48块相机拼成一台显微镜：它同时看清几十条自由爬行的线虫
伯克利团队把48块分离传感器、定制衍射元件和压缩重建算法组成一台显微镜，在暗场模式下实现约3微米分辨率、超过5.2平方厘米视野和120帧/秒。它真正移动的不是像素纪录，而是科学仪器中视野、速度与细节的旧边界。
一秒252亿像素：显微镜终于能同时看得细、看得广、看得快
显微镜越看得清，通常看得越窄：伯克利用计算补上相机缝隙
伯克利团队把48块分离传感器、定制衍射元件和压缩重建算法组成一台显微镜，在暗场模式下实现约3微米分辨率、超过5.2平方厘米视野和120帧/秒。它真正移动的不是像素纪录，而是科学仪器中视野、速度与细节的旧边界。
一块两厘米见方的“土壤”里，几十条线虫正绕着微型柱子自由爬行。普通显微镜若追住其中一条，往往会丢掉其余个体；若把整片区域收入画面，细小的咽部运动又会模糊。现在，一台由48块相机组成的显微镜同时看见了两者。
它在暗场模式下覆盖超过5.2平方厘米，分辨率约3微米，最高达到每秒120帧。研究团队把这组性能概括为每秒252亿个“有效像素”。
但真正的突破并不是堆出一个巨大数字。伯克利团队做了一件反直觉的事：他们没有消灭48块传感器之间的黑色缝隙，而是先让光主动绕路，再用计算把缺失的画面解回来。
显微镜有一条很难同时跨过的三角形
显微成像长期面对三个彼此牵制的目标：看得细、看得广、看得快。
高倍物镜能分辨细胞结构，却只覆盖很小区域。低倍物镜能一次看见更多样品，但微小细节会消失。移动载物台逐格扫描，可以把许多小视野拼成大图；可当样品是正在游动的线虫、跳动的心肌或快速变化的神经信号时，第一格和最后一格已经不是同一个时刻。
另一条路线是连续拍摄多幅图像，再通过计算提高分辨率。这类方法通常假设样品在拍摄序列中保持不动。对自由运动的生物，这一假设很容易失效。
问题最终落到传感器：一秒钟能读取多少像素，决定显微镜能同时容纳多少空间细节和时间变化。制造一块既巨大、又高速、又低噪声的完整传感器很难；把许多现成相机排成阵列更现实，却会留下无法感光的物理缝隙。
7月28日，Kevin C. Zhou、Chaoying Gu、Laura Waller等人在《Nature Photonics》发表论文，提出“大规模压缩显微镜”；伯克利同日发布研究说明。8月3日，该材料经Phys.org转载，进入本次扫描窗口。这台装置的出发点正是：既然缝隙无法低成本消失，能否让落向缝隙的信息换一条路抵达传感器？
一块玻璃，把每个光点变成15个
系统的底部是一块6×8相机阵列，共48个8位单色传感器。完整读取时，它们一次能采集6.17亿个像素。阵列的包络面积约4.95×6.64厘米，但传感器之间的空隙很大，真正能感光的区域只占“超级传感器”面积约22%。
研究者在显微镜的傅里叶平面放入一块定制的衍射光学元件。它不是普通镜片，而是一张具有64级高度的微细相位图案。样品中每一个物点发出的光经过这里后，不再只形成一个像点，而会被分成15个位置不对称的亮点。
这15份光并非随意散开。它们被设计成：无论样品中的光原本对应阵列上的哪一个位置，至少有一份会落到某块传感器，而不是全部掉进缝隙。衍射元件像一名分流员，把本来会丢失的信息编码进实际能够读取的区域。
代价是相机得到的并非一张干净照片，而是15份略微错开的样品图像叠在一起。算法必须知道光学系统如何把物体变成这些重影，然后反过来求解原始图像。
这不是简单的“AI补图”。论文建立了随空间位置变化的卷积模型，同时用总变差和稀疏约束限制答案。换句话说，软件不是凭视觉经验猜缝隙里应该有什么，而是寻找一幅图：它经过已知衍射、畸变和传感器遮挡后，能够生成实际测得的数据。
因为15个光点覆盖范围还越过了阵列边缘，算法不仅填补内部缝隙，也能重建一部分物理传感器之外的视野。由此，系统在传感器阵列提供的并行采集之外，又获得超过5.4倍的有效视野扩展。
252亿像素，不能按普通相机理解
论文中最醒目的数字是25.2 gigapixels per second，即每秒252亿像素。但它需要拆开读。
48个传感器在不合并像素时，每帧实际读取约6.17亿像素；受6.17 GB/s数据传输带宽限制，最高约10帧/秒。为了拍摄快速运动的线虫，研究者使用4×4像素合并，把每帧实际采集量降到约3850万像素，速度提高到120帧/秒。两者相乘，原始读出约为每秒46.2亿像素。
算法随后把暗场图像重建成12621×16655像素，也就是每帧约2.10亿个有效图像点。再乘以120帧，才得到252亿像素/秒。
因此，这个数字表示系统能恢复的“有效时空信息规模”，其中包含由光学编码和先验约束重建的区域；它不是252亿个独立物理像素每秒逐一读出。把它与手机或高速相机的原始像素率直接比较，会混淆测量与推断。
这一区别不削弱成果，反而说明了计算成像真正移动的边界：过去仪器能力主要由镜片和芯片决定，如今系统可以预先设计光怎样混合，再用模型解码。硬件不必完整地“看见”最终图像中的每个点，但必须采到足够支持稳定重建的信息。
从追一条线虫，到同时观察一个群体
