3. 灵敏度与吞吐量的物理极限分析

在上一节中，我们已经建立了“灵敏度—吞吐量”这一对相互制约的工程指标。本节要回答一个更根本的问题：这条权衡曲线的下界究竟由什么决定？答案不在算法、不在光学设计，而在物理本身——光子噪声、散粒噪声与热噪声共同构成了最小可检测缺陷尺寸的硬约束，而曝光时间、扫描速度与信噪比之间的定量关系，则决定了吞吐量的理论上限。理解这些极限，才能判断当前系统的优化空间还有多大，以及哪些指标已经“撞墙”。

一、三类噪声的物理来源与量级

在KLA这类暗场/明场光学检测系统中，信号链的起点是探测器接收到的光子。噪声按来源可分为三类，它们的统计行为完全不同，对检测极限的约束方式也不同。

光子噪声（photon noise）本质是光本身的量子涨落。即使光源完全稳定，单位时间内到达探测器的光子数也服从泊松分布，其标准差等于均值的平方根。若某缺陷散射后平均每秒产生 N 个光电子，则光子噪声带来的相对涨落为 1/√N。这意味着信号越弱，相对噪声越大——这正是小缺陷难以检测的根本原因。

散粒噪声（shot noise）是光子噪声在探测器端的体现，包括光电子产生、倍增和收集过程中的统计涨落。对PMT或SPAD探测器，散粒噪声电流的均方值为 2qIΔf，其中 q 为电子电荷，I 为平均电流，Δf 为测量带宽。它与光子噪声同源，通常合并考虑，统称“量子噪声”。

热噪声（thermal noise）来自探测器及前端电路的载流子热运动，典型形式为约翰逊噪声，其电流均方值为 4kTΔf/R。热噪声与信号强度无关，是“本底噪声”，在弱信号条件下会成为主导项。制冷探测器、降低带宽、增大负载电阻都是抑制热噪声的常用手段。

三类噪声的叠加决定了系统的等效噪声功率（NEP）。在典型暗场检测中，当信号光子数低于约 10³ 时，量子噪声主导；当信号进一步减弱到热噪声水平以下，缺陷就彻底淹没在噪声中。

二、曝光时间、扫描速度与信噪比的定量关系

设探测器在单个像素驻留时间 t_exp 内接收到的信号光电子数为 N_sig，噪声光电子数（含暗电流和背景）为 N_noise，则信噪比可写为：

SNR = N_sig / √(N_sig + N_noise + N_thermal)

其中：
  N_sig     = η · P_sig · t_exp / (hν)      （η为量子效率，P_sig为信号光功率）
  N_noise   = I_dark · t_exp / q             （暗电流贡献）
  N_thermal = 4kT · Δf · t_exp / (q² · R)   （热噪声等效电子数）
  Δf        ≈ 1 / (2 · t_exp)                （测量带宽与驻留时间成反比）

将 Δf 代入后可以看到一个关键结论：热噪声项与 t_exp 无关，而散粒噪声项随 t_exp 线性增长，信号项也随 t_exp 线性增长。因此当信号足够强时，SNR ∝ √t_exp；当热噪声主导时，SNR ∝ t_exp。这解释了为什么在极弱信号下，单纯延长曝光时间收益递减——热噪声不会因为积分时间变长而相对减小。

扫描速度 v 与曝光时间的关系由像素尺寸和驻留方式决定。对于连续扫描系统，v = pixel_size / t_exp；对于步进扫描，v = pixel_size / (t_exp + t_overhead)。吞吐量 W（单位时间检测面积）可表示为：

W = v · swath_width = (pixel_size / t_exp) · swath_width

代入 SNR ∝ √t_exp 的弱噪声极限：
  t_exp ∝ (SNR_req)² / N_sig_rate
  W ∝ swath_width · pixel_size · N_sig_rate / (SNR_req)²

这就是吞吐量上限的推导核心：吞吐量与所需信噪比的平方成反比。若要把 SNR 从 6 提升到 12，吞吐量将下降为原来的 1/4。这一“平方律”是灵敏度—吞吐量权衡的数学本质，也是所有优化策略必须面对的硬约束。

三、最小可检测缺陷尺寸的约束

对于亚波长缺陷，散射信号强度近似与缺陷尺寸的六次方成正比（瑞利散射区）。设缺陷直径为 d，则 N_sig ∝ d⁶。要求 SNR ≥ SNR_req，可得：

d_min ∝ (SNR_req · √(N_noise + N_thermal) / (η · P_illum · t_exp))^(1/6)

在量子噪声主导时：
  d_min ∝ (SNR_req)^(1/3) · (t_exp)^(-1/6)

这个六次方根关系意味着：缺陷尺寸每缩小一半，信号强度下降约 64 倍。要维持相同的检测信噪比，曝光时间需要增加约 64 倍，或照明功率提升 64 倍。这正是为什么检测灵敏度从 20nm 推进到 10nm 如此困难——不是线性改进，而是指数级挑战。

四、吞吐量上限的工程含义

综合以上关系，吞吐量上限可写为：

W_max = swath_width · pixel_size · η · P_illum / (hν · SNR_req² · (1 + N_noise/N_sig))

当 N_noise ≪ N_sig 时：
  W_max ≈ swath_width · pixel_size · η · P_illum / (hν · SNR_req²)

这个表达式给出了明确的优化方向：提高量子效率 η、增大照明功率 P_illum、降低所需信噪比 SNR_req。其中 SNR_req 由缺陷判定算法和误报率要求决定，是系统级参数；η 和 P_illum 受硬件限制；swath_width 和 pixel_size 受光学分辨率和探测器阵列规模限制。任何一项的改善都会直接转化为吞吐量提升。

在实际工程中，一个典型的暗场检测系统参数如下（示例假设）：η = 0.4，P_illum = 1W（532nm），pixel_size = 100nm，swath_width = 10μm，SNR_req = 8。代入估算可得 W_max 约为 0.5 mm²/s 量级。若将 η 提升到 0.6，吞吐量可提升 50%；若将 SNR_req 降到 6，吞吐量可提升约 78%。这些数字说明，系统级参数优化往往比硬件升级更具性价比。