwells Drei-Primärfarben-Theorie basierende Farbbildgebung eine neue Dimension, nämlich die spektrale Dimension, zur herkömmlichen monochromen Bildgebung ein, bei der einfach alle Spektren in einer einzigen Intensität integriert werden. Obwohl Trikolore-Mechanismen (Rot, Grün, Blau) in handelsüblichen Bildgebungs- und Anzeigeprodukten in großem Umfang eingesetzt werden, wird der Bedarf an vollständigen Spektralinformationen in verschiedenen Anwendungsszenarien wie Materialunterscheidung, industrielle Inspektion und Metamerie-Erkennung immer dringender. Daher ist die Integration traditioneller Bildgebung und Spektroskopie zu einem unvermeidlichen Trend in der Entwicklung der optischen Bildgebung geworden. Im letzten Jahrzehnt wurden viele effiziente spektrale Bildgebungstechniken entwickelt, die die traditionelle planare Bildgebung kombinieren, z. B. der Coded Aperture Snapshot Spectral Imager (CASSI)6, das Computertomographie-Bildgebungsspektrometer (CTIS)7 und das Prisma-Masken-Modulations-Bildgebungsspektrometer (PMIS)8 . Trotz ihrer beeindruckenden Leistung und Schnappschussfähigkeit sind alle Arten von optischen Elementen, die in Kameras eingebettet sind, wie Prismen, Linsen, Gitter und Masken, äußerst umständlich, was eine breitere Anwendung von Kameras erheblich verhindert. Andererseits wurde noch keine fortschrittliche Bildgebungstechnik demonstriert, die vierdimensionale Informationen (4D-Informationen: räumliche 3D-Informationen plus spektrale 1D-Informationen) mit ultrakompakter Größe und hochwertiger Leistung erfassen kann.

In letzter Zeit sind Metaoberflächen wegen ihrer Kompaktheit gefragt, was sie zu vielversprechenden Alternativen zu den schweren und komplizierten optischen Massengeräten macht9,10. Eine Metaoberfläche, die aus dichten Anordnungen von Nanoantennen besteht, könnte Phase, Intensität, Polarisation, Bahndrehimpuls und Frequenz des einfallenden Lichts präzise steuern9,10,11,12,13. Bis heute ist unter allen auf Metaoberflächen basierenden planaren photonischen Geräten die Metalens die grundlegendste und prominenteste14,15. Durch die Anpassung der Nanoantennen haben die ultradünnen Metalllinsen gleichwertige oder sogar bessere Leistungen in Bezug auf Effizienz16, numerische Apertur (NA)17, Breitbandachromatismus18,19, Koma-Auslöschung20 usw. gezeigt. Erst kürzlich wurde ein auf Metalllinsen-Arrays basierendes Lichtfeld entwickelt Es wurde auch gezeigt, dass die Bildgebung 3D-Informationen im sichtbaren Bereich ohne chromatische Aberration erhält21. Pionierarbeiten haben auch Metaoberflächen oder andere Nanostrukturen genutzt, um hochwertige Spektren in kompakten Konfigurationen zu erhalten22,23,24,25. Obwohl dieser Fortschritt eine gute Grundlage für die Erfassung spektraler Informationen darstellt, ist die 4D-Bildgebung noch weit entfernt, da es schwierig ist, gleichzeitig hochwertige Spektren und 3D-Raumauflösung zu erzielen. In dieser Arbeit demonstrieren wir durch die Nutzung transversal dispersiver Metalens-Arrays eine ultrakompakte spektrale Lichtfeldbildgebung (SLIM), um 4D-Informationen durch einen einzigen Schnappschuss mit einem Monochromsensor aufzuzeichnen.

Der Hauptbestandteil von SLIM ist ein 48 × 48 TiO2-basiertes Metalllinsen-Array in Kombination mit einem monochromen CMOS-Sensor. Da das Metalens-Array räumliche 3D-Informationen erfassen könnte, ist der entscheidende Schritt zur 4D-Bildgebung die Erfassung von Spektralinformationen, die eine transversal dispersive Metalens erfordert. Grundsätzlich benötigt der Fokus von ebenem Wellenlicht an einem beliebigen Punkt in der Brennebene (x′, y′, f) ein Phasenprofil der Form:

Dabei ist f die Brennweite der Metalllinse und θ der Einfallswinkel. Um eine transversale Dispersion zu realisieren, muss der breitbandige einfallende Strahl auf eine feste Brennebene mit einer großen seitlichen Verschiebung bei verschiedenen Wellenlängen fokussiert werden. Metalenses weisen von Natur aus starke chromatische Aberrationen auf, wobei sich die Brennpunkte entlang der Ausbreitungsrichtung von Licht unterschiedlicher Wellenlänge bewegen. Diese transversale Dispersion wird jedoch auch durch Unschärfe außerhalb des Fokus beeinflusst, was für die Extraktion spektraler Informationen in einem Snapshot-Bildgebungssystem nicht hilfreich ist. Im Gegensatz dazu führt die transversale chromatische Aberration, bei der Bilder unterschiedlicher Wellenlängen über die Bildebene verteilt sind, zu mehr Unterschieden zwischen verschiedenen Wellenlängen, was die Extraktion spektraler Informationen erheblich erleichtern kann. Um diese große Phasenkompensation zu realisieren, werden Nanosäulen und Nanolöcher mit einem hohen Aspektverhältnis eingesetzt. Abbildung 1a zeigt eine schematische Darstellung der transversal dispersiven Abbildung einer Metalens. Hier wird das Phasenteilungsprinzip verwendet, um diesen Fall der Dispersionsmanipulation anzugehen18,19,26. Die Kompensationsphase ist erforderlich, um das Phasenprofil zu steuern, das von den Metallen bei verschiedenen Wellenlängen bereitgestellt wird. Am Beispiel des sichtbaren Spektrums {λb, λr} wird die Kompensationsphase zwischen rotem und blauem Licht ausgedrückt als Δφ(x) = φ(xb, 0, λb) − φ(xr, 0, λr) + ϕshift, wobei ϕshift = max|φr − φb| wird eingeführt, um die entworfenen Nanoantennen in die Lage zu versetzen, die erforderliche Kompensationsphase bereitzustellen. Diese Kompensationsphase kann durch die Wellenleiterresonanz in den speziell entwickelten Nanosäulen und umgekehrten Strukturen (Nanolöchern) bereitgestellt werden19, 21 (Einzelheiten siehe Ergänzende Anmerkung 1: Designs und numerische Simulation). In dieser Arbeit wählen wir das Arbeitsband mit {400 nm, 667 nm} und xb = 11,15 μm, xr = −13,85 μm und f = 165 μm. Unter einem Einfallswinkel θ = –16° kann eine optimale Abbildung mit transversaler Dispersion erreicht werden, wobei die Phasenprofile bei verschiedenen Wellenlängen in Abb. 1b dargestellt sind. Die numerische Simulation der transversal dispersiven Fokussierung mit dieser Metalllinse ist in Abb. 1c dargestellt, die gut zum Phasenteilungsdesign passt.