研究团队把野生型秀丽隐杆线虫放进一块2×2厘米的微流控装置。装置里排列着六边形微柱，用来模拟线虫在土壤孔隙中的运动环境。暗场显微镜以120帧/秒连续拍摄15秒，同时记录几十条自由爬行的线虫。
重建后，研究者不仅追踪了多条线虫的轨迹，还能辨认部分内部结构，例如肠道后端。显微镜从“追着一个个体移动”变成“把整个小社会同时留在画面里”。
他们还更换光路，进行荧光功能成像。线虫咽部表达GCaMP8f钙指示剂，进食时咽泵快速收缩，细胞内钙信号随之闪动。系统在120帧/秒下同时追踪12条线虫，提取每条线虫最高约4至5赫兹的咽泵活动。
这类能力的意义不只是省下显微镜操作时间。许多生物问题研究的不是一个标准个体，而是差异：同样的药物为什么只改变部分动物的行为？群体中谁最先出现异常？一个刺激发生后，个体反应如何分化？过去，研究者常在空间范围、个体数量与微观细节之间选择。大视野高速显微镜有机会把这些差异放进同一次实验，减少跨批次比较。
它也可能改变药物筛选和神经行为研究的数据单位。实验结果不再只是“某条线虫的平均运动速度”，而可以是几十个个体在连续时间里的姿态、器官活动与神经荧光轨迹。不过，这些价值仍是研究方向，不是论文已经完成的临床或商业产品。
算法补回的画面，也可能补错
压缩成像之所以能从不完整数据恢复更大画面，一个重要前提是样品在某种表示中足够稀疏。暗场里背景接近黑色，只有少量线虫发亮；荧光实验中也只有被标记的咽部发光。这正是算法容易工作的场景。
如果视野被厚组织、密集细胞或复杂纹理填满，许多不同原始图像可能产生相近的压缩测量，逆问题就会变得不稳定。正则化算法还可能把微弱但真实的结构当作噪声抹去，或在重叠信号中产生伪影。用于定量生物学时，重建图必须和独立成像或已知标准交叉验证。
此外，暗场模式的约3微米分辨率、超过5.2平方厘米视野与252亿像素/秒，不能原样套到荧光模式。论文报告，荧光模式在大部分9.3×9.3毫米视野上的全周期分辨率约4.38微米，外围像差更明显，有效吞吐量约21.7亿像素/秒。
它也还不是一台实时显示设备。论文采用RTX 3090显卡，每一帧进行50次优化迭代，重建时间仍少于5秒。机器可以高速采集，却要在之后慢慢“显影”。对于需要立即调焦、闭环刺激或临床决策的场景，计算速度仍是瓶颈。
未来的显微镜，是一套共同设计的系统
传统科学仪器的分工很清楚：光学工程师造镜头，电子工程师做相机，生物学家拿来观察，软件负责整理已经拍好的图像。这项工作展示的路线不同——光学元件故意制造15重影像，传感器阵列故意接受不连续采样，算法从一开始就参与定义什么叫“可被看见”。
这意味着科学仪器的竞争，也可能从单个部件参数转向系统共同设计。谁能同时掌握传感器同步、衍射光学、逆问题算法、微流控和具体生物问题，谁才有机会把实验室原型变成真正有用的设备。
对中国供应链而言，48块相机、定制电路板、微纳衍射元件和显微光路都不是完全陌生的部件。更难复制的，是把这些部件与数学模型、标定方法和生物验证连成一个可信闭环。科学仪器国产化若只替换镜头或相机，可能仍停留在旧分工；真正的机会，是从实验问题出发重新定义整个测量系统。
几百年前，显微镜让人第一次看见肉眼以下的生命。此后的进步常被描述为“看得越来越小”。但这台由48块相机组成的机器提醒我们，科学发现也取决于一次能看见多少生命，以及能否在它们变化时同时看见。
当视野扩大而细节没有立即消失，显微镜看到的不再只是一个被挑中的个体，而是差异、关系与群体。下一次重要发现，未必藏在更小的尺度里，也可能藏在过去不得不被裁掉的画面之外。
资料来源
- Nature Photonics — Large-scale compressive microscopy via diffractive multiplexing across a sensor array — 2026-07-28 — https://www.nature.com/articles/s41566-026-01974-4
- UC Berkeley Engineering — Bringing it all into focus — 2026-07-28 — https://engineering.berkeley.edu/news/2026/07/bringing-it-all-into-focus/
- Phys.org / UC Berkeley — Computational microscope captures 25.2 billion pixels per second — 2026-08-03 — https://phys.org/news/2026-08-focus-microscope-captures-billion-pixels.html
- Nature Photonics — Parallelized computational 3D video microscopy of freely moving organisms at multiple gigapixels per second — 2023-03-20 — https://www.nature.com/articles/s41566-023-01175-7
