基于机器学习的光学测温：利用含 SiV 中心金刚石的光致发光与拉曼光谱
材料科学
2025-10-28 v2 光学
摘要
微米与纳米测温技术能够在微纳尺度上实现精确的温度监测与控制，已成为从高功率微电子学到生物传感和纳米医学等应用中不可或缺的诊断工具。现有技术大多依赖次级微纳温度计，这些温度计在使用前需要对每个传感器进行单独校准，理想情况下需同时进行离线与在线校准。我们提出了一种克服此局限性的替代方法，该方法采用含有硅空位（SiV）中心的荧光金刚石，其中热敏物理量是这些中心的光致发光信号和金刚石基质的拉曼信号。我们使用两种多特征回归算法分析光致发光和拉曼数据，这些算法利用最少数量的校准金刚石和温度设定点来预测未见过的金刚石的温度。使用这种方法，模型实现了低至 0.7 K 的准确度、低至 0.6 K Hz 的分辨率以及高达 0.04 K 的灵敏度。与传统的单特征模型相比，这相当于准确度提高了约 70%（超过三倍），分辨率提高了 50%（两倍），灵敏度提高了 567%（七倍）。我们的方法特别适用于对每个温度传感器进行部署前校准不切实际的应用场景，并且可推广到任何具有两个或更多可同时测量的温度依赖可观测量的测温平台。
引用
@article{arxiv.2509.23017,
title = {Machine Learning Based Optical Thermometry Using Photoluminescence and Raman Spectra of Diamonds Containing SiV Centers},
author = {Md Shakhawath Hossain and Dylan G. Stone and G. Landry and Xiaoxue Xu and Carlo Bradac and Toan Trong Tran},
journal= {arXiv preprint arXiv:2509.23017},
year = {2025}
}