ein Schema der transversal dispersiven Metalene. b Phasenverteilungen bei verschiedenen Wellenlängen und Phasenkompensation durch die Metalle. Der Einschub zeigt die erforderliche Phasenkompensation der Metalle. c Simuliertes Brennfleckintensitätsprofil für verschiedene Wellenlängen. d Rasterelektronenmikroskopische (REM) Aufnahme des hergestellten Metalens-Arrays. e Draufsicht auf den roten Bereich in (d) (einzelne Metalle). Vergrößertes REM-Bild (f) des grünen Bereichs in (e). Schrägansicht (g) des blauen Bereichs in (e). Das Bild eines Buchstabens „4“ durch die Metalllinsen mit einer Weißlichtbeleuchtung mit einem Transmissionsfenster von 450 nm–650 nm ist in (h) dargestellt.

Basierend auf dem obigen Design wurde ein TiO2-Metallen-Array experimentell über einen kombinierten Prozess aus Elektronenstrahllithographie und induktiv gekoppeltem Plasma hergestellt (ausführliche Informationen finden Sie in der Ergänzenden Anmerkung 2: Geräteherstellung). Im Gegensatz zu früheren Techniken mit Atomlagenabscheidung16 wurde in der aktuellen Forschung ein Top-Down-Ätzverfahren eingesetzt, um die Massenfertigung, die Produktionsausbeute und den Zeitverbrauch von TiO2-Metallen zu verbessern. Abbildung 1d zeigt eine Draufsicht mit einem Rasterelektronenmikroskop (REM) eines TiO2-Metalllinsen-Arrays, das aus 48 × 48 Metalllinsen besteht. Jedes Metall hat einen Durchmesser von 30 µm und enthält mehr als 25.000 TiO2-Nanosäulen und -Nanolöcher (siehe Abb. 1e, f). Das REM-Bild mit Neigungsansicht in Abb. 1g zeigt, dass die Nanosäulen nahezu perfekte vertikale Seitenwände haben, was für die effiziente Steuerung des effektiven Brechungsindex an jeder Position des Metalens-Arrays von entscheidender Bedeutung ist. Hier erreicht das maximale Seitenverhältnis 40, was viel größer ist als in früheren Berichten. Unsere Herstellungsmethode kann die Leistung von TiO2-Metallen erheblich steigern und ihre potenziellen Anwendungen erweitern. Die optische Funktion der Metalens wurde charakterisiert und die gute Leistung beweist die gute Herstellung (Einzelheiten siehe Ergänzende Anmerkung 3: Optische Messungen). Es wurde auch die transversale dispersive Abbildung der Metalle untersucht. Unter Verwendung von Weißlichtbeleuchtung mit einem Transmissionsfenster von 450 bis 650 nm wird der Buchstabe „4“ von den Metalllinsen an verschiedenen Positionen bei unterschiedlichen Wellenlängen abgebildet. Die offensichtliche Verschiebung zwischen den Bildern zeigt die Querdispersion (siehe Abb. 1h). Allerdings führt dies auch zu einer großen Überlappung der Bilder unterschiedlicher Wellenlänge und in der Folge zu einem unscharfen Bild.

Im Gegensatz zur Verwendung zusätzlicher optischer Elemente wie einer codierten Maske6,8 oder einer Hilfskamera27 zur Vermeidung von Überlappungen und Unschärfen wurde in das SLIM-System ein Spektrumrekonstruktionsalgorithmus eingeführt, um die Spektralinformationen an jeder Position in einer Szene zu erhalten. Darüber hinaus wird die gesamte Fläche der Metalllinse zur Aufnahme des einfallenden Lichts genutzt. Da die Dicke und Brennweite des Metalllinsen-Arrays gering sind, kann die SLIM-Kamera sowohl den besten Lichtdurchsatz als auch die höchste Systemkompaktheit erzielen. Um den gesamten Prozess des SLIM-Systems zu verdeutlichen, ist das Erfassungs- und Rekonstruktionsschema des vorgeschlagenen SLIM-Systems, des konventionellen Lichtfeld-Bildgebungssystems2 und des Schnappschuss-Spektralbildgebungssystems6 in Abb. 2 und Zusatzfilm 1 dargestellt.

Was das in Abb. 2a gezeigte SLIM-System betrifft, wird der 4D-Datenwürfel „x + y + z + λ“ durch das Metalens-Array moduliert und in Multi-View-Informationen „x + y + λ“ entkoppelt. Dann wird durch die hohe Streuung der vorgeschlagenen Metalens ein unscharfes Bild (verursacht durch die Integration der spektralen Überlappung) hinter jedem Metalens erzeugt und von der Kamera erfasst. Schließlich können mithilfe des vorgeschlagenen Algorithmus zur Rekonstruktion des Lichtfeldspektrums (einer inhärenten konvexen Optimierungsmethode) sowohl das Bildergebnis „x + y + λ“ als auch „x + y + z“ der erfassten Szene wiederhergestellt werden.

