星标“医工学人”,第一时间获取医工交叉领域新闻动态~

超声传感器的灵敏度,长期受限于传统压电材料的物理极限与微机电系统的工艺瓶颈。2026年3月16日,中国科学院物理研究所与北京大学联合团队,通过将高Q值微环谐振器嵌入悬空薄膜,首次在集成光子平台上同时利用光学共振与机械共振,实现了空气中218 nPa·Hz⁻¹⁄²、水中9.6 nPa·Hz⁻¹⁄²的创纪录噪声等效压力(NEP)。这一突破不仅将芯片级超声探测的极限推至nano-Pascal量级,更在光声气体光谱与水下成像中展示了前所未有的微弱信号捕捉能力。CMOS兼容的工艺路径,意味着这项技术有望走出实验室,成为下一代生物医学成像、环境监测与水下通信的核心传感单元。

从医用B超到工业无损检测,从水下声呐到气体分析,超声传感器是现代诊断与监测技术的基石。然而,这一领域长期存在一个根本性的矛盾:灵敏度与集成度难以兼得。
传统的压电换能器虽然应用广泛,但在微型化与阵列化上受限于材料与工艺。更关键的是,它们的噪声等效压力(NEP)通常在mPa·Hz⁻¹⁄²量级,这意味着在面对微弱超声信号时——例如通过颅骨的脑成像、远距离水下探测,或痕量气体的光声信号——其灵敏度往往捉襟见肘。
近年来,基于光学微腔的超声传感器凭借高灵敏度、抗电磁干扰等优势被视为变革性方案。但这一路径同样面临两难:光纤式微腔(如法布里-珀罗腔、微球腔)虽灵敏度优异,却受限于阵列化能力与光学系统的体积;芯片级微环谐振器虽兼容CMOS工艺,却因衬底限制,NEP长期停留在mPa·Hz⁻¹⁄²水平,难以与光纤方案抗衡。
换句话说,超声传感领域一直缺乏一种既拥有光纤级灵敏度、又具备芯片级集成潜力的技术方案。
这项研究的核心洞察在于:将光机耦合引入到可规模化制造的集成光子平台中,通过同时激发的光学共振与机械共振,实现“1+1>2”的灵敏度跃升。

图 1 | 集成超高灵敏度光机械超声传感器的原理示意图
a,超声传感器示意图,连续波(CW)输入激光的强度受超声波的调制。左插图:机械共振增强的位移响应示意图。右插图:传感器的光学读出原理,展示了光学共振增强的灵敏度。
b,基于集成微环谐振器的超声传感器三种构型示意图对比:(i)非悬空结构,(ii)悬空结构(偏离机械共振),(iii)悬空结构(处于机械共振),展示了悬空结构在机械共振作用下的响应增强。
技术原理拆解
传感器结构并不复杂,但设计极为精妙:一个悬空的SiO₂薄膜,其中嵌入一个高Q值的Si₃N₄微环谐振器。薄膜的悬空结构使其在超声波作用下产生显著位移;而微环谐振器则作为光学读出头,将机械位移转化为光学共振峰的偏移。
关键设计在于两个共振的协同:
光学共振:高Q值(水中1.33×10⁶)的微环,其透射谱在共振峰附近斜率极陡。当激光锁定在蓝失谐侧,微小的光学共振偏移即可转化为大幅度的强度调制——这是光学读出的灵敏度来源。
机械共振:悬空薄膜的特定振动模式(如基模ν₀,₀)在特定频率下将位移放大数十倍。研究团队通过优化膜-环半径比(0.52),使微环位于薄膜振动形变最大的位置,从而实现机械位移的峰值耦合。
两个共振的叠加,使传感器在其机械共振频率附近获得数量级级别的灵敏度提升。

