【30万像素实时调控!石墨烯“魔镜”突破毫米波极限】

article/2025/7/6 15:09:55

12厘米见方的超表面,藏着30万个比头发丝还细的像素单元,正在无声地操控着无形的太赫兹波束。曼彻斯特大学的科学家们将石墨烯的非凡电学特性与现代显示技术巧妙融合,创造出世界上最大规模的可编程智能超表面。想象一下,只需轻轻点击屏幕,就能让无形的毫米波束灵活转向、分裂,甚至携带“光学漩涡”穿透障碍物成像——这听起来像是科幻电影的场景,如今正通过一片薄如蝉翼的“智能魔镜”成为现实。英国曼彻斯特大学Coskun Kocabas教授团队近期在《自然·通讯》发表突破性研究,成功研制出包含超过30万个独立可控像素的大面积可重构智能超表面(RIS)。
在这里插入图片描述
这项技术巧妙融合了石墨烯材料与成熟薄膜晶体管(TFT)背板技术,首次实现了在太赫兹和毫米波段的大规模、实时波前调控,为6G通信、无损成像等领域开启了全新可能。
01 技术破局:石墨烯+TFT,攻克大规模集成难题

太赫兹波(0.1-10 THz)介于微波与红外之间,被誉为电磁波谱中“最后的处女地”。

它兼具穿透非金属材料的成像能力与超大通信带宽潜力,在6G高速通信、癌症早期诊断、安检透视成像等领域前景广阔。

长期以来,该频段的发展受限于缺乏高效的动态波控器件。

传统技术路径如液晶、相变材料或等离子超表面,要么响应速度慢,要么难以大规模集成,无法满足实时调控需求。

Kocabas团队另辟蹊径,将目光投向石墨烯这一神奇材料。当施加电压时,石墨烯载流子浓度发生改变,其对太赫兹波的反射和透射特性随之动态变化。

团队创新性地将这一特性与成熟的主动矩阵TFT显示背板技术结合:

像素结构: 每个像素单元(185微米见方)的核心是双层化学气相沉积(CVD)石墨烯,覆盖在70微米厚的PET柔性基底上。
电控关键: 石墨烯下方是5微米厚、浸渍离子液体电解质的微孔聚合物层,再下方是ITO像素电极。三者形成类似电容的结构。
门控原理: 通过控制像素电极与石墨烯层之间的电压差,可在石墨烯上精准积累电荷(空穴或电子),从而改变其太赫兹光学响应。
大规模集成: 团队采用640x480像素的TFT背板(0.3兆像素),总面积达12 x 9 cm²。每个像素由非晶硅TFT独立控制,通过调节栅极脉冲宽度(30-208微秒)精确设定像素电压。在这里插入图片描述

这一设计巧妙规避了传统方案的技术瓶颈:

连续石墨烯+局部门控: 使用单层连续石墨烯覆盖整个器件,利用较厚的电解质层(5μm)有效抑制像素间静电串扰,实现大面积上的选择性电荷调控。
成熟技术嫁接: 直接采用现代显示产业中成熟的TFT背板制造工艺,使得大规模、高密度像素阵列的生产具备了现实可行性和成本效益。
双模式工作: 器件可在透射模式与反射模式下工作,灵活性高。

测试表明,单个像素的开关响应时间可达1毫秒,远快于液晶器件。透射模式下在100GHz可实现约30%的调制深度。

02 性能飞跃:奇点操控与相位跃变,解锁2π调控

团队并未止步于基础调制能力的实现,他们通过精妙的结构设计,大幅提升了器件性能,尤其是在反射模式下的相位调控能力。

研究人员将电解质层增厚至25微米,使整个结构(PET+电解质)形成一种可调谐的耦合谐振腔。

核心创新在于:利用反射奇点(Singularity)实现拓扑相位跃变。

奇点效应: 当石墨烯层在电压调控下处于高反射态(VDH=10V)时,谐振主要由顶部PET层(70μm)决定;而当石墨烯接近狄拉克点(VDL=-2.4V)变得透明时,谐振由总厚度(95μm)主导。
相位跃变: 在调控过程中,当器件工作点扫过反射奇点时,不仅吸收率发生剧烈变化,反射相位更会发生接近2π的阶跃式跳变(图3c)。这不是测量误差,而是源于环绕奇点产生的几何相位(Geometric Phase)。
重大意义: 这种独特的相位调制机制为实现高效、大范围的波前操控(如光束偏转、聚焦)提供了关键物理基础,是传统谐振腔或液晶方案难以企及的。