Abbildung 2b beschreibt die klassische Lichtfeldbildgebung, der die Möglichkeit zur Kodierung spektraler Informationen fehlt. Mit dem Kompromiss zwischen Tiefen- und räumlichen Informationen können geschichtete Tiefenbilder (LDI) erhalten werden.

Abbildung 2c beschreibt die kodierte Apertur-Snapshot-Spektralbildgebungsmethode (CASSI). Der spektrale Datenwürfel „x + y + λ“ wird durch ein Prisma zerstreut und dann durch eine zufällig codierte Maske moduliert, was zu einem codierten und gescherten 3D-Datenwürfel führt. Die zufällig codierte Maske ist nach dem Compressive Sensing (CS)-Prinzip entworfen. Der vollständige „x + y + λ“-Datenwürfel kann basierend auf dem Prinzip, dass räumlich-spektrale Informationen im Wavelet-Bereich spärlich sind, fein rekonstruiert werden.

Das Diagramm des vorgeschlagenen spektralen Lichtfeld-Bildgebungssystems ist in (a) dargestellt, das Diagramm eines herkömmlichen Lichtfeld-Bildgebungssystems ist in (b) dargestellt, das Snapshot-Spektral-Bildgebungssystem (CASSI) ist in (c) dargestellt.

Um gleichzeitig einen hohen Lichtdurchsatz, eine hohe räumliche Auflösung und eine hohe spektrale Auflösung zu erzielen, ist es unvermeidlich, dass spektrale und räumliche Alias-Bilder erfasst werden. Da spektrale Informationen und räumliche Informationen miteinander gekoppelt sind, wird die Erfassung spektraler Informationen zur Lösung eines schlecht gestellten Optimierungsproblems. Die Prior-Beschränkung ist die grundlegende Technologie zur Lösung falsch gestellter Optimierungsprobleme und auch der Schlüssel zur Rekonstruktion von Raum-Spektrum-gekoppelten Hyperspektralbildern. Erstens erstellen wir einen Datentreueterm für das Optimierungsziel basierend auf dem physikalischen Modell des Bildgebungsprozesses und zweitens erstellen wir einen Einschränkungsterm für das Optimierungsziel anhand der statistischen Informationen des realen Bildes. Aufgrund der Struktur des Bildes und der Konsistenz der Streuung können wir immer eine passende optimale Lösung für das Optimierungsziel finden.

Abbildung 3 ist eine Demonstration der numerischen Simulation unseres Dispersionsrekonstruktionsalgorithmus, um die Machbarkeit des Algorithmus zu veranschaulichen. Zu diesem Zweck wählen wir zufällig einen Satz Spektraldaten aus der klassischen Columbia Multi-Spectral Image Database28 aus, die insgesamt 31 Spektralbilder von 400 bis 700 nm mit einem Intervall von 10 nm enthält. Wir verwenden das Dispersionsdesign der vorgeschlagenen transversal dispersiven Metalens, um aus diesen 31 Spektralbildern ein Dispersionsunschärfebild zu erzeugen, und verwenden dann unseren vorgeschlagenen Spektralrekonstruktionsalgorithmus, um 31 Kanäle mit Spektraldaten aus diesem Dispersionsunschärfebild zu rekonstruieren. Hier zeigen wir fünf Spektralbilder der Grundwahrheit zum Vergleich mit den Rekonstruktionsergebnissen, um die Wirksamkeit unseres Algorithmus zu veranschaulichen.

a Das ursprüngliche RGB-Bild der Spektraldaten. b Das simulierte Dispersionsbild unter Verwendung des gleichen Vorwärtsmodells wie SLIM. c Das rekonstruierte Graubild. d Die rekonstruierte Farbbildsynthese aus rekonstruierten Spektraldaten. e Das Spektraldiagramm der grünen Position, die grüne Linie ist das rekonstruierte Ergebnis, die schwarze Linie ist die Grundwahrheit. f Das Spektraldiagramm der blauen Position, die blaue Linie ist das rekonstruierte Ergebnis, die schwarze Linie ist die Grundwahrheit. g Die ursprünglichen Einzelwellenlängenbilder werden angezeigt. h Die rekonstruierten Einzelwellenlängenbilder werden präsentiert.

Abbildung 3a zeigt das Originalbild eines Zitronenstücks. Das simulierte Bild, das sich auf das von einem transversal dispersiven Metalens aufgenommene Bild bezieht, ist in Abb. 3b dargestellt. Das transversal dispersive Design des SLIM-Systems fokussiert die verschiedenen Wellenlängen auf verschiedene Positionen auf der Ebene und erzeugt ein Ergebnis wie ein Bewegungsunschärfebild, wobei die nützlichen Spektralinformationen in der Unschärfe verborgen sind.

