这篇文章把原来的两篇笔记合并成一篇：

  • 一篇是“长波红外探测器如何工作”，重点在红外成像、制冷/非制冷路线、微测辐射热计、HgCdTe、QWIP、T2SL 等技术地图。
  • 另一篇是“InAs/GaSb 二类超晶格材料如何长成器件”，重点在 MBE 生长、界面、应变、RHEED、表征和 AI 辅助控制。

如果分开看，前者容易停留在“探测器系统科普”，后者又容易一下钻进材料生长细节。合并后，我希望主线更顺：

先知道红外探测器在看什么，再知道不同探测器路线为什么分化，最后再理解我为什么把重点放到 InAs/GaSb 二类超晶格、MBE 生长和 AI 数据闭环上。

本文参考了我放在 datas 目录下的两份调研文档，也吸收了之前对蒋洞微博士论文的学习笔记。整体写法仍然偏科普，不做公式推导，只保留理解这条技术路线必须知道的关键概念。

一、长波红外到底在看什么

我们平时用眼睛看到的是可见光，红外探测器看到的是物体自身向外辐射的热量。只要物体温度高于绝对零度，它就会不断向外发射电磁波。

对常温世界来说，最重要的是长波红外。

波段 典型范围 更敏感的目标 工程上常见的理解
中波红外 MWIR 3-5 um 高温目标，比如发动机尾焰、工业高炉、部分气体吸收特征 适合高温、高对比、远距离任务，常见于高端制冷型系统
长波红外 LWIR 8-14 um 常温目标，比如人体、建筑物、车辆、普通机械 常温热成像最核心窗口，民用和工业里非制冷微测辐射热计占主流
宽带红外 BBIR 2-14 um 多光谱目标，比如气体成像、宽域侦测、复杂背景任务 更强调任务定制，制冷型和非制冷型都有应用

为什么人体、车辆、建筑在长波红外里明显？直觉上可以这样理解：

常温物体最强的一段热辐射，大致落在 8-14 um 附近。

所以长波红外相机不是在“照亮”目标，而是在被动接收目标自己发出的热辐射。它特别适合夜间、弱光、烟尘、部分雾霾、工业巡检、安防和车载辅助感知。

但要注意，红外图像里亮，并不简单等于“真实温度一定更高”。探测器先测到的是进入光学系统的辐射强弱，真正反推温度还要考虑目标发射率、大气吸收、镜头透过率、探测器标定和图像算法。

二、从热辐射到热图像：一条完整信号链

一个红外成像系统可以先抽象成这条链路：

1
2
3
4
5
6
7
flowchart LR
  A["目标物体<br/>温度 / 发射率"] --> B["红外辐射"]
  B --> C["红外光学系统<br/>Ge / ZnSe / Si 镜头"]
  C --> D["探测器像元阵列"]
  D --> E["ROIC 读出电路"]
  E --> F["非均匀性校正 / 盲元校正 / 标定"]
  F --> G["灰度图 / 伪彩热图 / 温度估计"]

这条链路里，探测器只是中间一环，但它决定了很多系统能力：

  • 能不能看到目标波段；
  • 信号够不够强；
  • 暗电流和噪声大不大；
  • 是否需要制冷；
  • 可以做到多小、多轻、多省电；
  • 最终热图像是否稳定、清晰、可用。

后面的所有技术路线，本质上都是在回答同一个问题：

如何把很弱的红外能量，稳定、低噪声地变成可读出的电信号？

三、两条大路线：热探测器和光子探测器

红外探测器最核心的分类，不是材料名字，而是工作机制。

类型 代表路线 核心机制 是否常需制冷 典型优点 主要代价
热探测器 微测辐射热计、热电堆、热释电 红外先变成热，再读电阻/电压变化 通常不需要深冷 小型、低功耗、低成本、适合民用和工业热成像 响应和极限灵敏度不如高端光子探测器
光子探测器 HgCdTe、InSb、QWIP、InAs/GaSb T2SL 红外光子直接激发电子跃迁，产生载流子 多数需要制冷 灵敏度高、速度快、适合高端成像和弱信号探测 贵、复杂、暗电流敏感

