盖世汽车讯 据外媒报道，受蛇类红外感应器官的启发（蛇类能够在完全黑暗的环境中探测猎物），蔚山科学技术大学（UNIST）的研究人员利用人工智能（AI）开发出一种传感器材料，能够显著提升热探测能力。这项突破有望提升下一代红外摄像机、车载夜视系统以及其他需要高灵敏度热传感的应用的性能。

图片来源： UNIST

人工智能优化微测辐射热计设计

由蔚山科学技术大学（UNIST）物理系Changhee Sohn教授和Hyeong-Ryeol Park教授领导的研究团队开发出一种用于微测辐射热计的多层薄膜结构。微测辐射热计是一种红外传感器，可以将热辐射转换为电信号。他们利用人工智能驱动的优化技术，找到了一种多层结构，其灵敏度和稳定性比现有商用材料高出20倍以上。该研究成果发表在期刊《先进科学（Advanced Science）》上。

微测辐射热计的工作原理是基于入射红外辐射引起的温度变化所触发的电阻变化。为了实现高灵敏度，所用材料必须对微小的温度变化做出显著的电阻变化响应，从而确保精确检测。

构建稳定的多层结构

研究团队专注于二氧化钒（VO₂），这种材料以其对温度变化的高灵敏度而闻名。他们设计了一种由钨掺杂的VO₂构成的四层结构，每一层的厚度和钨浓度都经过精确控制。这种多层结构有效地缓解了信号波动和滞后等问题——即传感器的响应取决于温度是升高还是降低的现象。

鉴于可能的多层排列方式数量庞大（超过130万种），研究人员采用了一种受自然选择启发的人工智能——遗传算法，来高效地识别最优结构。该过程通过迭代地组合和优化候选结构，最终找到最有效的设计。

灵敏度创纪录且易于制造

实验结果表明，在20°C至45°C的温度范围内，这种新型多层材料的电阻温度系数（TCR）比传统材料高出三倍以上，达到7.3%。此外，综合灵敏度（以β指数衡量，该指数同时考虑了灵敏度和信号稳定性）提高了23.6倍，表明信号可靠性得到了显著提升。

更重要的是，这些多层薄膜可在300°C的低温下制造，与现有的半导体制造工艺兼容。这与传统的VO₂基传感器形成鲜明对比，后者通常需要在500°C以上的温度下进行加工，存在损坏预制电路的风险。

更快的研发速度和更广泛的应用

由Jin-Hyun Choi和Hyoung-Taek Lee博士领导的这项研究表明，人工智能可以大幅缩短先进功能材料的研发周期——将原本可能需要几个世纪的人工实验缩短到短短几个月。该团队强调，他们的方法可以直接合成优化的薄膜，从而简化了商业化应用的路径。

教授Sohn强调了这项突破的广泛意义，包括自动驾驶汽车夜视、无人机监控以及用于早期病毒检测的大规模热监测等领域的应用。这些传感器更高的灵敏度和可靠性有望彻底改变各个领域的热成像技术。