Der vorgeschlagene Algorithmus rekonstruiert das eingegebene disperse Graubild als multispektralen Würfel, um klare Texturinformationen ohne dispersive Unschärfe zu erhalten. Das rekonstruierte Spektralbild kann aus einem eingegebenen dispersiven unscharfen Bild29 geschätzt werden, indem die folgende konvexe Optimierung minimiert wird:

Der erste Term beschreibt das Datenresiduum unseres Bildbildungsmodells und ∥·∥2 ist die L2-Norm, die zur Einschränkung der Datentreue verwendet wird. Φ beschreibt die Bildverschlechterung von multispektralen Daten zu zerstreuten Graubildern. S und D sind die Spektraldaten bzw. das gestreute Graubild. während die anderen Terme Prioren sind und α1 und β1 die Gewichte der entsprechenden Terme sind. ∥·∥1 ist die L1-Norm, wobei ∇xy ein räumlicher Gradientenoperator ist, der die Differenz zwischen Spektraldaten und der Bildebene angibt, und ∇λ ein Spektralgradientenoperator ist, der die Differenz zwischen Spektraldaten auf benachbarten Kanälen angibt. Der erste Prior ist ein traditioneller Totalvariationsterm, der eine spärliche Verteilung der räumlichen Gradienten und die Entfernung der räumlichen Artefakte gewährleistet. Der zweite Prior ist ein kanalweiser Gesamtvariationsterm, der die Spärlichkeit der Spektralgradienten gewährleistet und die Spektralkonsistenz bewahrt.

Das rekonstruierte Graubild ist in Abb. 3c dargestellt. Wie in Abb. 3e, f gezeigt, stimmen die rekonstruierten Spektren mit der Grundwahrheit an jedem Teil des rekonstruierten Bildes überein, beispielsweise an den beiden Punkten, die in Abb. 3c durch die blauen und roten Kästchen markiert sind. Daher kann das farbenfrohe Bild vollständig wiederhergestellt werden (siehe Abb. 3d). Es ist wichtig sicherzustellen, dass sowohl die Farbe als auch das räumliche Profil sehr gut mit den Ausgangsdaten übereinstimmen. Diese Konsistenz wird weiter überprüft, indem das Grundwahrheitsbild (Abb. 3g) und das rekonstruierte Bild (Abb. 3h) bei verschiedenen Wellenlängen verglichen werden.

Mit den transversal dispersiven Metalens und dem Spektrum-Rekonstruktionsalgorithmus können die visuellen Informationen der Szene, einschließlich der räumlichen Verteilung bunter Objekte, durch einen einzigen Schnappschuss von SLIM mit einem Monochromsensor erfasst werden. Abbildung 4a, b zeigen eine Szene, die aus vier Buchstaben „META“ in verschiedenen Farben besteht, die an unterschiedlichen räumlichen Positionen platziert sind. Der Messaufbau ist in der ergänzenden Abbildung 12 dargestellt. Die von einem Monochromsensor erfassten Rohdaten sind in Abbildung 4c dargestellt und bestehen aus 48 × 48 Teilbildern, die unterschiedlichen Blickwinkeln entsprechen. Jedes Teilbild besteht aus 75 × 75 Pixeln und enthält ein invertiertes Bild der Buchstaben (siehe Einschub in Abb. 4c). Mithilfe des Rekonstruktionsalgorithmus können die spektralen Informationen jedes Teilbilds mit einer spektralen Auflösung von 8 nm erhalten werden (Einzelheiten finden Sie in der Ergänzenden Anmerkung 4: Algorithmus zur Rekonstruktion des Lichtfeldspektrums). Nach dem herkömmlichen Lichtfeld-Bildgebungsverfahren können die 3D-Rauminformationen anhand der Teilbilder21 rekonstruiert werden. Das gerenderte All-in-Focus-Bild mit großer Schärfentiefe ist in Abb. 4d dargestellt, in dem alle vier Buchstaben sowohl hinsichtlich der räumlichen Position als auch der Farben (Spektralinformationen) gut abgebildet sind. Abbildung 4e–h und Zusatzfilm 2 veranschaulichen die rekonstruierten Bilder bei Bildtiefen von 69,8 cm, 57,3 cm, 45,1 cm und 37,8 cm, die den tatsächlichen Positionen der vier Buchstaben entsprechen. Es können klare Bilder der vier einzelnen Buchstaben „M“, „E“, „T“ und „A“ mit unscharfem Hintergrund beobachtet werden, was die Möglichkeit darstellt, Tiefeninformationen mit einem Metalens-Array zu extrahieren. Da SLIM außerdem das Spektrum an jedem Teil der Bilder der Objekte darstellen kann, kann es erfolgreich die genauen Farben der Objekte bestimmen. Die Spektren an beliebigen Teilen der vier Buchstaben sind in Abb. 4i – l dargestellt. Sie zeigen eine gute Übereinstimmung mit den mit einem kommerziellen Spektrometer gemessenen Spektren, was auf eine gute Spektrumrekonstruktion hinweist. Zur Überprüfung der Auflösung unseres SLIM-Systems wurde auch die Auflösungstestkarte der United States Air Force von 1951 verwendet. Gruppe 7, Element 2 des Diagramms wurde aufgelöst (siehe ergänzende Abbildung 11), was eine Auflösung (~2,9 µm) ergibt, die nahe am Rayleigh-Kriterium der vorgeschlagenen Metalens liegt.

a, b Unterschiedliche Ansicht der Szene, die aus vier Buchstaben mit unterschiedlicher Farbe an unterschiedlichen räumlichen Positionen besteht. c Die Rohdaten des SLIM-Systems. Der Einschub zeigt die vergrößerten Bilder des Bereichs innerhalb des roten Felds. d Das vollständig fokussierte gerenderte Farbbild. Gerenderte Bilder mit Fokussierungstiefen von 69,8 cm (e), 57,3 cm (f), 45,1 cm (g) und 37,8 cm (h). i–l Spektren aus vier Buchstaben. Die roten Punktlinien sind die aus dem Metalens-Array rekonstruierten Spektren, und die grauen Punktlinien werden mit einem kommerziellen Spektrometer gemessen.