可以用两个类比来记：

  • 热探测器像温度计：红外把像元加热一点点，像元电阻或电压随温度变化。
  • 光子探测器像光电二极管：红外光子直接产生电子和空穴，器件把这些电荷收集成电信号。

这也解释了一个常见问题：为什么有的红外相机不制冷，有的必须制冷？

非制冷微测辐射热计不靠窄禁带光生载流子工作，所以可以常温运行。高性能光子探测器为了吸收长波红外，材料有效能隙很小，室温下自身热激发载流子会很多，暗电流会把微弱信号淹没，所以往往需要低温制冷。

四、非制冷微测辐射热计：民用热成像的主力

很多便携式热像仪、工业测温相机、安防热成像、车载夜视和消费级热成像附件，核心都是非制冷微测辐射热计。

它的像元可以想象成一个悬空的小热岛：

1
2
3
4
5
flowchart TB
  A["入射 LWIR 辐射"] --> B["吸收层"]
  B --> C["温敏电阻<br/>VOx 或 a-Si"]
  C --> D["热隔离微桥"]
  D --> E["ROIC 读出电路"]

工作过程很直观：

  1. 长波红外辐射被像元吸收。
  2. 像元温度发生极小变化。
  3. 温敏材料电阻改变。
  4. ROIC 读出每个像元的电阻变化。
  5. 后端算法做非均匀性校正、盲元修复、动态范围拉伸和伪彩显示。

调研文档里重点提到两种热敏材料：非晶硅 a-Si 和氧化钒 VOx。简单理解：

  • a-Si 的优势是和硅基 CMOS 工艺兼容，阵列均匀性和制造友好性较好。
  • VOx 的优势是电阻温度系数高、噪声低，是高性能非制冷热像仪的主流材料之一。

非制冷路线的核心工程权衡是：

目标 希望怎么做 副作用
更灵敏 降低热导、提高吸收、提高 TCR 响应可能变慢，结构更脆弱
更快 降低热容、加快散热 温升变小，弱信号更难读
更小更便宜 缩小像元、晶圆级封装 WLP 单像元吸收能量减少，对光学和算法要求更高

这条路线的产业意义很大：无需制冷机，SWaP 也就是尺寸、重量和功耗优势明显。随着像元间距从 17 um、12 um、10 um 继续往 8 um、6 um 缩小，非制冷热成像逐步从军工和工业下沉到车载、安防、消费电子和物联网。

五、制冷光子探测器：追求极限灵敏度的路线

如果任务要求极低噪声、高帧率、远距离弱目标、光谱选择性或高端科学成像，光子探测器仍然非常重要。

典型路线包括：

路线 怎么工作 强项 难点
HgCdTe / MCT 调 Hg/Cd 组分改变禁带，光子直接产生电子空穴 性能强、覆盖波段广，是高端红外长期主力 材料组分和均匀性难，贵，制冷和封装复杂
QWIP 用量子阱子带间跃迁吸收红外 III-V 工艺均匀性好，可做大面阵和多波段 需要低温，正入射吸收弱，通常要光耦合结构
InAs/GaSb T2SL 用人工超晶格调有效能隙 波段可设计，有望降低部分暗电流并提高工作温度 极依赖 MBE 层厚、界面、应变和表面工艺

这里要抓住一个关键物理限制：

想探测更长的波长，就需要更小的有效能隙；但能隙越小，热激发和暗电流越容易变大。

这就是长波光子探测器必须制冷的根本原因。制冷不是为了让目标更亮，而是为了让探测器自己更安静。

六、为什么我重点关注 InAs/GaSb 二类超晶格

InAs/GaSb 二类超晶格属于 III-V 族 Type-II Superlattice，简称 T2SL。

它的思路不是寻找一种天然禁带刚刚好的材料，而是通过 MBE 一层一层长出人工周期结构：

1
... / InAs / GaSb / InAs / GaSb / ...

