图1 基于黑磷的中红外光电探测器
1. 导读
中红外（Mid-IR）光检测与成像技术在遥感、通信、医疗诊断等领域具有重要价值，但传统中红外探测器存在制备工艺复杂、需低温运行、成像效率低等问题。针对这些挑战，近日，深圳大学，澳门科技大学和复旦大学等联合团队在Nanophotonics发表最新成果，提出了一种基于黑磷（BP）范德华异质结的高性能中红外光电探测器（图1），并结合人工智能（AI）算法优化成像系统，显著提升了中红外单像素成像的质量与效率。
研究团队通过优化黑磷/二硫化钼（MoS₂）/六方氮化硼（hBN）异质结的厚度与界面质量，成功制备出宽光谱响应（405 nm–3390 nm）的光电探测器。该器件在3390 nm波长下响应度（R）达0.25 A/W，比探测率（D*）高达3.7*109 Jones，响应速度低至7 ms，性能优于许多已报道的二维材料基中红外探测器。此外，该器件在室温下表现出优异的稳定性，在空气中可稳定工作超过三个月。
在成像系统方面，研究团队创新性地将AI算法引入中红外单像素成像系统，通过对比度受限自适应直方图均衡化（CLAHE）、扩散模型（Diffusion Model）与生成对抗网络（GAN）等技术，显著提升了图像质量。实验结果显示，经过AI优化后，图像对比度从0.227提升至0.890，分辨率从730×394提升至2068×1104。即使在25%的低采样率下，系统仍能实现高质量成像，大幅降低了数据采集时间与成本。
该研究不仅为中红外成像系统的高效、低成本化提供了新方案，也为二维材料与AI技术的深度融合开辟了全新路径。未来，这一技术有望在无人驾驶夜视系统、医疗内窥镜、工业无损检测等领域实现广泛应用，并为量子通信、高分辨光谱分析等前沿方向提供关键支持。
2. 研究背景
中红外光（波长范围3–20μm）因其独特的分子指纹识别能力与强穿透性，在环境监测、军事侦察、生物医学诊断等领域具有广泛的应用前景。传统中红外探测器主要依赖汞镉碲（MCT）、量子阱、量子点等材料，这些材料虽然性能优异，但其制备工艺复杂、成本高昂，且通常需要在低温甚至超低温环境下运行，极大地限制了其大规模应用与推广。
近年来，二维材料（如石墨烯、黑磷、二硫化钼等）因其原子级厚度、高载流子迁移率、可调带隙等特性，成为中红外光电器件的研究热点。特别是黑磷（BP），作为一种直接带隙半导体材料，具有从可见光到中红外的宽光谱响应能力，且其载流子迁移率高、暗电流低，被认为是中红外探测器的理想候选材料之一。然而，单一的黑磷材料在实际应用中仍面临稳定性差、响应速度有限等问题。为此，研究人员通过构建范德华异质结（如黑磷/二硫化钼、黑磷/石墨烯等），利用异质结界面处的能带调控与载流子分离效应，显著提升了器件的光电性能。
在成像技术方面，单像素成像因其高灵敏度、低成本等优势，成为中红外成像的重要研究方向。单像素成像系统通常由空间光调制器与光电探测器组成，通过采集目标物体的光强信息并利用算法重建图像。然而，传统单像素成像技术受限于采样速度与重建算法的效率，难以实现高质量实时成像。近年来，人工智能（AI）技术的快速发展为图像重建提供了新的解决方案。AI算法通过深度学习模型，能够直接从低信噪比的单像素数据中重建高分辨率图像，显著提升了成像效率与质量，为单像素成像技术的实用化提供了新的可能。
尽管二维材料与AI技术在中红外探测与成像领域展现出巨大潜力，但如何将二者高效结合，仍是当前研究的难点。一方面，二维材料基光电探测器的性能仍需进一步提升，以满足实际应用中对高灵敏度、高响应速度的需求；另一方面，AI算法在图像重建中的优化效果受限于数据质量与计算资源，如何在不增加系统复杂度的前提下实现高效成像，是亟待解决的关键问题。针对这些挑战，深圳大学，澳门科技大学和复旦大学等联合团队通过优化黑磷异质结的界面质量与AI算法，成功实现了高性能中红外光电探测器与高质量成像系统的协同设计，为中红外成像技术的实用化提供了新思路。
