新闻详情

新闻详情

首页 / 资讯中心 / 详情

单光子之眼:SPAD芯片的技术演进与北极芯微的“2D+3D”双轮驱动

发布时间:2026/11/13 7:35:30来源:尧图网络
单光子之眼:SPAD芯片的技术演进与北极芯微的“2D+3D”双轮驱动
近日,深圳北极芯微电子有限公司宣布完成亿元A+轮融资,由中青恒辉基金领投,老股东光谷科创投、瑞江投资跟投。这家成立于2021年的芯片设计公司,凭借SPAD(单光子雪崩二极管)全栈研发能力,在3D传感与微光成像两条产品线上同时发力,试图在物理AI时代构建“三维空间感知与成像”的技术底座。SPAD芯片究竟是什么?它为何同时成为激光雷达和微光成像的技术交汇点?本文从器件原理、产业语境与产品策略三个维度展开分析。一、SPAD的底层逻辑:在盖革模式下“听见”单个光子SPAD是一种工作在盖革模式下的光电探测器。当反向偏置电压超过击穿电压时,耗尽区形成极强的电场,单个光子激发的载流子即可触发雪崩倍增效应,产生可宏观探测的电流脉冲。与超导纳米线单光子探测器(SNSPD)相比,SPAD无需低温制冷,可在室温工作,且与CMOS工艺兼容,这使得它成为消费电子和车载领域最具商业化潜力的单光子探测方案。SPAD的核心性能参数构成了一组复杂的权衡关系:光子探测效率衡量器件将入射光子转化为电信号的能力,受波长、偏压和器件结构影响。暗计数率是SPAD噪声的核心来源,在无光照条件下由热激发等因素引发的虚假计数,直接决定系统的信噪比和探测距离。时间抖动反映器件响应光子事件的时间精度,以半高全宽(FWHM)衡量,对dToF测距精度至关重要。此外,填充因子、串扰概率等参数也深刻影响成像质量。这些参数之间往往此消彼长。增大有源区面积可提高探测效率,却会引入更高的暗计数;加深倍增区可增强红外响应,却可能恶化时间抖
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/13 10:09:00

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/13 16:11:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