在这种结构中：

  • 电子更倾向待在 InAs 层。
  • 空穴更倾向待在 GaSb 层。
  • 电子和空穴在空间上部分分离。
  • 通过调节 InAs/GaSb 层厚、界面和应变，可以调有效能隙和截止波长。
1
2
3
4
5
6
flowchart LR
  A["InAs 层<br/>电子势阱"] --- B["界面<br/>InSb-like / GaAs-like"]
  B --- C["GaSb 层<br/>空穴势阱"]
  C --- D["周期重复"]
  D --> E["人工有效能隙"]
  E --> F["响应波段 / 截止波长"]

这条路线吸引我的地方有三点。

第一，它可设计。改变层厚、周期、势垒和界面，就能把响应波段从中波调到长波甚至甚长波。

第二，它和 MBE 生长高度绑定。这不是只看器件结构图就能理解的材料，真正的性能来自原子层级生长控制。

第三，它适合和 AI 结合。因为它的材料质量对温度、束流、快门、RHEED、界面、应变都很敏感，而这些信号恰好可以被采集、标注、建模和反馈。

七、InAs/GaSb 里真正难的不是“画层”，而是“长对界面”

InAs/GaSb 的一个难点是两种材料没有共同原子：

  • InAs 是 In + As。
  • GaSb 是 Ga + Sb。

从 InAs 切到 GaSb 时，阳离子和阴离子都要换。界面处可能形成 InSb-like 或 GaAs-like 的键。不同界面键会影响三件事：

  1. 局部应变；
  2. 界面粗糙和互扩散；
  3. 能带和暗电流。

所以界面不是“自然过渡一下”就行，而是一个必须被设计和复现的工艺单元。

论文里提到的双 InSb-like 界面，不需要在科普阶段推导每个快门步骤，只要先理解它想解决两个问题：

  • 提高界面可重复性：每个周期都尽量长成相似的界面。
  • 帮助应变补偿：InSb-like 界面带来的应变，可以抵消一部分 InAs 层累积的相反应变。

调研文档里也特别强调：T2SL 的优势来自能带工程，但它的工程难度也正来自这种原子层级结构。层厚、界面、应变、粗糙度任何一个漂了，最终都会反映到 XRD、AFM、PL、I-V 和光谱响应上。

八、MBE 生长：像原子层级打印机，但比打印机难得多

MBE 可以理解成超高真空里的原子层级外延设备。它用多个源炉分别提供 In、Ga、Al、As、Sb 等元素，通过快门控制每种元素什么时候到达衬底表面。

对 InAs/GaSb T2SL 来说，MBE 里最关键的变量可以先简化成四类：

控制对象 它影响什么 如果没控制好
温度 原子迁移、脱附、表面平整度 太低粗糙，太高组分漂移或脱附
束流 每秒到达表面的 In、Ga、As、Sb 数量 层厚偏差、V/III 比偏差、缺陷增加
快门时序 每层材料和界面如何切换 界面混乱，周期不准，应变漂移
RHEED 实时观察表面结构和生长状态 无法及时发现粗化、速率漂移或重构变化

这里需要把几个概念串起来。

缓冲层：外延前要先脱氧，再长 GaSb buffer。它像地基，负责把衬底表面整理平整，为后面的超晶格提供稳定起点。

RHEED 条纹：条纹通常意味着表面较平整，接近逐层生长；斑点或弥散背景往往提示表面粗糙、三维岛化或状态异常。

RHEED 振荡：镜面反射点强度周期性变化，一个周期常常对应一个原子层的生长，因此可用来估计生长速率。

应变平衡：InAs 和 GaSb 不是完全匹配，一个周期问题不大，几十上百个周期就会积累风险。论文中的 0.11559 这类系数不用推导，只要知道它表达的是：用界面应变去补偿层内应变，让材料别越长越歪。