基于此,团队成功演示了多种复杂的可重构反射图案:
棋盘格图案: 清晰展示出高对比度的二进制反射调制(图3d)。
灰度图案: 创新性地采用3x3像素组成的“超级像素”策略,通过控制其中处于高/低态像素的数量比例,实现了10级灰度调控,生成了叉形衍射光栅和伊丽莎白女王二世肖像等精细灰度图像(图3e, f)。
在这里插入图片描述

03 应用落地:单像素成像与动态波束赋形,前景可期

纸上得来终觉浅,绝知此事要躬行。 团队通过两个生动的演示,展现了该技术的巨大应用潜力。

(一)单像素毫米波相机:透视成像的革新

传统太赫兹/毫米波成像依赖昂贵且难以大规模制造的面阵探测器。Kocabas团队另辟蹊径,构建了一套基于压缩感知原理的单像素成像系统(图4a)。

系统构成: 使用100 GHz毫米波源照射被纸袋包裹的金属物体(如扳手、剃须刀片),物体影子投射到其后的可重构超表面器件上。透射波由单个热释电探测器接收。
核心算法: 在超表面器件上快速切换显示一组预先计算好的、具有正交特性的哈达玛(Hadamard)掩模图案(1024种32x32模式)。每次显示一种图案后,记录透射的总光强。
图像重建: 利用哈达玛矩阵的正交性,通过数学反演(X = M⁻¹I)仅需1024次测量即可重建出被遮挡物体的32x32像素透射图像(图4b, c)。

实验结果令人印象深刻:分辨率受限于3毫米波长,但剃须刀片仅2毫米宽的缺口依然清晰可辨(图4c)。误差分析显示图像质量随测量次数增加快速收敛(图4d)。

意义: 此方案巧妙规避了对高成本阵列探测器的依赖,仅需一个低成本单点探测器和大面积可编程调制器即可成像,为开发经济高效的太赫兹安检仪、无损检测设备铺平了道路。

(二)动态波束赋形:指向6G通信

未来6G网络将依赖高频段(如太赫兹)的大带宽,而波束精准、灵活的指向性是其核心挑战。

团队在器件上生成了不同周期的二元光栅图案(图5b)和带有位错奇点的叉形光栅图案(图5c),成功演示了:
动态波束偏转: 通过改变光栅周期(8-20mm),毫米波衍射光束的偏转角度被实时控制。
轨道角动量(OAM)光束生成: 当加载叉形光栅图案时,入射的高斯光束被转化为具有光学涡旋特征的环形拉盖尔-高斯光束(OAM态 l = ±1, ±2),即携带了轨道角动量(图5c)。

意义: 这证明了该超表面器件具备实时操控波前、生成复杂光束的能力。在6G通信中,这可用于实现动态用户跟踪、多用户空间复用(利用OAM的不同模式),甚至穿透障碍物的非视距(NLOS)通信。在这里插入图片描述

04 挑战与展望:通往实用化的关键一跃

尽管成果斐然,这项技术迈向实用化仍需翻越几座大山:

调制损耗: 石墨烯在调控过程中伴随显著的可调谐吸收,导致器件存在插入损耗(透射模式约70%)。未来需探索多层优化或混合材料方案以降低损耗。
刷新速度: 目前器件图案更新速率主要受限于显示驱动芯片的串行通信带宽、行扫描速度等电子学瓶颈(毫秒级),而非静电门控本身(微秒级潜力)。采用更先进的高速驱动IC是提速关键。
离子工程: 电解质的离子尺寸和动力学特性直接影响像素充电时间(目前1ms)。通过定制化离子液体电解质,有望进一步提升响应速度。
规模化制造: 虽然借用了TFT背板技术,但大面积、高质量石墨烯转移与电解质集成工艺的良率和一致性仍需提升。

值得关注的是,该技术架构展现出极强的延展性:

像素规模: 研究仅展示了0.3兆像素器件,但作者明确指出,基于现代显示技术的强大能力,制造百万像素甚至更大规模阵列完全可行。
柔性潜力: TFT背板可制作在柔性基底上(论文中提到),结合石墨烯和PET的柔性,未来可开发可弯曲、可共形的超表面器件,应用于曲面或可穿戴设备。
频谱拓展: 器件已在高达3 THz频率下演示了反射调控,验证了其在更宽频谱范围内的潜力。

05 结语:超构表面的新纪元

曼彻斯特大学的这项研究,将石墨烯的前沿电光特性与成熟的TFT产业技术深度融合,创造出前所未有的大规模、可编程太赫兹/毫米波操控平台。

它不仅解决了该领域长期存在的大规模集成与实时调控难题,更通过反射奇点拓扑相位调控、单像素压缩成像、动态OAM波束生成等创新演示,为未来技术落地描绘了清晰蓝图。

随着材料优化、驱动提速和工艺成熟,这种“智能魔镜”有望在非侵入式医疗成像(如早期皮肤癌筛查)、下一代高速保密通信(6G及Beyond)、智能感知与安检等领域率先破局。

当30万像素的“石墨烯魔镜”批量嵌入通信基站或成像设备时,人类驾驭电磁波的能力将跃入一个更精细、更智能的新维度。

科学的意义不仅在于发现,更在于为世界提供新的工具。
这片12厘米见方的石墨烯超表面,正是人类开启太赫兹宝库的一把关键钥匙。
在这里插入图片描述


http://www.hkcw.cn/article/HwRCiwnJGl.shtml

相关文章

线性调频波形测距测速信号处理——全代码+注释

clear all close all clc %% 参数设置 fs600e6;%采样率 fc10.45e9;% 波形发射载频 t10e-6;%脉宽 f050e6;%波形中频频率 B10e6;%带宽 uB/(2*t);%调频斜率 Tv100e-6;% 脉冲重复周期 Num64;% 测速脉冲数 lamdfs/B;% 抽取带宽 Nsround(fs*t); NTvround(fs*Tv); tt0:1/fs:t-1/fs; ff…

Spine工具入门教程2之导入

1、导入定义 从原画转化为Spine的环节。 (1)选择路径,拖动图片导入方式 缺点:定位不准 【使用批量导出的方式】 在PS工具中,选择所有图层后右键选择导出。 在Spine工具中,选择路径导入图片。 然后再拖…

吴恩达MCP课程(1):chat_bot

原课程代码是用Anthropic写的,下面代码是用OpenAI改写的,模型则用阿里巴巴的模型做测试 .env 文件为: OPENAI_API_KEYsk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx OPENAI_API_BASEhttps://dashscope.aliyuncs.com/compatible-mode…

Z-AnyLabeling1.0.1

1.前段时间写了第一个版本的Z-AnyLabeling,使用起来只能标注一个文件夹里面的图片,不能标注多个文件夹数据 2.现在更新一个版本可以标注多个文件夹数据,同时可以保存成一个工程文件。 3.软件开发环境:Pycharm,Pyside6 4.软件界面 …

告别充电焦虑:移动充电桩如何优化传统充电模式?

新能源汽车的普及,充电难、充电慢的问题日益凸显。传统固定充电桩受限于场地和电网,难以满足用户灵活、高效的充电需求。而移动充电桩的出现,正逐步改变这一局面。它以其灵活部署、智能调度和高效补能的优势,为缓解充电焦虑提供了…

github访问慢

解决github外玩访问慢 ,点击解决方案

榕壹云医疗服务系统:基于ThinkPHP+MySQL+UniApp的多门店医疗预约小程序解决方案

在数字化浪潮下,传统医疗服务行业正面临效率提升与客户体验优化的双重挑战。针对口腔、美容、诊所、中医馆、专科医院及康复护理等需要预约或诊断服务的行业,我们开发了一款基于ThinkPHP+MySQL+UniApp的多门店服务预约小程序——榕壹云医疗服务系统。该系统通过模块化设计与开…

RPA如何支持跨平台和跨浏览器的自动化

RPA,即机器人流程自动化(Robotic Process Automation),正日益成为企业实现业务流程高效自动化的关键技术。在复杂的数字化环境中,跨平台和跨浏览器的自动化需求极为迫切,RPA 通过多种技术手段和策略来满足这…

