闭眼也能看见？UNIST用AI开发“像蛇一样靠热感知物体”的传感器材料

by Kim Suro

Published 25 Feb.2026 12:51(KST)

UNIST开发出综合性能提升23.6倍的红外热感应传感器用多层薄膜材料

利用AI寻找高灵敏度、高信号可靠性材料叠层结构，发表于《Advanced Science》

在漆黑一片的黑暗中也能准确捕捉猎物的响尾蛇，其秘密武器——“颊窝器官（Pit organ）”与人工智能（AI）相结合，借助现代科学得以“复活”。

热成像相机中也内置了发挥类似作用的传感器，如今能够提升这一传感器性能的特殊材料，已通过人工智能技术开发成功。借此可以制造高性能热成像相机、汽车夜间行人识别装置等设备。

UNIST物理学系Son Changhee、Park Hyeongryeol教授团队25日表示，他们利用人工智能技术，开发出了性能比现有商用材料高出20倍以上的微测辐射热计传感器用薄膜叠层材料。

研究团队成员为 Son Changhee 教授、Park Hyeongryeol 教授、Choi Jinhyun 研究员、Lee Hyungtaek 博士。UNIST 提供

微测辐射热计是一种将物体辐射出的红外热量感知并转化为电子设备可处理的电信号的传感器。由于其工作原理是：当传感器内部的特殊材料吸收红外热量时，该材料的电阻发生变化，因此要制造高性能传感器，就必须使用在微小温度变化下电阻也能灵敏改变的高敏感度材料。

研究团队开发的材料以敏感度出色的二氧化钒为基础，为掺入钨元素的二氧化钒薄膜四层堆叠的结构。得益于对各层中钨含量与厚度的差异化设计，成功抑制了二氧化钒长期存在的信号急剧变化及滞后现象。

传感器对温度变化所产生的电阻变化越接近一次函数那样的直线，信号的可靠性就越高；而纯二氧化钒在特定区间会出现电阻急剧变化，并伴随升温与降温时电阻值不同的滞后现象。这意味着即便在相同温度下测量值也可能不同，从而降低传感器信号的可信度。

这种材料薄膜层厚度的组合在理论上超过130万种，研究团队利用一种名为遗传算法的AI技术，找出了最优厚度组合。该方法模仿生物进化中的“自然选择”原理，在随机生成的大量厚度组合中，只筛选出性能优异者，让它们相互组合并反复修正，最终逼近最优厚度组合。

实验结果显示，该材料在室温（20～45度）区间的温度敏感度（TCR）达到7.3%，是现有商用材料的3倍以上；贝塔（β）指标提升了23.6倍。贝塔指标不仅考虑敏感度，还综合信号的准确性与可靠性，用于评估实际传感器性能的综合性指标。

此外，该材料可在300度的低温工艺条件下，直接沉积到既有的半导体电路（互补金属氧化物半导体）之上，具有较高的商业化潜力。微测辐射热计必须以沉积在读取电阻变化信号的半导体电路之上的形式使用，而利用二氧化钒的既有技术需要500度以上的高温工艺，高温可能损伤已完成的电路。

本次研究由UNIST物理学系研究员Choi Jinhyun与博士Lee Hyeongtaek作为第一作者主导完成。研究团队表示：“如果由研究人员逐一更换材料组合进行实验，按算术估算规模需要750年，利用人工智能技术大幅缩短了这一时间，并成功将设计出的材料以薄膜形式实际合成，这一点具有重要意义。”

Son Changhee教授表示：“该技术有望广泛应用于自动驾驶车辆的夜间障碍物探测、利用无人机开展的夜间与远距离监视、以及感知多人群体体温变化的大规模病毒感染监测等对高性能热感知技术有需求的领域。”

利用人工智能技术进行传感器材料设计。

本研究论文已于1月28日刊登在世界权威学术期刊《Advanced Science》上。研究工作获得了科学技术信息通信部韩国研究财团纳米材料技术开发项目、基础研究室项目、中坚研究项目以及信息通信企划评价院信息通信广播创新人才培养项目等的资助。

本报道由人工智能(AI)翻译技术生成。