可以识别“光指纹”的智能探测器.docxVIP

可以识别“光指纹”的智能探测器 目录 正文1参考资料4 正文 近年来扭曲石墨烯体系的研究热潮，催生了扭曲电子学(twistronics)这一 全新的领域。通过将扭曲这一自由度引入二维材料，可以实现对材料电子性能 更加精密的调控，从而在超导、莫特绝缘、拓扑磁性、量子霍尔效应等领域产 生新的可能性。 近日，来自美国耶鲁大学、得州大学达拉斯分校和日本国立物质材料研究 所 NIMS 的科学家联合在 Nature 上以Intelligent infrared sensing enabled by tunable moire quantum geometry为题发表重要进展文章，首次基于扭曲双 层石墨烯体系，在人工神经网络的帮助下，实现了对光的波长、偏振和功率的 同时探测，改变了以往光探测器往往只能探测光的某一个性质的限制，大大推 动了片上光探测技术的开展。 Top gate electrode 图1基于扭曲双层石墨烯制成的光探测器可同时探测光的波长、偏振和强度图源：Nature 604, 252-253 (2022). 物质对光的吸收可以在物质中激发出自由载流子。 在传统的光电探测器中，这些载流子被电场加速产生电流，从而产生可测第1页共4页 量的光电压。 而在空间反转对称性被打破的材料中，它们的晶格反演后结构会改变，因 此即使没有外加电场，也可以产生这样的电流。被激发的载流子可以自发地在 材料中产生电流，这种现象被称为体光伏效应。该电流的强度和方向与多种因 素有关，包括产生电流的光的偏振和波长，以及表征电子在材料中运动的复杂 电子波图案等等。 长期以来，具有自发极化三维铁电材料中会出现体光伏效应。但近年来， 人们发现，在反转对称性被破坏的扭曲二维材料中也会出现体光伏效应。 二维材料的电子特性可以通过堆叠、扭曲的方式实现高度定制。通过将二 维材料的原子薄层以一定的夹角扭曲堆叠在一起形成的莫尔材料会产生与组成 层明显不同的材料特性。 例如，普通的石墨烯并不会展现出体光伏效应，而扭曲的双层石墨烯在红 外频率下展现出了强烈的体光伏效应，并且其光电压的大小和符号会随着光的 偏振而发生剧烈的变化。 扭曲双层石墨烯的电子能带具有复杂的结构。体光伏效应取决于这些能带 的特性，而这些能带可以通过称为栅极的电极维持的电压来控制。在这篇论文 中，研究人员将栅极放在光电探测器的顶部和底部，他们发现当两个栅极上的 电压独立调谐时，光电压会发生复杂的变化。 / 20x110x110x1 Original data Convolution Maximum poolingFully connected layers图2通过机器学习算法，找出光压与光的波长、偏振、强度的映射关系图源：Nature 604, 266 - 272 (2022). 由于莫尔材料电子结构对材料扭曲角度、应变、光波长、偏振以及强度的 高度敏感性和复杂性，因此很难完全计算出光电压如何随栅极电压以及入射光第2页共4页的偏振、波长和功率而变化的解析规律。 而在这篇论文中，研究人员创造性地结合近年来大热的机器学习算法来找 到光电压与入射光波性质之间的复杂的对应关系。 他们利用光电压特性一一光电压随两个栅极电压的变化一一作为入射光的 “指纹”。这个指纹可以通过机器学习算法识别。该算法通过使用一个被广泛 应用于图像识别的卷积神经网络训练过程，并拟合了大量调谐参数，以实现最 佳地近似栅极电压和光电压之间的关系。 在训练过程中，光电压模式作为一个抽象的二维图像，并被输入神经网 络。然后，网络以描述其功率和偏振的“斯托克斯参数”的形式输出入射光的 推断特征，以及波长信息。在训练神经网络以最小化其输出和实验测量的斯托 克斯参数和波长之间的误差后，研究人员在一组光电压模式上对其进行了测 试，发现该网络成功地产生了大局部在实验测量值范围内的输出。这说明紧凑 型光电探测器能够推断光的多种特性。 0 Measured ■ CNN training ? CNN test图3 图3来自卷积神经网络训练(红色球体)和测试(橙色球体)数据集，输出的偏振状态在庞加莱球 体上绘制的相应测量值图源：Nature 604, 266 - 272 (2022). 在这篇文章中，研究人员通过扭曲双层石墨烯的可调谐体光压效应作为编 码器，并利用卷积神经网络(CNN)作为解码器，实现了能够同时解码光偏振、 图3来自卷积神经网络训练(红色球体)和测试(橙色球体)数据集，输出的偏振状态在庞加莱球 体上绘制的相应测量值图源：Nature 604, 266 - 272 (2022). 图3来自卷积神经网络训练(红色球体)和测试(橙色球体)数据集，输出的偏振状态在庞加莱球 体上绘制的相应测量值图源：Nature 604, 266 - 272 (2022).