SpringBoot简单体验(TODO)

1 Helloworld 打开:https://start.spring.io/ 选择maven配置。增加SpringWeb的依赖。 Generate之后解压,代码大致如下: hpDESKTOP-430500P:~/springboot2/demo$ tree ├── HELP.md ├── mvnw ├── mvnw.cmd ├── pom.xml └── s…

事件驱动架构入门

主要参考资料: 软件架构-事件驱动架构: https://blog.csdn.net/liuxinghao/article/details/113923639 目录 简介事件队列事件日志事件收集器响应队列读事件 vs. 写事件 简介 事件驱动架构是一种系统或组件之间通过发送事件和响应事件彼此交互的架构风格。当某个事…

2024全国青少年信息素养大赛python复赛真题——计算握手次数

2024全国青少年信息素养大赛python复赛真题——计算握手次数 题目可点下面去处,支持在线编程,在线测评~ 计算握手次数(2024全国青少年信息素养大赛复赛真题)_python_少儿编程题库学习中心-嗨信奥 题库收集了历届各白名…

[春秋云镜] CVE-2023-23752 writeup

首先奉上大佬的wp表示尊敬:(很详细)[ 漏洞复现篇 ] Joomla未授权访问Rest API漏洞(CVE-2023-23752)_joomla未授权访问漏洞(cve-2023-23752)-CSDN博客 知识点 Joomla版本为4.0.0 到 4.2.7 存在未授权访问漏洞 Joomla是一套全球知名的内容管理…

Trae Builder编程助手-基于Builder完成算法生成+api接口实现全流程

Trae插件下载链接 ​ 总结 使用过Builder后,我的感觉就是,可以通过嘴写代码!!雄起吧,我们程序员的口语交际能力。同时重点要先把自己的编码环境设置好,否则很麻烦 参考 安装过程单击Trae插件下载链接&…

python笔面试题汇总

1. 如何利用SciKit包训练一个简单的线性回归模型 利用linear_model.LinearRegression()函数 # Create linear regression object regr linear_model.LinearRegression() # Train the model using the training sets regr.fit(data_X_train, data_y_train) 2. 例举几个常用的…

pandas数据分析

数据读取 import pandas as pd df pd.read_csv(D:\my_app\python\python project\data\sample_data.csv) print(df)数据保存 import pandas as pd# 创建示例数据 data {Name: [Alice, Bob, Charlie, David, Eve],Age: [25, 30, 35, 28, 22],City: [Beijing, Shanghai, Guan…

力扣每日一题——找到离给定两个节点最近的节点

目录 题目链接:2359. 找到离给定两个节点最近的节点 - 力扣(LeetCode) 题目描述 解法一:双指针路径交汇法​ 基本思路 关键步骤 为什么这样可行呢我请问了? 举个例子 特殊情况 Java写法: C写法&a…

一种通用图片红色印章去除的工具设计

朋友今天下午需要处理个事情,问我有没有什么好的办法能够去除,核心问题是要去除图片上的印章。记得以前处理过类似的需求,photoshop操作比较简单,本质是做运算。这种处理方式有很多,比如现在流行的大模型,一…

Bean对象循环依赖

Spring 循环依赖是指 多个 Bean 对象之间形成相互依赖的闭环。 三级缓存解决循环依赖 缓存级别存储内容作用一级缓存完整的 Bean(singletonObjects)存放已初始化完成的 Bean二级缓存半成品 Bean(earlySingletonObjects)存放已实例…

文心快码参编国内首个软件开发智能体技术规范

近期,中国信息通信研究院(简称“中国信通院”)与中国工商银行、北京兴云数科技术有限公司、北京百度网讯科技有限公司牵头,联合农业银行、邮储银行、科大讯飞、腾讯、阿里、华为等二十余家头部企业,共同编制并正式发布…

【笔记】Windows 系统安装 Supabase CLI 完整指南(基于 Scoop)

#工作记录 前言 在进行开源项目 Suna 部署过程中,执行设置向导时遭遇报错:❌ Supabase CLI is not installed. 根据官方文档指引,需通过 Windows 包管理工具Scoop安装 Supabase CLI。 安装步骤记录 步骤 1:确保 Scoop 已正确安…