M 型势垒：在 GaSb 中插入 AlSb，可以改变载流子的势垒和运动路径，目标是压低隧穿、复合等暗电流通道。

这些就是我做 MBE 模拟器时想表达的重点：模拟器不是播放“长层动画”，而是帮助理解 recipe、温度、束流、快门、RHEED、应变、表征结果之间的因果链。

九、从外延片到真正的探测器

MBE 长出来的是外延片，还不是最终能成像的探测器。外延片还要经过器件工艺。

1
2
3
4
5
6
7
8
9
flowchart TB
  A["MBE 外延片<br/>InAs/GaSb T2SL"] --> B["XRD / AFM / PL / HRTEM 表征"]
  B --> C["光刻定义像元"]
  C --> D["台面刻蚀"]
  D --> E["侧壁钝化"]
  E --> F["金属电极 / 欧姆接触"]
  F --> G["铟柱倒装互连 ROIC"]
  G --> H["封装 / 杜瓦 / 制冷"]
  H --> I["I-V / 光谱响应 / 黑体测试"]

几个步骤特别关键：

台面刻蚀：把连续外延片刻成一个个像元。问题是刻蚀会暴露侧壁，侧壁有悬挂键、氧化和损伤，容易形成表面漏电。

表面钝化：给侧壁做保护，降低表面态和漏电。调研文档提到 ALD Al2O3 等钝化路线，本质是让侧壁更稳定、更少漏电。

金属电极：把半导体里的电荷引出来。接触不好，信号会损失，也可能引入额外噪声。

ROIC：探测器芯片负责把红外变成电流或电荷，ROIC 负责积分、采样、放大、数字化。

封装与制冷：高性能光子探测器通常需要低温。制冷型系统还涉及杜瓦、真空、冷指、斯特林制冷机和机械振动隔离。

所以材料好只是必要条件，不是充分条件。外延很好，但台面刻蚀和钝化不好，I-V 仍然可能很差；单像元很好，但 ROIC、互连、盲元和非均匀性校正不好，最终图像也会差。

十、如何判断材料和器件好不好

表征不是堆名词，而是回答不同层面的问题。

方法 它回答的问题 直觉解释
XRD 周期厚度准不准，应变是否平衡 看超晶格周期是否整齐，卫星峰越清楚越好
AFM 表面平不平 看表面粗糙度，RMS 越小通常越好
HRTEM 界面清不清楚 直接看层状结构、界面和周期均匀性
PL 光学响应是否在目标波段 看材料光学带隙和均匀性
I-V 暗电流和结质量如何 漏电越大，弱信号越容易被淹没
光谱响应 能响应哪些波长 截止波长、响应峰是否对
黑体测试 面对已知热源输出如何 响应度、噪声、NETD、探测率

这里要建立一个反馈思维：

  • XRD 卫星峰变宽，可能说明周期不均匀或应变控制不好。
  • AFM 粗糙度变大，可能说明温度、V/III 比或界面切换有问题。
  • PL 峰位偏了，可能说明有效能隙和层厚偏了。
  • I-V 暗电流很高，可能来自材料缺陷、势垒设计、刻蚀侧壁或钝化。
  • 最终热图像噪声大，可能还涉及 ROIC、盲元、非均匀性校正和系统标定。

这就是 AI 可以介入的关键位置：把过程数据和最终结果连起来。

十一、红外系统不是只有探测器，算法同样重要

调研文档里有一部分强调 ROIC、盲元、非均匀性校正和图像处理，这一点很重要。

探测器输出的原始信号并不是干净图像，而是一堆微弱、带噪声、带漂移、每个像元响应还不完全一致的模拟信号。要变成稳定热图，至少需要：

  1. ROIC 积分和采样；
  2. 非均匀性校正；
  3. 盲元检测和补偿；
  4. 噪声滤波；
  5. 动态范围压缩和图像增强；
  6. 温度标定或目标检测算法。

这也解释了为什么红外探测器和 AI 的结合不只发生在 MBE 生长里，还会发生在红外图像处理和感知任务里。

比如车载红外：

  • 可见光相机怕黑、怕远光眩光；
  • 激光雷达和可见光在雨雾沙尘中会受影响；
  • 长波红外对行人、动物等生命体热特征很敏感；
  • 但红外数据集、标注、算法和多传感器融合仍然是系统落地的关键。

