編輯 | 蘿卜皮

具有智能功能的先進光電探測器，有望在未來技術中發揮重要作用。然而，在有限數量的像素內完成復雜的檢測任務仍然具有挑戰性。

吉林大學的研究團隊報告了一種差分鈣鈦礦半球形光電探測器，用作智能成像和位置跟蹤的智能定位器。鈣鈦礦半球形光電探測器具有高外量子效率（~1000%）和低噪聲（10^?13?A?Hz^?0.5），可實現穩定且大的信號響應變化。

通過計算機算法分析僅 8 個像素的差分光響應，可以在低成本、無透鏡的設備幾何結構中實現彩色成像的能力和 4.7 nm 的計算光譜分辨率。

通過機器學習模擬不同施加偏置下的差分電流信號，可以記錄多維檢測信息，通過顏色分類功能動態跟蹤物體在三維空間或二維平面中的運行軌跡。

該研究以「Differential perovskite hemispherical photodetector for intelligent imaging and location tracking」為題，于 2024 年 1 月 17 日發布在《Nature Communications》。

具有先進功能的智能化、低成本光電探測器是現代技術快速發展的必然趨勢。光子檢測的進步涉及多種信息，例如光子效率、廣角視覺、圖像有效性、顏色分類、物體定位、數字信息傳輸等。

然而，光學成像中的傳統技術通常包含冗余、重復和不相關的信息，并且相機中的矩陣傳感器也給成像系統帶來了額外的成本和復雜性。

為了實現廣角、夜視等不同成像場景下的多功能，智能手機的傳統做法是集成多個攝像頭，在不同情況或需求下使用單獨的不同攝像頭。復雜的光學元件和重復的像素矩陣元件實際上是對空間和成本的浪費。

基于傅里葉變換的單像素成像部分解決了這個問題。通過傅里葉變換將二維圖像轉換為頻域，僅一個單像素光電探測器就可以通過監測物體反射光引起的光電流變化來記錄圖像信息。借助傅里葉算法，通過傅里葉逆變換，根據傅里葉譜系數重建物體圖像。

在最新的研究中，吉林大學團隊報道了一種具有8個差分像素的差分鈣鈦礦半球形光電探測器；使用不同應用偏差下的差分像素大小、位置和響應率，以及傅里葉變換算法和神經網絡擬合 (NNF) 輔助機器學習，能夠兼容地集成各種功能，例如計算光譜儀、廣角成像、顏色分類、位置跟蹤等。

低噪聲（~10^?13?A?Hz^?0.5）、高 EQE（~1000%）和半球形器件架構使大差分信號能夠收集更多感興趣的信息。將差分光電探測器的優點與機器學習和 NNF 工藝相結合，可以進一步增強最先進的光電探測器。

這種簡便的設計不僅節省了構建復雜探測器陣列的空間和成本，而且將探測器性能推向了智能化。然而，數據采集和分析過程仍然需要強大的計算能力，這可能會延遲結果的及時性或損害結果的準確性。

盡管如此，仍需要進一步的模型設計和算法優化，通過展示智能性能的進步來提高差分檢測器的成熟度。通過集成差分半球形探測器陣列，大多數先進光電探測器可以進一步智能化和小型化，以適應未來的人工智能應用。

論文鏈接：https://www.nature.com/articles/s41467-024-44857-4