Es ist zu beachten, dass die spektrale Auflösung von SLIM weiter verbessert werden kann, indem das spektrale Superauflösungsnetzwerk auf gepaarte Spektraldaten mit niedriger Auflösung und Spektraldaten mit hoher Auflösung trainiert wird (Einzelheiten finden Sie in der Ergänzenden Anmerkung 5: Trainierter Spektrumrekonstruktionsalgorithmus). werden für die meisten optischen Messungen und Materialunterscheidungen verwendet. Hier demonstrieren wir einen Bildgebungsfall, der über die Möglichkeiten des bloßen Auges und der Lichtfeldbildgebung hinausgeht und sowohl hochauflösende Spektralinformationen als auch Tiefeninformationen erfordert. Die beiden Arten von Materialien, magentafarbenes Chemiegewebe und mit Wasserfarbe bemaltes Papier, sind in Abb. 5a dargestellt, wobei ihre Spektren im Einschub aufgetragen sind, der im sichtbaren Bereich recht ähnliche Spektralprofile zeigt. Ein „I“-förmiges chemisches Stofftuch wird in einem Abstand von „O“-förmigem, mit Wasserfarbe bemaltem Papier platziert, wie in Abb. 5b, c aus verschiedenen Betrachtungswinkeln dargestellt. Wenn eine typische planare Bildkamera verwendet wird, kann aufgrund der fehlenden Tiefeninformationen und Materialeigenschaften aus den hochauflösenden Spektralinformationen nur ein magentafarbenes „Φ“-förmiges Bild aufgenommen werden (siehe Abb. 5b). Weder Lichtfeldbildgebung noch Spektralbildgebung können den Unterschied zwischen diesen beiden Objekten vollständig aufdecken. Nur SLIM-Bildgebung, die gleichzeitig 4D-Informationen erhält, kann dieses Problem lösen. Wie im Einschub von Abb. 5a dargestellt, weisen die Spektren der beiden Materialien nahe beieinander liegende Peaks bei 618 nm und 626 nm auf. Nach Einsatz des trainierten Spektrumrekonstruktionsalgorithmus wird eine höhere spektrale Auflösung von bis zu 4 nm erreicht, bei der die beiden spektralen Peaks gut unterschieden werden können. Nach dem Rendern des Spektrums an einer beliebigen räumlichen 3D-Position in der Szene kann ein einfacher Prozess, r(626) − r (618), den Unterschied zwischen den Materialien mit Spektrumsspitzen bei 618 nm und 626 nm effizient vergrößern, wobei r(λ) ist die Intensität an jeder räumlichen Position mit der Wellenlänge λ. Abbildung 5d zeigt das All-in-Focus-Bild nach diesem Vorgang mit Normalisierung, aus dem man deutlich das Chemiefasertuch aus mit Wasserfarbe bemaltem Papier erkennen kann. Im Gegensatz dazu kann nach inverser Normalisierung, bei der die größere Intensität einem dunkleren Bild entspricht, das mit Aquarell bemalte Papier unterschieden werden (siehe Abb. 5e). Daher kann das von SLIM erfasste hochauflösende Spektrum problemlos zur Materialunterscheidung und Tarnrissbildung genutzt werden. Gleichzeitig stellt die durch das Metalens-Array ermöglichte Lichtfeldabbildung auch die räumlichen 3D-Informationen der beiden Objekte dar, wie in Abb. 5f, g dargestellt.

a Das mit Aquarellfarben bemalte Papier und das Chemiefasertuch. Eingefügt sind die Spektren dieser beiden Materialien. b, c Andere Ansicht der Szene, die aus „I“-förmigem Chemiefaserstoff und „O“-förmigem Aquarellpapier besteht, die voneinander entfernt angeordnet sind. Das materielle Diskriminierungsergebnis für „I“ (d) bzw. „O“ (e). f Das gerenderte Bild auf der „I“-Ebene. g Das gerenderte Bild auf der „O“-Ebene.

Bisher haben wir die vom SLIM-System erfassten 4D-Informationen verwendet, um Objekte mit entweder unterschiedlichen räumlichen Positionen oder mit fast derselben Farbe, aber unterschiedlichen Arten von Materialien oder Texturen zu erkennen, was die Funktionalität der Lichtfeldabbildung mit bloßem Auge übertrifft. und Spektralbildgebung. Für die gleiche Art von Material oder Textur werden die Spektren viel ähnlicher sein und die Spektralerkennung wird eine größere Herausforderung darstellen. Nehmen wir als Beispiel die Unterscheidung zweier Arten von Malfarben, z. B. Gouachefarben und Aquarellfarben. Wir haben eine Punktmatrix auf Papier erstellt und die Punkte mit diesen beiden Farben bemalt, um die Information „SLIM“ zu erhalten, wie in Abb. 6a dargestellt. Alle Punkte haben aufgrund ihrer sehr ähnlichen Spektren ähnliche Farben, wie in Abb. 6b dargestellt. Die zwischen den Punkten sichtbaren Unebenheiten sind auf die unterschiedliche Farbdicke der einzelnen Punkte zurückzuführen. Es ist ziemlich schwierig, verborgene Informationen über die Vollfarbbildgebung und sogar die oben genannte 4D-Bildgebung bei einer spektralen Auflösung von 4 nm zu extrahieren. In diesem Fall ist eine höhere spektrale Auflösung erforderlich. Das vorgeschlagene Sampling-Verfahren mit räumlicher Spektralkopplung wandelte den Kompromiss zwischen der Winkelauflösung, der räumlichen Auflösung und der spektralen Auflösung in einen Kompromiss zwischen der Winkelauflösung und der räumlichen Auflösung um. Beim FLF-Schema (Focused Light Field) des SLIM bildet jede Mikrolinse mit der Hauptlinse ein Relaissystem. Diese Konfiguration führt zu einem flexiblen Kompromiss bei der Abtastung von Raum- und Winkelabmessungen und kann die Positionsinformationen des Lichtfelds effektiver abtasten. Durch einfaches Ändern der Position der Mikrolinse und der Apertur der Hauptlinse könnte das SLIM die Winkelauflösung, die räumliche Auflösung und die spektrale Auflösung, die wir benötigen, flexibel umschalten (siehe Ergänzende Anmerkung 6: Kompromiss zwischen räumlicher Auflösung in der Ebene). , Tiefenauflösung, spektrale Auflösung, Winkelauflösung und numerische Apertur für ausführliche Diskussion). Durch Anpassen der Apertur des Hauptobjektivs und der Position des Metalllinsenarrays kann die Objekt-Bild-Beziehung geändert und die spektrale Dispersion des SLIM-Systems flexibel angepasst und sogar vergrößert werden. Eine größere spektrale Dispersion führt zu einer höheren spektralen Auflösung. Wir reduzieren auch die Blendengröße des Hauptobjektivs, um Bildaliasing durch die benachbarten Metalllinsen zu verhindern. Dadurch kann eine spektrale Auflösung von 3 nm erreicht werden. Abbildung 6b zeigt die durchschnittlichen Spektren der Aquarellpunkte und Gouache-Farbpunkte aus den Proben, wobei leicht unterschiedliche Variationstendenzen der Spektren von 525 bis 625 nm zu finden sind. Mit einem einzigen Schnappschuss des SLIM-Systems lassen sich die verborgenen Informationen leicht vom Hintergrund unterscheiden. In Abb. 6c wurden die mit Aquarell- und Gouachefarbe gemalten Punkte unterschieden und in Blau bzw. Rosa markiert. Hier sind die vier Zeichen von „SLIM“ deutlich zu erkennen, was sehr gut mit dem ursprünglichen Design übereinstimmt (Abb. 6d).

