首尔国立大学研发低余像AI紫外线传感器

首尔国立大学团队研发出低余像AI紫外线传感器。该器件通过单域晶体结构与电脉冲重置机制,将信号衰减时间降至约0.7毫秒,配合576像素阵列与CNN,有效抑制残留干扰并提升实时识别精度。

首尔国立大学团队研发新型智能紫外线图像传感器,结合AI实现低余像高效识别

近日,由首尔国立大学工程学院材料科学与工程系胡文教授和永乔公园教授领衔的研究团队,联合德克萨斯 A&M 大学电气与计算机工程系苏恩教授,成功开发出一种新型紫外线图像传感器。该技术在显著减少“后图像”(即光信号消失后残留的电信号)的同时,能够利用人工智能(AI)对连续紫外线图像进行实时识别。相关研究成果已发表于《InfoMat》杂志。

电子迁移率提升36倍

技术背景:神经形态视觉与深紫外检测的挑战

机器视觉技术在自动驾驶、无人机及智能工厂等领域应用广泛。传统图像处理架构需将传感器数据传至内存和处理器进行分析,导致数据传输延迟和高功耗。为解决这一瓶颈,神经形态图像传感器应运而生,其设计理念模仿人眼和大脑,在光检测阶段直接完成信息存储与处理。

研究团队聚焦于氧化镓(Ga₂O₃)半导体材料,因其对波长为 200-280 纳米的深紫外线(DUV)具有优异的选择性响应能力。由于大气臭氧层吸收了大部分太阳发出的 DUV,地面环境中此类波段的光线主要源自火焰或高压设备的电弧放电。因此,基于 DUV 的检测可有效抑制太阳光干扰,精准捕捉特定安全监测信号。

然而,传统氧化镓传感器存在严重的“持续光电导效应”。当在蓝宝石基板上生长时,晶体往往形成多域结构,晶界会阻碍电子传输并捕获电荷,导致光源关闭后电流仍持续流动。若前一幅图像的残留信号未完全消退,便会与新图像重叠,严重降低后续识别精度。

核心突破:受控域定向结构与电脉冲重置机制

为克服上述缺陷,研究人员提出了一种结合材料结构优化与电路控制的双重策略:

  • 晶体结构改良:研究团队采用表面与特定晶面成 6 度角切割的蓝宝石基板。这种原子尺度的台阶引导了晶体的定向生长,使氧化镓形成单域结构,大幅减少了干扰电子传输的晶界。材料分析证实,改良后的薄膜中电子迁移率约为混合晶向对比样品的 36 倍,显著提升了传感性能。
  • 动态电脉冲重置:在硬件层面,团队引入“重置”功能,通过施加短电脉冲快速清除剩余电流。实验显示,使用 1 毫秒的重置脉冲可将代表残留信号衰减时间常数降至约 0.7 毫秒。尽管这并非信号完全消失的时间,但足以表明其衰减速度极快,从而为接收下一帧图像做好准备。
将 Si:Ga₂O₃ 光电晶体管扩展至具有受控域定向的活光电晶体管阵列。图片来源:InfoMat (2026)

系统验证:576像素阵列与CNN协同工作

为了评估实际应用潜力,研究人员将开发的光传感器集成到 24×24 的阵列中,共计 576 个像素,并结合卷积神经网络(CNN)进行图像特征分析与分类。实验依次呈现 0 到 9 的手写数字图案,重点考察后图像对识别准确率的影响。

结果显示,在未启用重置功能的情况下,前一数字的信号会与后一数字重叠,严重妨碍识别;而当在数字切换间隙应用重置脉冲时,后图像被有效抑制,识别精度显著提升。整个传感器阵列的重置过程仅需约 2 毫秒即可完成。

此外,该设备展现出低压运行特性,工作电压仅为 0.1V,控制脉冲电压为 0.5V。器件还表现出类突触行为,即电流响应随重复光刺激而变化,这意味着先前的光刺激信息可影响后续反应,具备在传感器内部存储和处理信息的潜力。即使在噪声干扰或光信号暂时中断的情况下,系统仍能重建数字图像。

意义与展望

该研究证明了通过改进材料晶体结构并结合电气控制,不仅能提升单个器件的灵敏度和响应速度,还能从根本上改善系统级的 AI 识别精度和能效比。首尔国立大学 Jang 教授指出:“这项成就得益于材料生长专家与 AI 硬件设计人员的早期深度合作。”

目前,研究团队正致力于提高像素密度,并将传感器与驱动电路集成至单一芯片上。未来应用场景包括火灾早期预警、电力设备电弧监测,以及无人机和物联网(IoT)设备中的低功耗图像处理。

论文信息:

Jae Young Kim 等人,“Domain-engineered photodetectors enable intelligent UV vision with dynamic gating”,InfoMat (2026)。DOI: 10.1002/inf2.70112

评论 0

0/500

评论需审核后展示,请文明发言

💬
还没有评论,来说两句

相关阅读