3. 创新研究
研究团队从材料设计与系统优化双路径突破，提出了“二维材料异质结+AI协同增强”的创新方案，实现了中红外探测与成像技术的双重跨越。
图2 器件在中红外波段的光电性能表征
异质结器件设计：突破材料性能瓶颈
传统中红外探测器受限于材料带隙与载流子复合效率，难以兼顾宽光谱响应与高灵敏度。为此，团队设计了一种黑磷/二硫化钼/六方氮化硼（BP/MoS₂/hBN）范德华异质结，通过精确控制材料厚度（BP: 24.1 nm，MoS₂: 9.1 nm，hBN: 79.1 nm，图3）与界面能带匹配，构建了高效的II型异质结。实验表明，该异质结在负偏压下表现出显著的光电导效应，室温暗电流低至14.4 nA，且在3,390 nm中红外波段响应度达0.25A/W，比探测率(D*)达3.7*109 Jones（图2），性能超越多数同类器件。
图3 器件拉曼及AFM表征
AI算法优化：重构成像效率与质量
针对单像素成像中数据冗余与噪声干扰的难题，团队开发了一套AI驱动的自适应成像系统，融合对比度受限自适应直方图均衡化（CLAHE）、扩散模型（Diffusion Model）与生成对抗网络（GAN）三大技术。具体而言（图4 ）：1. CLAHE预处理：通过局部直方图均衡化增强图像细节，将原始数据的对比度从0.227提升至0.890；2. 扩散模型降噪：利用去噪扩散概率模型（DDPM）消除低采样率（25%）下的随机噪声与模糊伪影；3. GAN超分辨率重建：基于条件生成对抗网络（GAN）将图像分辨率从730×394提升至2068×1104，边缘清晰度提高3倍。实验结果显示，该系统在低至25%的采样率下仍能重构出高保真图像（图5）。
图4 AI增强流程图
为验证技术的实用性，团队构建了完整的中红外单像素成像平台，采用机械步进电机控制掩模图案，结合黑磷异质结探测器与AI算法，实现了室温下的高对比度成像。实际测试中，系统在复杂背景噪声下仍能准确识别目标轮廓。
图5 AI算法优化流程（图 1-4）与低采样率（25%：图5-12）下的成像效果对比（左为原始数据，右为AI优化后）
4. 应用与展望
研究团队通过“二维材料+AI”协同方案，为中红外成像技术的实用化提供了新思路。未来，通过垂直异质结设计或光学微腔集成，可进一步提升器件响应速度与灵敏度。此外，AI算法可拓展至采样过程优化，减少数据采集时间与成本。此项技术有望推动中红外成像在无人驾驶夜视系统、医疗内窥镜、工业无损检测等领域的应用，并为量子通信、高分辨光谱分析等前沿方向提供关键支持。
研究成果以“Artificial intelligence driven Mid-IR photoimaging device based on van der Waals heterojunctions of black phosphorus”为题发表于Nanophotonics。
澳门科技大学王子谦、深圳大学王慧德为共同第一作者，深圳大学张晗教授与澳门科技大学李建庆教授为共同通讯作者。这项研究得到了深圳大学范滇元院士团队，复旦大学黄张成教授团队等科研力量的大力支持，同时，也获得了国家重点研发计划、国家自然科学基金等多个项目的资助。
免责声明：本文旨在传递更多科研资讯及分享，所有其他媒、网来源均注明出处，如涉及版权问题，请作者第一时间后台联系，我们将协调进行处理，所有来稿文责自负，两江仅作分享平台。转载请注明出处，如原创内容转载需授权，请联系下方微信号。
两江科技评论