《探索 | 外腔泵浦增强的高灵敏中红外上转换探测》

  • 来源专题:光电情报网信息监测服务平台
  • 编译者: husisi
  • 发布时间:2024-08-19
  • 中红外探测技术在环境监测、天文观测、生物医学和安防预警等领域有着广泛应用。相对于可见光波段,中红外光子能量较小,相应的光电探测器通常采用碲镉汞、锑化铟等窄带隙半导体材料。常温下,红外探测器受限于严重的暗电流与热噪声,其噪声等效功率一般在pW/Hz1/2量级,灵敏度远远无法胜任光子稀疏的应用场景。长期以来,研究者致力于发展灵敏度更高、噪声更低的红外探测技术,以满足极弱微光照度下红外测控的迫切需求。

    近年来,红外上转换探测技术备受瞩目,其通过非线性过程将红外光场转换到可见或近红外波段,进而利用高性能硅基探测器获取红外信息,具有灵敏度高、响应速度快、可室温运行等优点。通常,上转换探测器按照泵浦方式可分成两类。一种是基于脉冲光泵浦,该方法利用脉冲高峰值功率、窄时间窗口的特性,能显著提升效率与抑制噪声。但是,脉冲泵浦方案仅适用于协同目标下的主动探测,应用场景受到较大限制。另一种采用连续光泵浦,以适用更为广泛的被动红外探测场景。相比脉冲泵浦方案,连续泵浦能有效提高时域随机红外信号的整体探测效率。但是,该方案在平均功率获取和参量噪声抑制上提出了更为严苛的要求,发展高效率、高灵敏的被动上转换探测仍颇具挑战。

    为此,曾和平教授和黄坤研究员团队结合外腔泵浦增强技术和非线性频率转换技术,设计并研制了高效率、低噪声、大动态范围的中红外探测系统。研究人员通过优化光学外腔的模式匹配与阻抗匹配,获得了36倍的泵浦功率增强;利用基于FPGA的全自动数字锁腔技术,将功率抖动控制在1%以内;在腔内55 W的平均功率下,红外光子的量子转换效率达到了22%;结合高抑制比的滤波系统与高灵敏的硅基单光子计数器,实现了低至0.3 fW/Hz1/2的噪声等效功率,较此前记录提升了至少一个量级。为了进一步提高单光子灵敏度下探测动态范围,研究人员采用多像素光子计数器,有效拓宽了入射信号的线性响应区间。此外,泵浦源和光学腔的模块化分离设计,规避了复杂的固态激光器设计,可以充分利用结构紧凑、鲁棒性高的光纤激光器。

    值得一提的是,所采用泵浦光源具有单纵模的超窄线宽,可以实现高保真的中红外光谱映射,为高精度分子光谱分析提供了可能。未来,该系统有望拓展到长波红外甚至太赫兹波段,为高灵敏探测、光谱以及成像提供有力支撑。

    图 (a) 外腔泵浦增强的中红外频率上转换探测系统装置图; (b) 增强腔的照片以及各部分的材料示意;(c) 背景计数和等效噪声功率随着腔内泵浦功率增加的关系; (d) 光学腔数字锁定过程示意图

