首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >EPIC Photonics:集成光子技术的创新和应用(激光雷达传感)

EPIC Photonics:集成光子技术的创新和应用(激光雷达传感)

作者头像
光芯
发布2025-08-02 12:52:44
发布2025-08-02 12:52:44
6640
举报
文章被收录于专栏:光芯前沿光芯前沿
2025年6月24日至27日,在德国慕尼黑举办的“Integrated Photonics Applications Stage at the Laser World of Photonics”活动,由LASER WORLD OF PHOTONICS主办,联合PhotonDelta、ficonTEC photonics assembly & testing等机构共同开展。

这场聚焦集成光子学技术的会议,设置了通信、AI、激光雷达、医疗传感器四大专题环节,邀请全球行业领袖、技术专家及创新企业代表,分享最新技术突破与跨领域应用成果。

一、通信领域:光子集成技术驱动数据中心与网络升级

EPIC Photonics:集成光子技术的创新和应用(通信领域)

二、AI领域:共封装光学与光子集成突破算力瓶颈

EPIC Photonics:集成光子技术的创新和应用 (AI光互连领域)

三、激光雷达领域:FMCW与光子集成推动高精度传感

激光雷达领域的报告聚焦FMCW(调频连续波)技术与光子集成(PIC)的结合,探索如何提升激光雷达的精度、可靠性与规模化能力。

① SCRAMLUX(Mirvais Yousefi):《The Next Step in maturing FMCW LiDARs: A Novel End of Line Testing Solution》

核心主题:为FCW激光雷达提供全生命周期的标准化下线测试(EoL)解决方案,推动激光雷达量产与可靠性提升。 ◆ 核心挑战

激光雷达在生产、车辆安装及售后阶段需统一的测试标准,传统测试方法难以兼顾效率、兼容性及真实环境模拟。 ◆ 技术方案

- SXI测试仪器:一款紧凑(≤1㎡)、快速(周期时间15-45秒/激光雷达)的激光雷达agnostic(不依赖具体类型)测试设备,无传输光学元件,支持ToF(飞行时间)和FMCW(调频连续波)等多种激光雷达类型。

◆ 关键能力

- 直接测量核心性能参数(如距离精度±0.01米,波长覆盖850-1600nm);

- 支持距离模拟(2-100米)和“4D测试”(含移动目标/障碍物模拟),贴近真实环境; - 覆盖全生命周期:生产阶段(Tier 1/2)、车辆安装(OEM)、售后定期检测(PTI)。 ◆ 应用价值

通过标准化测试指标和仪器,降低激光雷达量产成本,确保各阶段性能一致性,满足EURO NCAP等行业规范要求。 ② Fraunhofer HHI(Axel Schoenau):《InP PIC-based LIDAR System》

核心主题:基于InP(磷化铟)光子集成芯片(PIC)的FMCW激光雷达系统,作为欧盟RETINA项目的关键技术,聚焦高精度、低成本传感。 ◆ 核心技术 - InP PIC设计:采用FMCW调制,集成倾斜光栅耦合器阵列实现光束转向,发射(Tx)和接收(Rx)芯片全片上集成,无需外部光学元件。

- 技术优势:全集成设计降低功耗;抗干扰能力强(不受其他激光雷达信号影响);支持长短距双规格,适配不同场景。

◆ RETINA项目定位

项目旨在开发下一代光子传感系统,除激光雷达外,还包括量子点(QDs)和光学微滤波器的光谱成像技术,结合机器学习实现多模态传感,应用于三大领域:

- 医疗:手术支持系统(短距激光雷达+光谱成像); - 汽车:复杂天气下的多模态传感(长距激光雷达+摄像头); - 农业:葡萄种植关键参数监测(长短距激光雷达+光谱成像)。 ◆ 产业化能力

依托Fraunhofer HHI的InP代工厂(全球仅两家之一),提供从芯片设计、晶圆制造到原型封装的全流程服务,支持从研发到量产的技术转移(首代芯片预计2025年Q4完成测试)。

③ Ommatidia Lidar(Yu Tian):《Lightfield LiDAR based on Integrated Optics》

核心主题:基于生物仿生设计(模仿昆虫复眼“ommatidia”)的多光束FMCW激光雷达,结合光子集成芯片实现高精度3D振动测量与计量。

◆ 核心技术 - 大规模并行FMCW技术:自研光子集成芯片(PIC),支持128-1024个并行通道,实现宽光束照明与单光子灵敏度结合,兼顾高分辨率与长距离。

◆ Q系列产品参数 - 测量范围1.0-50米,精度达20µm+6µm/m;

