微型計算光譜儀成為近年來光電領域的研究熱點，該技術摒棄傳統色散光學結構，依托光電材料的可調諧光譜響應結合數學重建算法，實現光譜解析，是實現光譜設備微型化、集成化的主流路線。二維層狀材料憑借原子級平整界面、無懸掛鍵、光-物質相互作用強、光電特性可電場調控等優勢，成為微型計算光譜儀的理想載體。目前主流研究多采用MoS?、黑磷、二維范德華異質結等材料體系，但異質結構存在制備工藝復雜、界面隨機性大、批次一致性差等問題，制約規模化應用。硒化銦（InSe）作為典型二維層狀半導體，具備多重突出優勢：本征直接帶隙約1.3 eV，光譜響應覆蓋可見光至近紅外；載流子遷移率超過103 cm2?V?1?s?1，光電響應靈敏；同時可實現晶圓級大面積制備，同質結器件工藝簡潔，規避異質結界面缺陷難題。
據麥姆斯咨詢報道，近日，山東大學與上海電機學院的研究團隊基于柵控InSe同質結場效應晶體管，創新性構建柵可調諧光譜響應矩陣，研制出一款高性能微型計算光譜儀。該器件物理尺寸僅20 μm×50 μm，工作電壓區間僅?4 V～+4 V，光譜探測范圍覆蓋可見光至近紅外波段（450–973 nm），光譜重建峰值偏差小于0.33 nm。該研究進一步結合深度神經網絡（DNN）算法，實現液體、氣溶膠等介質的快速光譜識別與物質分類，為片上光譜芯片、智能感知系統提供了全新的技術方案。相關研究成果以“A visible-to-infrared miniaturized indium selenide spectrometer enabled by a gate-tunable spectral response matrix”為題發表于InfoScience期刊。
InSe晶體與微型計算光譜儀整體架構
研究人員選用多層InSe作為核心光電功能材料，其晶體為ABC型堆疊的層狀范德華結構（如圖1A），層內原子形成蜂窩狀In-Se晶格，層間依靠范德華力結合，晶體結構穩定且易于剝離制備少層薄膜，相關表征結果如圖1所示。
圖1 InSe晶體結構與柵控光譜響應矩陣構建
波長相關的光響應度是決定計算光譜儀性能的關鍵因素。圖1H、圖1I展示了本研究中InSe計算光譜儀的工作原理，主要包含三個核心步驟：構建光譜響應矩陣、采集未知光譜以及光譜重建。該圖奠定了全文的核心思路，即用單個柵控InSe晶體管取代傳統復雜分光組件，實現超緊湊光譜分析。
柵控光電導物理響應機制
圖2A展示了InSe微型光譜儀的三維結構示意圖。InSe微型光譜儀采用PZT/Al?O?/InSe多層復合柵控架構，自上而下依次為Bi/Au源漏電極、InSe有源層、Al?O?鈍化層、PZT高介電柵層。各功能層分工明確：PZT作為高介電材料可有效降低器件工作電壓；Al?O?用于鈍化界面，優化InSe干法轉移工藝并減少界面缺陷；InSe作為唯一光電有源層，承擔光子吸收與光生載流子輸運功能。
圖2 InSe光譜儀器件結構與柵控光電導調控機制
研究人員系統探究了不同柵壓下InSe器件的光生載流子輸運機理，并通過循環測試、長期存放實驗驗證器件電學與光電穩定性，相關結果如圖2所示。根據柵壓相對于閾值電壓的大小，器件分為三種工作狀態（負柵壓低于閾值電壓、負柵壓高于閾值電壓、正柵壓高于閾值電壓），載流子行為存在明顯差異，這是器件光譜響應可被柵壓精準調控的物理根源。
柵控光譜矩陣與光譜重建原理
基于深度學習的智能光譜識別應用
研究人員進一步結合三層深度神經網絡（DNN），拓展InSe微型光譜儀在物質光譜識別、成分分析領域的實用功能，完成從單一光譜檢測到智能感知的升級。實驗選取空氣、純水、茶水、豆漿、牛奶五種典型介質，以973 nm近紅外光作為探測光源，采集光線穿透不同介質后的透射光電流，構建數據集用于神經網絡訓練，相關測試結果如圖4所示。結果證明，InSe微型光譜儀不僅可用于單色波長重構，還可結合神經網絡實現快速材料識別和樣品光譜分析，拓展了其在環境監測、遠程檢測和片上光譜傳感中的應用潛力。
https://doi.org/10.1002/inc2.70013
延伸閱讀：
《高光譜和多光譜成像技術、應用和市場趨勢-2025版》
《銦鎵砷（InGaAs）光電探測器專利態勢分析-2025版》
《蘋果在量子點光電傳感器領域的發明專利與產業布局分析》
《量子點光電傳感器專利態勢分析-2024版》
《紅外熱成像與傳感技術及市場-2025版》
《短波紅外、中波紅外和制冷型紅外成像-2025版》
《汽車級長波紅外攝像頭產品對比分析-2025版》
《汽車紅外攝像頭技術及市場-2024版》
《邁來芯MEMS遠紅外熱電堆傳感器MLX90632產品分析》
《自動駕駛及艙內感知應用的紅外相機技術及市場-2025版》