相关报告
  • 《硒镓钡晶体 助力实现中红外高灵敏探测》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心—领域情报网
    • 编译者:冯瑞华
    • 发布时间:2022-02-10
    • 记者从中国科学院沈阳自动化研究所(以下简称沈阳自动化所)获悉,该所太赫兹研究团队在红外探测领域取得关键技术突破,实现了基于硒镓钡晶体的3—8微米中红外高灵敏探测,对纳秒脉冲的探测灵敏度指标达到国际先进水平。这项技术将为我国在生物、医疗、化工等领域开展前沿科学研究提供强有力的探测工具。相关成果于1月20日刊发在《光学》上。   相对于传统的可见光近红外波段,中红外光与分子之间的共振现象可大幅度提高光谱测量的信噪比,进而实现对物质成分的有效识别。中红外探测技术对于推动生命科学、物性分析等科学探索,以及环保、化工行业、医学诊断等实际应用具有重要意义。当前的中红外探测主要采用热探测和光电探测两种直接探测手段,难以满足科学家们对微量物质的精准检测的需求,探测灵敏度已成为中红外系统的瓶颈问题。   针对当前中红外探测的瓶颈问题,研究团队提出了基于激光频率变换技术的解决方案,设计并搭建了实验系统。研究团队负责人、沈阳自动化所研究员祁峰介绍,该方案的工作原理是将弱中红外信号高效率地转换为近红外信号,近红外光携带了中红外光的信息且易于探测,通过这种间接探测的方式可大幅度提高中红外信号的探测灵敏度。   经过深入分析研究多种晶体的光学特性,科研团队将目标锁定在硒镓钡晶体,该晶体由中国科学院理化技术研究所姚吉勇团队研制。祁峰介绍,硒镓钡晶体通常是作为波源使用,研究人员大胆尝试,将它作为探测系统的一部分,在掌握其光学特性的基础上设计了高性能光参量振荡器,优化了相位匹配条件,解决了弱信号环境下的强背景噪声抑制等问题,从而实现了收发一体的中红外系统。
  • 《探索 | 一种AI增强离子淌度与中红外光谱的协同方法》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:husisi
    • 发布时间:2023-05-09
    • 异丙醇(IPA)分子作为抗病毒诊断的生物标志物,在与环境安全和医疗保健相关的挥发性有机化合物(VOC)领域发挥着重要作用。然而,传统的气体分子检测存在诸多明显缺陷,例如离子淌度方法的工作条件苛刻,中红外光谱的光物质相互作用微弱,从而导致目标分子的响应受限。为了实现对异丙醇的高选择性、快速响应、高灵敏度检测,研究人员提出了一种基于离子淌度质谱(IMMS)的人工智能(AI)增强化学检测方法,并借助多开关摩擦电纳米发电机来实现。 据麦姆斯咨询报道,近日,东南大学与新加坡国立大学(National University of Singapore)的联合科研团队在Nature Communications期刊发表了以“Triboelectric-induced ion mobility for artificial intelligence-enhanced mid-infrared gas spectroscopy”为主题的论文。该论文第一作者为东南大学机械工程学院朱建雄副教授,通讯作者为朱建雄副教授、东南大学仪器科学与工程学院宋爱国教授和新加坡国立大学Chengkuo Lee教授。 这项研究提出了一种AI增强离子淌度与中红外光谱的协同方法,利用来自不同维度传感信号的互补特征,实现异丙醇识别的高精度。利用摩擦发电机产生的“冷”等离子体放电,增强了异丙醇的中红外光谱响应,并获得良好的回归预测。此外,即使在不同碳基气体的干扰下,该协同方法也能实现准确率99.08%的气体浓度预测。AI增强系统的协同方法为医疗保健应用中的混合物和回归预测提供了准确的气体传感机制。 基于IMMS的AI增强化学传感检测 准确检测异丙醇的种类对于提供安全环境至关重要。准确检测异丙醇最常用的方法是基于离子淌度或中红外光谱。然而,这些检测方法受限于特定条件(低气压和高温)。为了解决这个问题,研究人员提出了利用自供电的摩擦发电机作为额外的高压源,在环境气压下产生冷离子等离子体。基于机械振动的摩擦电纳米发电机所产生的高压显著增强了离子淌度在低气压和环境气压下对异丙醇的精确检测。同时,中红外光谱降低了异丙醇分子随吸收和反射的响应,从而精确地获得波长和响应。IMMS化学传感的协同方法成为利用摩擦电纳米发电机来快速准确检测低浓度气体混合物的解决方案。 因此,离子淌度传感与增强中红外反射的协同机制使化学传感能够实现快速响应时间和准确检测。此外,采用AI增强方法的数据处理将充分发挥离子淌度传感和增强中红外响应的优势,从而实现超高精度和大范围的检测(如图1)。 图1 基于IMMS协同方法论的AI增强化学传感示意图 用于气体检测的离子淌度质谱仪 离子淌度系统由针状板电极结构、高电压元件(摩擦电纳米发电机)和集电器构成,如图2a所示。图2b展示了AI增强离子淌度方法的示意图。通过使用深度学习方法,可以准确地估计异丙醇浓度。 图2 利用离子淌度质谱仪检测异丙醇 AI增强中红外检测 图3a展示了异丙醇分子在中红外光谱区域的等离子体增强振动光谱,显著提高了其检测灵敏度。图3c介绍了中红外光谱的AI增强方法,说明了异丙醇数据处理过程。数据处理包括:标准校准、合成少数级别的过采样技术(SMOTE)增强方法和t分布-随机邻近嵌入(t-SNE)分类。图3d为异丙醇浓度与中红外响应间的关系曲线。 图3 中红外增强等离子体放电对不同浓度异丙醇的影响 在进行实际光学测量前,对傅里叶变换红外(FTIR)光谱仪的背景标定至关重要。为了避免这种耗费人力的过程,研究人员采用AI方法来提供准确的浓度测量。图4a展示了未经数据预处理的原始数据。数据预处理可通过标准校准、SMOTE和环境光传感器(ALS)校准来实现;接着,使用t-SNE进行特征提取;最后利用线性判别分析(LDA)和深度神经网络(DNN)进行气体分类和预测。 图4 无需任何初始背景标定的AI增强方法 利用协同方法在混合气体中识别异丙醇 图5阐释了IMMS与红外光谱的协同方法。如图5a所示,两者的信号被送至机器学习工具进行计算。IMMS方法中的异丙醇分子受到超高压的剧烈震动。在浓度估计方面,将两种方法测量相同浓度的数据相连接,然后使用t-SNE进行特征提取,再使用DNN进行浓度估计。气体数据采用并行连接和寻址方式,利用LDA对气体特征进行分类,以识别不同异丙醇浓度或不同种类的气体。最后,采用AI增强的传感器融合机制对异丙醇浓度进行检测。 图5 基于IMMS协同作用的混合气体检测 综上所述,这项研究提出了一种用于AI增强的化学传感的协同IMMS机制,以实现对气体混合物的快速响应和准确检测。研究人员利用摩擦电纳米发电机产生高压等离子体,解决了环境压力对离子淌度的限制以及气体分子的中红外光谱响应和反射探测微弱的问题。该研究结果显示,通过AI增强自动提取特定特征,自供电离子淌度的精度比传统方法提高了近两倍。该研究还表明,摩擦电发电机产生的冷等离子体也增强了异丙醇传感的中红外光谱响应,并通过深度学习得到了良好的线性预测。 此外,数据处理可能会消除基于观测的背景标定,从而节省人力成本。针对异丙醇检测中存在的问题,该研究以99.08%的准确率利用AI增强技术从IMMS数据成功提取异丙醇特征。该研究提出的方法可以对采集到的数据进行多模态数据处理,并可与现有方法结合,实现协同机制。