超导探测器视觉特征与低温性能的关联研究

过渡边传感器（TES）辐射热计的低温表征是一个耗时且劳动密集的过程。随着新实验部署越来越大的TES辐射热计阵列，测试过程将变得更加瓶颈。因此，亟需开发一种在室温下评估探测器性能的方法。一种可能性是使用机器学习将探测器的视觉外观与其低温特性相关联。在此，我们使用来自南 Pole 望远镜当前接收机SPT-3G生产周期的 three 片工程级TES辐射热计晶圆来训练并测试这样一种算法。捕获了这些TES辐射热计的高分辨率图像，并从图像中计算出相关特征。还测量了低温性能指标，包括探测器的调谐能力以及超导参数如正常电阻、临界温度和跃迁宽度。训练了一个随机森林算法以从这些视觉特征预测这些性能指标。图像分析被证明非常成功。尽管所选择的输入图像特征集下随机森林算法预测低温特征的能力有限，但数据量的增加或更多图像特征的添加有可能解决此问题。