- 振动采样频率40kHz(阵列)-125MHz(单点),支持±15.5mm/s(阵列)-±47.9m/s(单点)速度测量;

- 集成RGB相机辅助定位,功耗45W,支持外部电池工作4小时。 ◆ 应用场景 - 结构健康监测:高铁桥梁、码头墙体的实时振动与位移监测(非接触式,替代传统加速度计);

- 航空航天:飞机机翼、辅助动力装置(APU)的振动分析与故障检测(如松动管道识别);

- 汽车与工业:高精度制造中的在线质量控制、逆向工程等。

◆ 技术亮点

无需复杂机械扫描,通过多通道并行采集实现快速成像,结合AI算法识别“振动指纹”(如列车类型、结构异常)。

④ Pointcloud(Remus Nicolaescu):《Photonic Integrated Circuits for LiDAR: Enabling 4D Machine Vision with PICs》

核心主题:基于硅光子平台的相干4D成像激光雷达,采用FMCW焦平面阵列(FPA),实现距离、速度、3D结构的高精度同步测量。

◆ 核心技术 - 单片收发集成架构(Monostatic)

发射(Tx)与接收(Rx)集成在同一像素,形成焦平面阵列(如352x176像素),支持并行读取,无需机械扫描。

- FMCW原理应用

通过频率调制连续波测量目标频率差,结合FFT提取距离;利用多普勒频移计算径向速度,实现“4D感知”(3D空间+速度)。

◆ 产品进展 - 现有工程样品:像素数超60K,支持实时成像(>20fps),适配商用镜头,无串扰(高反射目标不影响邻近像素)。

- 技术优势:全硅基制造(兼容CMOS工艺),成本低、可量产;集成电子元件(跨阻放大器等),简化系统设计。 ◆ 未来规划

优化现有芯片以支持更长距离(200米+),开发更高分辨率(HVGA级)阵列,目标应用于自动驾驶、工业检测及消费电子领域,推动4D视觉普及。

【总结】 激光雷达领域的技术聚焦于FMCW调制与光子集成(PIC) 两大核心,通过芯片级集成提升精度、降低成本,并拓展多场景适用性: - 测试端(SCRAMBLUX):标准化全生命周期测试,解决量产一致性问题; - 芯片与系统端(Fraunhofer HHI、Ommatidia、Pointcloud):InP或硅基PIC实现高集成度,支持多通道并行、抗干扰、高精度测量,应用覆盖汽车、航空、结构监测等,推动激光雷达从高端向规模化应用演进。

四、医疗传感器领域:光子集成赋能高精度诊断与监测

医疗传感器领域的报告聚焦光子集成技术在成像、生物传感、生理监测中的应用,推动医疗设备的小型化、高灵敏度与规模化。

① Carl Zeiss(Stefan Richter):《Optical Coherence Tomography with Photonic Integrated Circuits》

核心主题:基于光子集成芯片(PIC)的光学相干断层扫描(OCT)技术,推动眼科成像设备的小型化与普及。

◆ 技术背景

OCT是眼科诊断的关键技术(如视网膜检查、青光眼监测),但传统系统成本高(约4.2万美元)、体积大,难以覆盖新生儿、卧床患者等群体。

◆ PIC解决方案

- OCTChip系统:将光源、干涉仪、探测器等集成到PIC,通过4通道并行扫描实现100kHz扫频速率,图像质量与高端系统相当,体积缩小至芯片级。

- 手持OCT设备:升级为1060nm波长提升成像质量,分离电子元件(放大器、ADC)增强性能,3D打印微透镜优化光学接口,适配床边检测等移动场景。

◆ 应用场景

视网膜分层成像、新生儿视网膜病变筛查、ICU患者监测等,解决传统设备移动性差、成本高的痛点。

② Fraunhofer HHI(Martin Schell):《SiN and Polymer PICs for Sensing》

核心主题:基于氮化硅(SiN)和聚合物的光子集成芯片,面向生物传感、量子成像等高精度医疗检测需求。

◆ 材料平台优势

- SiN PIC:低损耗(0.2dB/cm)、宽波长覆盖(可见至近红外),适用于高灵敏度传感;

- 聚合物PIC(PolyBoard):低成本、易加工,兼容生物材料,支持780nm-1600nm波长。

◆ 核心应用

- 生物传感器:SiN微环谐振器(MRR)检测蛋白质、病毒等生物标志物,结合抗体/适配体实现高特异性;

- 量子成像:集成1550nm纠缠光子源,提升低光强下OCT和显微成像的信噪比;

