1. 课程导入
从手机夜景照片的噪点控制，到工业相机在高速产线上的缺陷检测，再到天文望远镜对微弱星光的捕捉，图像传感器性能的起点都指向同一个物理过程：光子进入硅材料后，被吸收并转化为可读出的电信号。这一过程称为光电转换，而衡量其效率的核心指标就是量子效率（Quantum Efficiency, QE）。本课程围绕“如何让更多光子变成有效电子，并尽可能少地损失在读出路径上”展开，覆盖从器件物理、像素结构、工艺集成到系统评测的完整知识链。
1.1 核心概念：光子、电子与量子效率
图像传感器的基本单元是像素。以CMOS图像传感器（CIS）为例，像素内部通常包含光电二极管（Photodiode, PD）、传输栅（Transfer Gate, TX）、浮空扩散节点（Floating Diffusion, FD）、源极跟随器与复位管。光子穿过微透镜、彩色滤光片和钝化层后进入硅吸收区，当光子能量大于硅禁带宽度（约1.12 eV，对应波长约1100 nm）时，价带电子被激发到导带，产生电子-空穴对。电子被收集到势阱中，空穴则流向衬底或被排出。
量子效率定义为：被收集并参与信号读出的电子数 ÷ 入射到像素表面的光子数。理想情况下，一个光子产生一个电子，QE=100%。实际器件中，QE受反射、吸收深度、载流子复合、传输损失和读出噪声等多重因素制约。外量子效率（EQE）以入射光子数为基准，内量子效率（IQE）则排除反射与遮挡，只计算进入吸收区后的光子转化效率。二者关系可近似写为：
EQE = IQE × (1 - R) × η_geo × η_transfer
其中：
R 表面反射率
η_geo 几何填充因子（有效感光面积占比）
η_transfer 载流子传输与收集效率与QE紧密相关的还有响应度（Responsivity, R）和灵敏度（Sensitivity）。响应度把光功率转换为电流，单位A/W；灵敏度则更偏向系统层面，描述单位曝光量下的输出信号大小。理解这些参数之间的换算关系，是后续章节进行器件仿真与测试分析的基础。
1.2 整体框架：从光子到数字码值的信号链
本课程的知识结构可以沿一条完整信号链展开：光学入口 → 光电转换 → 电荷传输 → 电荷-电压转换 → 模拟读出 → 模数转换 → 图像处理。每一环都会影响最终QE表现。例如，微透镜与抗反射层决定多少光能进入硅；光电二极管结深与耗尽区宽度决定长波吸收效率；传输栅时序决定电荷转移是否彻底；FD电容与源极跟随器决定转换增益与噪声；列级ADC的量化精度则影响弱光下的信噪比。
上图把信号链与QE损失机制放在同一视图中：光学入口和光电转换阶段主要决定“能吸收多少光子”，电荷传输与读出阶段决定“能保住多少电子”。后续章节将逐段拆解，并给出可量化的优化手段。
1.3 产业应用概览与典型场景
不同应用对QE的需求侧重点差异很大。消费电子追求小像素下的高满阱与低噪声；安防监控强调近红外QE以支持夜视；工业检测关注高速与宽动态；医疗内窥镜要求小尺寸与高色彩保真；天文成像则追求极低暗电流和背照式高QE。下表给出典型场景与关键QE指标的关系。
| 应用场景 | 关键波长 | QE关注点 | 典型技术路线 |
|---|---|---|---|
| 手机主摄 | 450–650 nm | 可见光QE、色彩串扰 | 背照式BSI + 深沟槽隔离 |
| 安防夜视 | 850–940 nm | 近红外QE、暗电流 | 厚硅外延 + 背照式减薄 |
| 工业检测 | 400–1000 nm | 响应线性度、帧率 | 全局快门 + 列级ADC |
| 医疗内窥 | 500–700 nm | 小像素QE、色彩还原 | 3D堆叠 + 片上滤光 |
| 天文成像 | 300–1100 nm | 峰值QE、暗电流 | 背照式 + 深耗尽 |
1.4 常见误区与学习复盘
学习本课程时，建议建立“参数-结构-工艺-测试”四维对照表：每学一个QE提升手段，都追问它改变了哪个物理量、对应哪层结构、需要什么工艺条件、用什么测试方法验证。例如，抗反射层降低表面反射率R，直接提升EQE；背照式减薄缩短光程并减少金属遮挡，提升短波与斜入射响应；深沟槽隔离抑制相邻像素串扰，改善色彩QE。只有把机理、结构、工艺和评测串起来，知识才不会碎片化。
本章作为导入，已经给出课程的核心概念、信号链框架、产业场景与常见误区。接下来将从硅的光吸收特性出发，逐步深入光电二极管结构、像素电路、工艺集成与QE评测方法，帮助你把“光子变电子”的每一个环节都看得清楚、算得明白、调得准确。