一、单光子探测概述

什么是单光子探测

单光子探测,说白了就是检测单个光子的能力。

你可能会问:光子那么小,怎么测?

我刚开始接触这个领域时也有同样的困惑。后来才明白,单光子探测器的核心原理,就是利用光子与材料相互作用产生的电信号。一个光子打进来,产生一个电子-空穴对,然后被放大成可测量的脉冲。

关键指标有三个:

  • 探测效率:光子打进来,能被测到的概率。我见过实验室里做到95%以上的,但商用产品通常在30%-80%之间。
  • 暗计数率:没光的时候,探测器自己瞎报信号的频率。嗯,这个指标很要命,尤其是在弱光环境下。
  • 时间抖动:光子到达时间和探测器输出信号之间的时间差。做激光雷达的朋友对这个特别敏感。

核心要点:单光子探测不是「测光强」,而是「数光子」。每检测到一个光子,就输出一个脉冲信号。这跟传统的光电探测器完全不同。

核心应用场景

量子通信

量子通信是单光子探测最「高大上」的应用。为什么?因为量子密钥分发(QKD)本质上就是靠单光子来传递密钥信息。

我记得2018年帮一个团队调试QKD系统,他们用的就是InGaAs单光子探测器。当时遇到一个棘手问题:探测器死时间太长,导致密钥生成率上不去。后来我们换了更快的淬灭电路,才把死时间从10μs压到1μs以下。

量子通信对探测器的要求很苛刻:

  • 低暗计数:通常要求低于100 cps(每秒计数)
  • 高探测效率:至少20%以上
  • 低后脉冲概率:这个很多人忽略,但实际很关键

避坑指南:我曾经遇到过一家供应商,他们给的暗计数指标是在-80°C下测的,但实际系统只能做到-40°C。结果暗计数直接翻了一个数量级。所以,一定要问清楚测试条件。

激光雷达(LiDAR)

激光雷达是单光子探测的「新贵」应用。特别是自动驾驶领域,单光子雪崩二极管(SPAD)阵列正在成为主流方案。

为什么用单光子探测?因为传统激光雷达需要很强的激光脉冲才能测到远距离目标。但单光子探测器灵敏度极高,可以用很弱的激光,对人眼更安全。

我参与过一个车载激光雷达项目,用的是1550nm波长的单光子探测器。这个波段的好处是:

  • 人眼安全阈值高
  • 大气穿透性好
  • 太阳光背景噪声相对较低

但挑战也很明显:1550nm的InGaAs探测器需要制冷,功耗和体积都是问题。

生物成像

生物成像领域,单光子探测主要用于荧光寿命成像(FLIM)和超分辨率显微镜。

你想想看,生物样本通常很脆弱,不能用强光照射。单光子探测器刚好能解决这个矛盾——用极弱的光就能成像。

我有个朋友做细胞成像研究,他们用SPAD阵列做时间相关单光子计数(TCSPC),能精确测量荧光分子的寿命。这个数据对研究蛋白质相互作用特别有用。

应用领域 典型波长 关键指标要求 常用探测器类型
量子通信 850nm, 1310nm, 1550nm 低暗计数,高探测效率 SPAD, SNSPD
激光雷达 905nm, 1550nm 低时间抖动,高动态范围 SPAD阵列
生物成像 400-900nm 高时间分辨率,低噪声 SPAD, PMT

技术发展简史

单光子探测的历史,其实比很多人想象的要长。

1960年代:第一代单光子探测器出现。当时用的是光电倍增管(PMT),体积大、效率低,但已经是革命性的进步了。

1980年代:硅雪崩光电二极管(Si-APD)开始商用。我记得读文献时看到,1985年贝尔实验室首次实现了盖革模式下的单光子探测。那时候的探测器需要液氮制冷,非常不方便。

2000年代:InGaAs/InP SPAD出现,解决了近红外波段的探测问题。量子通信就是在这个时期开始真正发展起来的。

2010年代:超导纳米线单光子探测器(SNSPD)横空出世。探测效率能做到90%以上,时间抖动低至几十皮秒。但缺点是需要极低温环境(2-4K),系统成本很高。

2020年代至今:SPAD阵列技术成熟,单片集成数千甚至数万个像素。激光雷达和生物成像领域开始大规模采用。

注意:技术发展不是线性的。我见过很多团队盲目追求最新技术,结果系统稳定性反而下降。选型时一定要考虑实际应用场景和成本约束。

下面这张图展示了单光子探测技术的核心知识体系:

单光子探测技术 基本原理 核心应用 技术发展 光子-电子 转换 雪崩放大 淬灭恢复 量子通信 激光雷达 生物成像 PMT时代 SPAD时代 SNSPD时代 关键指标 探测效率 · 暗计数 关键指标 时间抖动 · 死时间 关键指标 后脉冲 · 功耗 选型需权衡:性能 vs 成本 vs 系统复杂度

这张图把单光子探测的核心脉络梳理清楚了。从基本原理到应用场景,再到技术演进,最后落到关键指标和选型权衡上。我个人觉得,理解这个框架比死记硬背参数更重要。

我的建议:如果你是刚入门,先别急着研究具体器件型号。把这张图里的逻辑关系搞清楚,后面学起来会顺畅很多。

专注资料整理