a Bilder, die mit einer herkömmlichen Kamera aufgenommen wurden. b Die spektrale Reaktion für Zeichen bzw. Hintergrund. c Beim gerenderten Bild mit dem SLIM-System und dem Rekonstruktionsalgorithmus kann der leichte spektrale Unterschied vergrößert werden, wodurch die verborgenen Informationen sichtbar werden. d Musterdesign von (a).

Der Kern des vorgeschlagenen SLIM besteht darin, dass die Grenzbeschränkungen für jede Subapertur während der Abbildung durch das Metalens-Array (ein Gerät statt vieler: transversal dispersive Elemente + Code-Apertur/-Maske + Mikrolinsen-Array) auf natürliche Weise geformt werden können, was viel einbringt mehr Kompaktheit und leichterer Durchsatz. Im vorgeschlagenen SLIM wird das Bild durch jede Subapertur getrennt, die als weiteres Vorwissen für die Rekonstruktion dient. In Abb. 4 suchen wir nach einfachen Demos, um mögliche Anwendungsszenarien aufzuzeigen, die öffentliches Interesse wecken. Im komplizierteren Fall in Abb. 5 wurde die Fähigkeit demonstriert, die Überlappung der räumlichen und spektralen Informationen aufzulösen.

Zusammenfassend haben wir basierend auf den transversal dispersiven TiO2-Metallenen das erste SLIM-System vorgeschlagen und experimentell realisiert, das gleichzeitig 3D-Rauminformationen und zusätzliche Spektralinformationen auflösen kann. Objekte mit geringfügigen räumlichen oder spektralen Unterschieden können unterschieden werden, indem die Teilbilder über einen Spektrum-Superauflösungsalgorithmus gerendert werden (ausführliche Informationen finden Sie in der Ergänzenden Anmerkung 5: Trainierter Spektrum-Superauflösungsalgorithmus). Mit dieser Technik konnte ein Chamäleon anhand der vom SLIM-System erfassten 4D-Informationen leicht von der Umgebung unterschieden werden. Beachten Sie, dass SLIM nicht auf das sichtbare Transmissions-/Reflexions-/Emissionsspektrum beschränkt ist. Das gleiche Konzept kann auf Infrarot- und Raman-Signale erweitert werden. Darüber hinaus wird das kompakte SLIM hauptsächlich in einem dünnen Metalllinsen-Array realisiert, das in integrierte optische Systeme wie photonische Chips oder Fasern integrierbar ist. Diese 4D-Bildgebungsfähigkeit des auf Metalllinsen-Arrays basierenden SLIM wird moderne optische und biooptische Systeme revolutionieren.

Filmabscheidung: Der hochwertige TiO2-Film wird auf einem 13 nm dicken, mit Indiumzinnoxid (ITO) beschichteten Glassubstrat mit einem Elektrostrahlverdampfer (Syskey A-75) mit einer Abscheidungsrate von 0,8 Å/s und einem Basisvakuumdruck von 2 × abgeschieden 10−7 Torr. Die optischen Parameter werden mittels spektroskopischer Ellipsometrie gemessen und in der ergänzenden Abbildung 3 dargestellt. Der Realteil des Brechungsindex liegt über die gesamte sichtbare Wellenlänge über 2,1, während der Verlust nahezu vernachlässigbar ist. Nanofabrikation: Nach der Abscheidung von TiO2 wird 120 nm dickes PMMA A2 durch Schleuderbeschichtung auf den TiO2-Film aufgetragen und 10 Minuten lang bei 180 °C gebrannt. Anschließend wird der PMMA-Film mit einem Elektronenstrahl-Lithographiesystem (Raith E-line Plus) einem Elektrostrahl ausgesetzt. Nach der Entwicklung in MIBK: IPA-Lösung bei 20 °C werden die entworfenen Nanostrukturen im PMMA-Film strukturiert. Anschließend wird die Probe in einen Elektronenstrahlverdampfer überführt und 40 nm Chrom (Cr) darauf abgeschieden. Abschließend wird das Muster durch einen Abhebevorgang mit Remover PG auf Cr übertragen.