- 磁强计:结合金刚石NV中心,实现3×3像素磁传感阵列,用于脑磁图等生物磁信号检测。

◆技术亮点

支持多参数同步检测,设备微型化(如量子模块体积仅7cm),兼容InP、GaAs等有源器件集成。

③ InSpek(Ivan-Lazar Bundalo):《One Tiny Multisensor for Bioprocess Monitoring》

核心主题:基于PIC的“一体化”多参数传感器,实时监测生物制药、发酵等过程中的关键参数。

◆ 传统传感器痛点

生物过程依赖多种离线传感器(pH、溶氧等),操作复杂、响应滞后,导致30%的生产失败率。

◆ 技术方案

- PIC集成多传感器:整合拉曼光谱模块(检测化学成分)、温度、pH等传感器,通过“波导增强拉曼”技术提升灵敏度(较传统方法高10倍);

- 系统组成:PIC传感器芯片+控制单元(激光器+光谱仪)+分析软件,支持即插即用,适配生物反应器。

◆ 应用案例

实时监测酵母发酵生产对香豆酸(p-CA),使产量提升2倍;计划2026年推出集成拉曼+pH+溶氧的全参数版本,2027年结合AI实现智能控制。

④ Amazec Photonics(Pim Kat):《The Art of High Resolution FBG Sensing for the Detection of Cardiac Disturbances》

核心主题:基于集成光子学光纤布拉格光栅(FBG)的高分辨率温度传感,用于心脏功能监测与疾病诊断。

◆ 技术原理

通过0.1mK分辨率的温度传感,结合“热稀释法”:注射4-20℃冷盐水后,监测血液温度变化曲线,计算心脏输出量(CO)、射血分数(EF)等参数,辅助心力衰竭诊断。

◆ 应用进展

- 侵入式测量:在颈动脉、肾静脉检测到清晰的“首次通过”(心脏输出)和“再循环”(血容量)信号;

- 非侵入式探索:通过皮肤传感器初步估算CO和EF,需进一步算法优化以消除皮肤血管收缩干扰。

◆ 商业化

成立新公司Ardeonics,推动技术在医疗设备中的落地。

⑤ X-FAB(Joni Mellin):《More than Photonics: Photonics technologies for biomedical sensor applications》

核心主题:硅光子平台支撑的生物医学传感器,推动即时检测(POCT)的规模化生产。

◆ 市场需求

人口老龄化、慢性病增加推动POCT需求,需小型化、低成本、高灵敏度的检测设备。

◆ 技术平台

- SiN光子平台:PECVD工艺制备150nm/400nm SiN波导,支持可见光至近红外波长,损耗低(<1dB/cm),适配生物传感;

- 异质集成技术:结合微转移印刷、3D封装(TSV)、微流控技术,实现光子芯片与电子元件、流体通道的集成。

◆ 产品优势

支持多标志物同步检测(如蛋白质、病毒),成本低(一次性传感器<10美元),兼容ISO 13485医疗认证产线,适配家用、临床等场景。

⑥New Origin(Twan Korthorst):《Industrialization of Silicon Nitride PIC Manufacturing》

核心主题:氮化硅(SiN)PIC制造的工业化,推动医疗传感器的低成本、规模化应用。

◆ 产业化挑战

传统SiN PIC依赖共享研发设施,难以满足医疗领域对量产、质量一致性的需求。

◆ 解决方案

- 200mm晶圆产线:年产能2.5万片,采用半自动化流程,支持晶圆级微流控、生物功能化涂层等定制工艺;

- 标准化平台(SiN+):提供成熟PDK,简化客户设计,实现从研发到量产的无缝过渡。

◆ 医疗应用案例

- POCT生物传感器:3×3.5mm SiN芯片,螺旋波导设计提升灵敏度,可检测亚皮克级蛋白质,支持5种标志物同步检测,结果耗时10-15分钟,成本降低约5倍。

【总结】

医疗传感器领域的集成光子学技术聚焦高灵敏度、小型化、多参数集成,通过PIC技术突破传统设备的成本与体积限制:

- 成像领域(Carl Zeiss):OCT设备从桌面级向手持化演进,扩大医疗可及性;

- 生物传感(Fraunhofer HHI、X-FAB、New Origin):SiN和聚合物PIC支持高特异性检测,推动POCT普及;

- 过程监测(InSpek):一体化传感器解决生物制药的实时监测痛点;

- 生理监测(Amazec):高分辨率温度传感为心脏疾病诊断提供新工具。

制造工业化(如New Origin的SiN产线)是技术落地的关键,为医疗传感器的规模化应用奠定基础。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2025-08-01,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 光芯 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档