工业场景也是类似。电力巡检、设备预测性维护、光伏热斑、石化气体泄漏，真正需要的是“热异常检测 + 任务理解”，而不只是一张漂亮热图。

十二、AI 能和这条研究线怎么结合

我现在更愿意把 AI 的作用分成三层，不直接上来就说“全自动生长”。

12.1 生长前：配方理解和风险预判

生长前已经有很多信息：

  • 目标波段：MWIR、LWIR 还是 BBIR；
  • 结构设计：InAs/GaSb 层厚、周期数、是否有 AlSb 势垒；
  • 历史任务：之前类似 recipe 的 XRD、AFM、PL、I-V；
  • 设备状态：源炉温度、束流校准、RHEED 状态；
  • 目标器件：单元器件、阵列、气体成像还是热成像。

AI 可以先做相对稳妥的辅助：

  1. 找相似历史配方；
  2. 预测应变、厚度、界面和暗电流风险；
  3. 自动生成生长前检查清单；
  4. 在模拟器中预演快门时序、层状结构和可能的质量风险；
  5. 生成带依据和适用范围的训练报告。

12.2 生长中：看懂 RHEED 和过程曲线

生长中最有价值的实时信号包括：

  • RHEED 图像；
  • RHEED 镜面点强度曲线；
  • 源炉温度；
  • 束流；
  • 快门状态；
  • 衬底温度；
  • 当前生长阶段。

AI 可以先从“更稳定的眼睛”开始：

  1. 判断 RHEED 是条纹、斑点还是弥散背景；
  2. 提取振荡周期，估计生长速率是否漂移；
  3. 判断界面切换后图像是否异常；
  4. 发现曲线衰减、突变或噪声异常；
  5. 给操作者提示，而不是马上闭环接管设备。

这和你接下来要做的 RHEED 视频最小模型流程是连在一起的：

1
2
3
4
5
6
flowchart LR
  A["采集 RHEED 视频"] --> B["标注 Sensor 区域"]
  B --> C["提取强度曲线"]
  C --> D["识别振荡 / 衰减 / 异常"]
  D --> E["对齐 recipe 和快门时序"]
  E --> F["关联 XRD / AFM / PL / I-V 真值"]

12.3 生长后：把表征结果变成下一炉建议

生长完成后，XRD、AFM、PL、I-V、光谱响应、黑体测试都会产生结果。传统方式靠经验判断：这炉哪里不好，下炉怎么调。

AI 可以帮忙：

  1. 自动整理生长报告；
  2. 把 recipe、RHEED、温度、束流、表征结果串起来；
  3. 预测材料质量和器件风险；
  4. 给出下一炉建议，比如温度微调、V/III 比微调、界面停留时间调整；
  5. 说明依据、置信度和适用范围。

这里最重要的是边界意识：

现阶段 AI 不应该假装替代真实物理模型和真实实验，而应该先成为数据整理、状态识别、风险提示和经验沉淀工具。

十三、两套模拟器在研究线里的位置

现在有两个工具，它们应该保持独立，但逻辑上互相连接。

MBE InAs/GaSb 模拟器 关注材料如何长出来：

  • recipe；
  • 温度；
  • 束流；
  • 快门；
  • RHEED；
  • 界面；
  • 应变；
  • XRD/AFM/PL/I-V 报告。

它回答的是：这片外延材料可能长得好不好？为什么？

红外探测器工作原理模拟器 关注器件如何工作：

  • 目标热辐射；
  • 光学输入；
  • T2SL 吸收区；
  • 电子/空穴分离；
  • 暗电流；
  • ROIC；
  • 输出热图。

它回答的是：红外光进入器件后，怎么变成一幅图？

二者之间的桥梁是材料质量和器件参数：

1
2
3
4
5
6
7
8
9
flowchart LR
  A["MBE 生长过程"] --> B["外延材料质量"]
  B --> C["器件结构与工艺"]
  C --> D["暗电流 / QE / 响应波段"]
  D --> E["ROIC 输出热图"]
  F["AI"] --> A
  F --> B
  F --> D
  F --> E

