研究论文

7 一种采用场多晶硅栅结构的深结单光子探测器：具有更高的光子探测效率和更低的暗计数噪声

单光子雪崩二极管（SPAD）凭借其极高的光子灵敏度与优异的时间分辨率，在生物医学成像、激光雷达（LiDAR）及量子通信等前沿领域具有重要应用价值。然而，SPAD的性能一直面临一项关键挑战：如何在提升光子探测效率（PDE）的同时，有效抑制暗计数率（DCR）。传统结构往往通过增大光敏面积来提高PDE，但这也伴随着缺陷密度上升和电场分布不均的问题，导致DCR显著增加。此外，SPAD在近红外（NIR）波段的探测效率通常较低，限制了其在人眼安全激光雷达等场景中的应用。虽然背照式（BSI）技术能大幅提升器件性能，但其工艺复杂、成本高昂，难以实现大规模应用。现有研究表明，通过优化保护环（GR）设计或降低掺杂浓度可在一定程度上抑制DCR，但往往会对填充因子（FF）造成负面影响，突显了性能指标之间难以兼顾的困境。另一方面，采用与p⁺阳极相连的多晶硅栅结构已被证实能有效降低DCR，该技术目前广泛应用于基于标准CMOS工艺的浅结器件（如p⁺/n阱或p阱/深n阱），但针对双极-CMOS-DMOS（BCD）工艺制备的深结SPAD，相关研究仍较为有限。因此，面向大规模、低成本SPAD阵列的发展需求，传统前照式（FSI）结构在同时实现高PDE与低DCR方面仍面临本质性挑战。

近日，南京邮电大学徐跃教授团队基于180 nm BCD工艺，提出一种深结p型注入/高压n阱（HVNW）SPAD结构，并创新性地引入场多晶硅栅技术。该设计通过深结与横向辅助倍增区域的结合，增强了器件对近红外光子的吸收能力；同时，利用多晶硅栅结构有效抑制了保护环区域的表面电场，从而显著降低暗计数噪声。实验结果表明，该SPAD器件实现了39.1%的FF与25.8%的PDE，其多晶硅栅结构更是将暗计数噪声降低了76.6%。在5 V过偏压下，器件在905 nm波长处实现了6.8%的近红外光子探测概率（PDP），暗计数率（DCR）低至2.12 cps/μm²，后脉冲概率（AP）为1.2%，时间抖动仅为216 ps，展现出卓越的单光子探测性能。

该研究为实现高性能、低成本的大规模SPAD阵列提供了新思路，特别适用于高密度激光测距、3D成像、车载LiDAR及量子传感等领域。其基于成熟BCD工艺的设计方案有利于大规模集成与产业化推广，为我国在激光雷达领域的自主研发与产品升级提供了重要技术支撑。未来，可进一步探索该结构在更小工艺节点下的适应性，以及与读出电路、时序控制等模块的集成优化，推动单光子探测技术在更广泛场景中的实用化与普及化。

图1. P型注入/高压n阱（HVNW）SPAD结构（a）半剖面视图（b）俯视图。

图2. 不同结构和尺寸的器件的（a）2D电场分布；（b）在Vex = 5 V下沿AB线的一维电场强度。

该文章以题为“A deep-junction single-photon detector with field polysilicon gate structure for increased photon detection efficiency and reduced dark count noise”发表在Journal of Semiconductors上。

文章信息：

A deep-junction single-photon detector with field polysilicon gate structure for increased photon detection efficiency and reduced dark count noise

Zhentao Ni, Dajing Bian, Haoxiang Jiang, Xiaoming Huang, Yue Xu

J. Semicond. 2026, 47(1), 012402 doi: 10.1088/1674-4926/25060004

Full Text 

8 基于IGZO/BLTO异质结的光电子突触：模拟人脑学习-再学习机制

随着人工智能飞速发展，传统冯·诺依曼架构面临高能耗、运算速度慢、存储与计算分离的瓶颈，难以满足复杂神经形态计算需求。光电子突触融合光学传感与突触功能，在速度、能效和抗干扰性上优势显著，成为突破瓶颈的关键方向，但现有器件多难以精准模拟人脑“学习-遗忘-再学习”的动态过程，且缺乏视觉信息感知与处理的集成能力。

广东工业大学唐新桂教授课题组提出一种基于IGZO/BLTO异质结的新型光电子突触。该器件成功实现多种核心突触可塑性模拟，包括成对脉冲易化、脉冲强度/数量/宽度依赖可塑性，以及短期记忆到长期记忆的转变，精准复刻人脑动态学习过程。

课题组构建的3 × 3视网膜形态突触阵列，集成光感知与存储功能，可通过365 nm紫外光刺激呈现清晰图案，且能自适应调整。在CNN训练中，器件模拟的“学习-再学习”机制使手写数字识别率从85.97%提升至89%，展现出优异的神经形态计算潜力。

该成果为人工视觉系统提供了核心器件支撑，未来可广泛应用于智能机器人导航、仿生视觉传感器、低功耗神经网络硬件等领域。其集成化、低功耗特性，将推动神经形态计算向高效、智能化发展，为下一代人工智能硬件系统研发奠定基础。

图1. (a) 照明测试条件下器件的示意图。(b) 器件内部载流子运动示意图（受光照条件下）。(c) 单光脉冲下器件的光电响应。(d) 两个快速连续光脉冲下的光电响应。(e) 光功率密度指数随时间间隔的变化曲线。(f) “学习-遗忘-再学习”过程的模拟（单脉冲）。(g) “学习-遗忘-再学习”过程的模拟（多脉冲）。

该文章以题为“Optoelectronic synapses based on IGZO/Bi_3.25La_0.75Ti₃O₁₂ heterojunctions for human brain learning mechanism simulation”发表在Journal of Semiconductors上。

文章信息：

Optoelectronic synapses based on IGZO/Bi_3.25La_0.75Ti₃O₁₂ heterojunctions for human brain learning mechanism simulation

Dongping Yang, Hao Chen, Zhenhua Tang, Qijun Sun, and Xingui Tang

J. Semicond. 2026, 47(1), 012403 doi: 10.1088/1674-4926/25060032

Full Text 

9 具有先进边缘终端结构的1.2 kV SiC功率器件的抗质子辐照性能研究

该文章以“Radiation hardness of 1.2 kV SiC power devices with advanced edge termination structures under proton irradiation” 为题，发表在Journal of Semiconductors上。

文章信息：

Radiation hardness of 1.2 kV SiC power devices with advanced edge termination structures under proton irradiation

Full Text