图 2 | 传感器制造与表征
a,传感器的制造工艺流程。
b,加工完成的4英寸晶圆照片。
c,硅深腔刻蚀后 3 × 3 cm² 芯片的照片。
d,封装后传感器的照片。
e,传感器的光学显微镜图像,展示了嵌入 SiO₂ 薄膜中的 Si₃N₄ 微环谐振器。插图:光学模式分布 |E|,其中 E 表示电场。
f,在水中测量的微环谐振器归一化透射谱。
新旧技术对比
|
传感器类型 |
典型NEP (水中) |
典型面积 |
集成度 |
代表性局限 |
|
压电换能器 |
数十mPa·Hz⁻¹⁄² |
数mm² |
可阵列化 |
灵敏度不足,易受电磁干扰 |
|
光纤微腔 |
亚mPa·Hz⁻¹⁄² |
光纤端面 |
难以大规模阵列 |
依赖光纤对准,系统体积大 |
|
传统微环(非悬空) |
mPa·Hz⁻¹⁄² |
<0.1 mm² |
高(CMOS) |
衬底限制机械位移 |
|
本工作(悬空微环) |
间接指标或定性评估 |
0.64mm² (膜) |
高(CMOS) |
带宽较窄(共振峰处最佳) |
9.6 nPa·Hz⁻¹⁄²意味着什么?它比商业水听器的典型灵敏度高出两到三个数量级,使传感器能够探测到比人类听觉阈值还微弱得多的超声信号。
研究团队在两种极具挑战性的场景中验证了传感器的能力,这些实验不仅展示了性能,更指向了实际应用方向。
1)光声气体光谱:检测浓度低至2.9 ppm的乙炔
在光声光谱(PAS)中,气体分子吸收调制激光后通过热膨胀产生声波,传感器捕捉这一声波即可反推气体浓度。这一技术的关键挑战在于:声波信号随气体浓度线性下降,痕量检测需要极低的噪声底。
实验中,团队将传感器置于含1% C₂H₂的气室中,用调制激光激发光声信号。结果显示:
在机械共振频率(288 kHz)处,1秒积分时间下,最低可检测浓度达2.9 ppm;
在非共振频率(268 kHz)处,该数值为13.1 ppm。
机械共振使灵敏度提升了约4.5倍。更重要的是,测量光谱与HITRAN数据库的理论谱线高度吻合,残差低于5%,验证了系统的光谱精度。
2)水下超声成像:在0.3 mPa压力下清晰成像
水下成像实验设计得颇为巧妙:一个带有“F”形凹槽的亚克力样品放置于水槽中,凹槽内困住的空气形成声阻抗不匹配区域。500 kHz的聚焦超声换能器与传感器分别置于样品两侧,通过二维扫描重建图像。
关键对比令人印象深刻:
在517 kHz(机械共振频率)驱动下,0.3 mPa的超声压力即可清晰重构“F”形;
在550 kHz(非共振)下,同样压力下图像质量显著下降;
作为参照,商用针式水听器需在0.7 Pa(高出三个数量级)的压力下才能获得类似图像。
这一对比并非意在否定商用水听器——它们通常更关注带宽与高压承受能力——而是凸显了该传感器在极微弱信号场景下的独特价值。
在0.3 mPa的超声压力下成像,相当于在数十米外捕捉蚊子翅膀扇动产生的声音——这为长距离水下探测、微创医学成像等场景打开了新的可能性。
这项研究最直接的价值在于,它首次在CMOS兼容平台上实现了可与光纤微腔媲美、甚至超越的超声灵敏度。这意味着:
医疗成像:对于需要穿透颅骨的脑成像、微血管检测等弱信号场景,该传感器可大幅降低所需超声功率,减少对组织的潜在损伤;
水下探测:极低NEP意味着更远的探测距离和更高的分辨率,对水下通信、海洋监测具有直接价值;
工业检测:在高压环境或电磁干扰严重的场景中(如变电站、高压管道),全光学读出的传感器具有天然优势;
气体传感:光声光谱与痕量气体检测结合,可用于呼吸分析、环境监测乃至工业安全预警。
尽管数据亮眼,但要走出实验室,仍需面对几项现实约束:
-
带宽限制:目前传感器的最高灵敏度集中在单一机械共振频率附近(空气中289 kHz,水中52 kHz,成像实验中使用的是高阶模517 kHz)。对于需要宽频响应的应用,这一特性可能成为短板。研究者也指出,通过抑制热折射噪声、利用多个机械模式,有望拓展工作带宽。
-
封装与鲁棒性:虽然研究中已采用光纤耦合封装,但悬空膜结构对机械冲击较为敏感。未来若用于可穿戴或植入式设备,需要更坚固的封装方案,例如增加阻抗匹配层。
-
系统级集成:目前实验仍依赖外部的1550 nm激光器、PID锁定与光电探测。下一步的关键在于将激光器、探测与控制电路全部集成到芯片上,形成真正的“片上超声传感器系统”。研究者在前沿部分也提到了这一方向。
-
成本与量产:虽然CMOS兼容的工艺路径有利于规模化制造,但悬空膜释放的良率、长期稳定性等工程问题,仍需在实际产线中验证。
在肯定这项研究里程碑意义的同时,也应注意到几个尚未被充分讨论的问题:
首先,噪声等效压力(NEP)作为灵敏度指标,并不等同于实际应用中的信噪比。 在实际场景中,环境噪声、目标反射特性、信号处理方式等都会影响系统整体性能。论文中在实验室环境下的NEP测试,与实际应用场景之间仍存在距离。
其次,机械共振带来的灵敏度增益,是以牺牲带宽为代价的。 这在一些应用中可能可以接受(如定点气体检测),但在成像或宽带探测中则需要权衡。研究者提出的利用多个机械模式拓展带宽的思路,在原理上可行,但实际多模并行检测的系统复杂性不容忽视。
此外,这项技术对光学频率锁定有较高要求。 虽然PID锁定可维持工作点,但在温度变化或振动环境下,锁定的稳健性仍是系统级设计中需要解决的问题。
最后,也是更根本的一点:纳帕斯卡级的灵敏度是否真的“必要”? 对于许多商业应用而言,现有mPa级传感器已足够。新技术的市场切入点,往往在于那些现有方案“做不了”或“做不好”的场景——例如通过颅骨的脑成像、远距离水下探测、或非接触式气体分析。能否找到并切入这些“刚需”市场,将决定这项技术从实验室到产业化的最终路径。
[1]Cao, X., Yang, H., Wang, M. et al. Integrated optomechanical ultrasonic sensors with nano-Pascal-level sensitivity. Light Sci Appl 15, 171 (2026).
https://doi.org/10.1038/s41377-026-02238-0
END
编辑 | 郝娅婷
排版 | 张艳青
审核 | 医工学人理事会
扫码加入医工学人,进入综合及细分领域群聊,
参与线上线下交流活动

推荐阅读
Nature Biomedical Engineering | 上海交大团队研发一种用于手术识别与导航的眼科视频基础模型,并基于湿实验室猪眼进行验证
点击关注医工学人

本篇文章来源于微信公众号: 医工学人