这也是我后面做数字孪生时要避免的误区：不能只有动画，也不能只有报告；真正有价值的是把过程、材料、器件和图像结果连接起来。

十四、这篇文章真正要记住什么

如果只保留一张脑图，我会这样总结：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
graph TD
  A["目标红外辐射"] --> B["探测器吸收"]
  B --> C["电信号"]
  C --> D["ROIC 和算法"]
  D --> E["热图像 / 目标识别"]

  F["非制冷热探测器"] --> B
  G["制冷光子探测器"] --> B
  H["InAs/GaSb T2SL"] --> G

  I["MBE 生长"] --> H
  I --> J["层厚"]
  I --> K["界面"]
  I --> L["应变"]
  I --> M["缺陷和粗糙度"]

  N["AI"] --> O["配方预判"]
  N --> P["RHEED 识别"]
  N --> Q["质量报告"]
  N --> R["红外图像理解"]

主线可以压缩成六句话：

  1. 长波红外主要看常温目标的热辐射。
  2. 红外探测器分热探测器和光子探测器，两者不是简单替代关系。
  3. 非制冷微测辐射热计适合小型、低功耗、低成本热成像。
  4. 制冷光子探测器适合极限灵敏度、高速和高端任务。
  5. InAs/GaSb T2SL 通过人工超晶格调有效能隙，但极度依赖 MBE 层厚、界面和应变控制。
  6. AI 最现实的落点，是先把 recipe、RHEED、表征结果和器件表现连接起来，形成可解释的辅助判断系统。

十五、我后续怎么继续推进

接下来我会把学习和开发分成三条线。

第一，继续优化 MBE InAs/GaSb 模拟器。重点不是更炫的动画，而是让 recipe、快门、束流、RHEED、应变、XRD/AFM/PL/I-V 报告之间更有因果逻辑。

第二，跑通 RHEED 视频最小模型流程。先从 Sensor 区域标注、强度曲线提取、振荡识别、状态分类做起，再逐步和真实表征结果对齐。

第三，完善 红外探测器工作原理模拟器。它要独立于 MBE 工具，重点展示 MWIR/LWIR/BBIR 场景下，红外辐射如何经过光学系统、吸收区、载流子分离、ROIC，最后形成热图像。

最终目标不是做一个“看起来像真的”的演示页面，而是建立一个能帮助我理解和复盘实验的系统：

这次 recipe 为什么这样设计？生长过程中哪些信号异常？材料表征说明了什么？器件表现好坏可能来自哪里？下一次应该怎么调整？

这才是我把长波红外探测器、InAs/GaSb MBE 生长和 AI 放在同一条研究主线里的原因。

相关文章

参考资料

  1. 蒋洞微. InAs/GaSb II 类超晶格材料生长及其红外探测器性能[D]. 哈尔滨工业大学, 2016.
  2. A. Rogalski, Infrared and Terahertz Detectors, 3rd ed., CRC Press.
  3. D. L. Smith, C. Mailhiot, “Proposal for strained type II superlattice infrared detectors,” J. Appl. Phys. 62, 2545 (1987).
  4. H. Kroemer, “The 6.1 Å family (InAs, GaSb, AlSb) and its heterostructures,” Physica E 20, 196 (2004).
  5. NASA Science, Infrared Waves.
  6. 调研文档：datas/长波红外探测器工作原理解析.docx 与 datas/长波红外探测器工作原理解析 (1).docx。
  7. LightPath Technologies, Commercial Thermal Imaging Systems: The OEM’s Complete Guide.
  8. Teledyne FLIR OEM, Automotive Thermal Camera / Boson 相关资料。
  9. 高芯科技、睿创微纳、芯火微电子等公开红外热成像、车载红外与探测器资料。