南方科技大學(xué)：DLP振蕩3D打印高光滑微透鏡陣列

2019年10月，新加坡Singapore University of Technology and Design (SUTD) 和深圳南方科技大學(xué) Southern University of Science and Technology (SUSTech) 的研究人員，提出了一種使用振蕩輔助數(shù)字光處理（DLP）3D打印制造微透鏡陣列的方法。

△DLP 3D打印的高質(zhì)量微透鏡陣列


微透鏡陣列由具有光學(xué)表面光滑度的多個微米大小的透鏡組成。 通常，3D打印物體的表面粗糙，大多數(shù)3D打印方法在制造光學(xué)組件方面均不成功。 但是，研究團隊利用投影透鏡的振動，開發(fā)了一種使用DLP 3D打印技術(shù)生產(chǎn)具有光學(xué)表面光滑度的微透鏡陣列的方法。

項目負責(zé)人和南方科技大學(xué)的Qi Ge副教授解釋了這一過程，他說：“在我們的方法中，采用計算設(shè)計的灰度圖案可在一次UV曝光下覆蓋微透鏡輪廓，從而消除了傳統(tǒng)的逐層3D打印中存在的階梯效應(yīng)。 加上投影透鏡振蕩，以進一步消除由于離散像素間隙而形成的鋸齒狀表面。”
△ 灰度圖案的生成。 （a）具有（2n + 1）行和（2n + 1）列的灰度數(shù)據(jù)矩陣。 Gi j表示位于第i和第j 像素的灰度值。 Dij表示任意像素與中心像素之間的距離。 （b）沿直徑的三個圓形圖案的灰度分布。

機械振蕩改進DLP 3D打印

微透鏡是一個小透鏡，通常只有10微米。微透鏡陣列包含在支撐基板上以一維或二維陣列形成的多個透鏡。提供檢測和控制光的電子設(shè)備和系統(tǒng)，光電子小型化的日益增長的需求，引起人們極大的關(guān)注。因此，微透鏡陣列已經(jīng)成為在各種微型化的成像、傳感和光通信應(yīng)用中的重要微光學(xué)器件。

據(jù)研究人員稱，生產(chǎn)微透鏡陣列很困難，因為許多制造技術(shù)仍然存在諸如時間長、工藝復(fù)雜、不靈活以及難以控制一致性等局限性。

DLP 3D打印是一種使用數(shù)字投影儀固化光敏聚合物樹脂，生產(chǎn)3D打印零件的過程。它通常用于高精度的3D打印，并且被認為是比SLA更快的方法。盡管DLP 3D打印在制造具有不同尺寸、幾何形狀和輪廓的微透鏡陣列時提供了極大的靈活性，但它一直無法生產(chǎn)出光滑表面的光學(xué)零件。

為了克服這個問題，SUTD和SUSTech研究人員將DLP 3D打印與機械振蕩和灰度UV曝光集成在一起。振蕩有助于消除3D打印部件中離散像素形成的鋸齒狀表面，而灰度級UV曝光則消除了3D打印常見的層紋階梯效應(yīng)。這樣就可以制造出具有光學(xué)特征光滑度的微透鏡陣列，而且超快和靈活。

為了證明該方法的可行性和有效性，研究團隊進行了詳細的形態(tài)學(xué)表征，包括掃描電子顯微鏡（SEM）和原子力顯微鏡（AFM）。結(jié)果表明，投影透鏡振蕩與DLP 3D打印的集成，將表面粗糙度從200 nm降低到約1 nm。Ge教授補充說：“相對于其他制造方法，我們基于振動輔助DLP的打印方法既節(jié)能又省時，不會降低光學(xué)性能，便于商業(yè)化和大規(guī)模生產(chǎn)。此外，這種方法也為其他對光學(xué)表面要求高的制造領(lǐng)域提供了啟發(fā)靈感”

3D打印微透鏡

盡管研究團隊用DLP技術(shù)制造出微透鏡陣列，但其他3D打印技術(shù)也可能同樣適合。例如，德國的Nanoscribe生產(chǎn)能夠生產(chǎn)微透鏡陣列的雙光子增材制造系統(tǒng)。2019年，推出了一款名為Quantum X的3D打印機，使用雙光子光刻技術(shù)來制造納米級的折射和衍射微光學(xué)元件，可小至200微米；2018年底，還推出了Photonic Professional GT2 3D打印機，用于微加工和無掩模光刻，也能夠生產(chǎn)微透鏡。

△在Quantum X機器上打印的3D微透鏡陣列。圖片來自Nanoscribe。

在中國，也有一家公司可以3D打印透鏡陣列——摩方材料，并且質(zhì)量也很高。

SUTD和SUSTech的研究，“Ultrafast Three-Dimensional Printing of Optically Smooth Microlens Arrays by Oscillation-Assisted Digital Light Processing, 已經(jīng)發(fā)表在ACS Applied Materials & Interfaces上“. 作者包括Chao Yuan, Kavin Kowsari, Sahil Panjwani, Zaichun Chen, Dong Wang, Biao Zhang, Colin Ju-Xiang Ng, Pablo Valdivia y Alvarado, Qi Ge.