Durch Auftragen von Cr als Hartstoff wird der TiO2-Film mit einem Cl2- und Ar-Mischgas in einem induktiv gekoppelten Plasmaätzer (Oxford ICP100) geätzt. Die Selektivität zwischen Cr und TiO2 beträgt etwa 50:1 und die Ätzgeschwindigkeit für TiO2 beträgt etwa 20 nm/s. Die endgültige TiO2-Metallisierung wird durch Entfernen der Cr-Maske in Chromätzmittel bei Raumtemperatur für 2 Minuten erreicht, wie in der ergänzenden Abbildung 4 dargestellt.

Nach der Herstellung des transversalen Dispersions-Metalllinsen-Arrays führten wir die Charakterisierung der Lichteffizienz der Metalllinsen, die Dispersionskalibrierung der Metalllinsen und die Charakterisierung der räumlichen Auflösung durch. Dies wird durch die Verwendung eines optischen Relaissystems zur Abbildung einer Lochblende oder der USAF-Auflösung von 1951 erreicht Testchart mit fasergekoppelten LEDs beleuchtet. Anschließend führen wir Bildexperimente durch, indem wir die Lochblende durch benutzerdefinierte Szenen ersetzen. Die fasergekoppelten LEDs werden zur Beleuchtung der benutzerdefinierten Szenen verwendet, die von unserem SLIM-System erfasst werden. Eine ausführliche Beschreibung finden Sie in der Ergänzenden Anmerkung 3.

Die zur Bewertung des Spektralrekonstruktionsalgorithmus verwendeten Daten sind in der Arbeit verfügbar. Vollständige Datensätze sind auf begründete Anfrage bei den Autoren erhältlich. Quelldaten werden mit diesem Dokument bereitgestellt.

Der zur Auswertung des Spektralrekonstruktionsalgorithmus verwendete Code ist in der Veröffentlichung verfügbar. Vollständige Codes sind auf begründete Anfrage bei den Autoren erhältlich.

Lippmann, G. Reversible Proofs, die das Gefühl der Erleichterung vermitteln. J.Phys. Theor. Appl. 7, 821–825 (1908).

Artikel Google Scholar

Ng, R. Fourier-Scheibenfotografie. ACM Trans. Graph. 24, 735–744 (2005).

Artikel Google Scholar

Marr, D. & Poggio, T. Eine Computertheorie des menschlichen Stereosehens. Proz. R. Soc. London. B 204, 301–328 (1979).

Artikel ADS CAS Google Scholar

Gustafsson, MG Überschreitung der lateralen Auflösungsgrenze um den Faktor zwei mithilfe der strukturierten Beleuchtungsmikroskopie. J. Microsc. 198, 82–87 (2000).

Artikel CAS Google Scholar

Delpy, DT et al. Schätzung der optischen Weglänge durch Gewebe aus direkter Flugzeitmessung. Physik. Med. Bio. 33, 1433–1442 (1988).

Artikel CAS Google Scholar

Wagadarikar, A. et al. Einzeldisperser-Design für die spektrale Schnappschuss-Bildgebung mit codierter Apertur. Appl. Opt. 47, B44–B51 (2008).

Artikel Google Scholar

Descour, M. & Dereniak, E. Computertomographie-Bildgebungsspektrometer: experimentelle Kalibrierungs- und Rekonstruktionsergebnisse. Appl. Opt. 34, 4817–4826 (1995).

Artikel ADS CAS Google Scholar

Cao, X. et al. Ein Prismenmaskensystem für die multispektrale Videoaufnahme. IEEE Trans. Muster Anal. Mach. Intel. 33, 2423–2435 (2011).

Artikel Google Scholar

Yu, N. et al. Lichtausbreitung mit Phasendiskontinuitäten: verallgemeinerte Gesetze der Reflexion und Brechung. Wissenschaft 334, 333–337 (2011).

Artikel ADS CAS Google Scholar

Kildishev, AV et al. Planare Photonik mit Metaoberflächen. Science 339, 1232009 (2013).

Artikel Google Scholar

Arbabi, A. et al. Dielektrische Metaoberflächen zur vollständigen Kontrolle von Phase und Polarisation mit räumlicher Auflösung unterhalb der Wellenlänge und hoher Transmission. Nat. Nanotechnologie. 10, 937 (2015).

Artikel ADS CAS Google Scholar

Wu, PC et al. Vielseitige Polarisationserzeugung mit einer plasmonischen Aluminium-Metaoberfläche. Nano Lett. 17, 445–452 (2017).

Artikel ADS CAS Google Scholar

Li, G. et al. Nichtlineare photonische Metaoberflächen. Nat. Rev. Mater. 2, 17010 (2017).

Artikel ADS CAS Google Scholar

Khorasaninejad, M. et al. Metalenses: Vielseitige multifunktionale photonische Komponenten. Science 358, eaam8100 (2017).

Artikel Google Scholar

Chen, X. et al. Plasmonische Metalle mit zwei Polaritäten für sichtbares Licht. Nat. Komm. 3, 1–6 (2012).

ADS CAS Google Scholar

Khorasaninejad, M. et al. Metalenses bei sichtbaren Wellenlängen: Beugungsbegrenzte Fokussierung und Bildgebung mit Subwellenlängenauflösung. Science 352, 1190–1194 (2016).

Artikel ADS CAS Google Scholar

Liang, H. et al. Metallen mit ultrahoher numerischer Apertur werden bei sichtbaren Wellenlängen erzeugt. Nano Lett. 18, 4460–4466 (2018).

Artikel ADS CAS Google Scholar

Wang, S. et al. Breitbandige achromatische optische Metaoberflächengeräte. Nat. Komm. 8, 187 (2017).

Artikel ADS Google Scholar

Wang, S. et al. Ein breitbandiges achromatisches Metall, das im Sichtbaren leuchtet. Nat. Nanotechnologie. 13, 227–232 (2018).

Artikel ADS CAS Google Scholar

Arbabi, A. et al. Optische Miniatur-Planarkamera basierend auf einem Weitwinkel-Metaoberflächen-Dublett, korrigiert für monochromatische Aberrationen. Nat. Komm. 7, 13682 (2016).

Artikel ADS CAS Google Scholar

Lin, RJ et al. Achromatisches Metalllinsen-Array für vollfarbige Lichtfeldabbildung. Nat. Nanotechnologie. 14, 227–231 (2019).

Artikel ADS CAS Google Scholar

Tittl, A. et al. Bildbasiertes molekulares Barcodeing mit pixeligen dielektrischen Metaoberflächen. Wissenschaft 360, 1105–1109 (2018).

Artikel ADS MathSciNet CAS Google Scholar

Yesilkoy, F. et al. Hochempfindliche hyperspektrale Bildgebung und Biodetektion durch dielektrische Metaoberflächen. Nat. Photon 13, 390–396 (2019).

Artikel ADS CAS Google Scholar

Yang, Z. et al. Einzel-Nanodraht-Spektrometer. Wissenschaft 365, 1017–1020 (2019).

Artikel ADS CAS Google Scholar

Bao, J. & Bawendi, MG Ein kolloidales Quantenpunktspektrometer. Natur 523, 67–70 (2015).

Artikel ADS CAS Google Scholar

Zang, W. et al. Manipulation der chromatischen Dispersion basierend auf Metalenses. Adv. Mater. 32, 1904935 (2019).

Zhao, Y. et al. Spektrale Rekonstruktion aus dispersiver Unschärfe: Ein neuartiger lichteffizienter Spektralbildgeber. CVPR. 12202–12211 (2019).

Yasuma, F. et al. Verallgemeinerte Kamera mit sortierten Pixeln: Kontrolle der Auflösung, des Dynamikbereichs und des Spektrums nach der Aufnahme. IEEE Trans. Bildprozess 19, 2241–2253 (2010).

Artikel ADS MathSciNet Google Scholar

Baek, SH et al. ACM Trans. Grafik 36, 1–2 (2017).

Google Scholar

Referenzen herunterladen

Die Autoren sind dankbar, dass diese Arbeit vom National Key R&D Program of China (2017YFA0303700) und der National Natural Science Foundation of China (Nr. 62025108, 61627804, 11822406, 11774164, 11834007, 11774162, 11621091, 119740) unterstützt wurde 92). Diese Arbeit wird auch von den Fundamental Research Funds for the Central Universities No.020414380175, den Shenzhen Fundamental Research Projects JCYJ20180507184613841, dem University Grants Committee/Research Grants Council der Hong Kong Special Administrative Region, China (Projekt Nr. AoE/P-502) unterstützt /20 und GRF-Projekt: 15303521), der Zuschuss der Shenzhen Science and Technology Innovation Commission (Nr. SGDX2019081623281169), das Ministerium für Wissenschaft und Technologie der Provinz Guangdong (2020B1515120073) und die City University of Hong Kong (Projekt-Nr. 9380131).

Diese Autoren haben gleichermaßen beigetragen: Xia Hua, Yujie Wang, Shuming Wang.

National Laboratory of Solid State Microstructures, School of Physics, School of Electronic Science and Engineering, Nanjing University, Nanjing, 210093, China

Xia Hua, Shuming Wang, Xiujuan Zou, You Zhou, Feng Yan, Xun Cao, Zhenlin Wang und Shining Zhu

Schlüssellabor des Ministeriums für Industrie und Informationstechnologie für optoelektronische Mikro-Nano-Informationssysteme, Harbin Institute of Technology (Shenzhen), Shenzhen, 518055, China

Yujie Wang & Shumin Xiao

Schlüssellabor für intelligente optische Sensorik und Manipulation, Bildungsministerium, Universität Nanjing, Nanjing, 210093, China

Shuming Wang, Xun Cao & Shining Zhu

Kollaboratives Innovationszentrum für fortgeschrittene Mikrostrukturen, Nanjing, 210093, China

Shuming Wang, Xun Cao, Zhenlin Wang und Shining Zhu

Fakultät für Elektrotechnik, City University of Hong Kong, Kowloon, Hongkong, China

Lin Li und Din Ping Tsai

Staatliches Schlüssellabor für Präzisionsspektroskopie, Fakultät für Physik und Elektronik, East China Normal University, Shanghai, 200062, China

Lin Li

Pengcheng Laboratory, Shenzhen, 518055, China

Shumin Xiao

National Key Laboratory of Science and Technology on Advanced Composites in Special Environments, Harbin Institute of Technology, Harbin, 150080, China

Jiecai Han

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

XH, YW und SW haben gleichermaßen zu dieser Forschung beigetragen. SW, SX, XC haben die Idee konzipiert und die Forschung überwacht. XH, YW, XZ, YZ, LL, FY führten das optische Experiment durch und entwarfen den Spektrum- und Lichtfeld-Rekonstruktionsalgorithmus. YW, SX, JH führten die Herstellung von Nanostrukturen und optische experimentelle Messungen durch. XH, YW, SW, SX, DPT, ZW, SZ haben das Manuskript geschrieben, und alle Autoren haben den Inhalt besprochen und das Manuskript vorbereitet.

Korrespondenz mit Shuming Wang, Xun Cao, Shumin Xiao, Din Ping Tsai, Zhenlin Wang oder Shining Zhu.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Nature Communications dankt den anonymen Gutachtern für ihren Beitrag zum Peer-Review dieser Arbeit. Peer-Reviewer-Berichte sind verfügbar.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Hua, X., Wang, Y., Wang, S. et al. Ultrakompakte Schnappschuss-Spektrallichtfeld-Bildgebung. Nat Commun 13, 2732 (2022). https://doi.org/10.1038/s41467-022-30439-9

Zitat herunterladen

Eingegangen: 09. März 2021

Angenommen: 25. April 2022

Veröffentlicht: 18. Mai 2022

DOI: https://doi.org/10.1038/s41467-022-30439-9

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.