南昌大学王启胜教授团队联手浙江大学杨宗银教授团队，把一种借助神经网络辅助的光热电探测器给搬上了国际知名光学期刊《Optics Express》。他们提出了一种全新的超宽带图像加密技术，把从可见光到中波红外的光学图像直接给转换成了电信号进行编码，最后用深度学习把图像又给还原了回来。这次研究的核心器件是采用单晶硒化铅（PbSe）薄膜制作的光热电编码器件。由于PbSe这种材料具有宽谱响应和微秒级的快速响应能力，当载有图像信息的光投射到它的表面时，会迅速形成数千开尔文的非平衡热载流子。这些热载流子在温度梯度的作用下向四周扩散，把二维空间光强分布转化为二维温度梯度分布。研究人员在薄膜边缘对称设计了四个输出电极，利用光热电效应把这种空间热分布差异转化为四路完全不同的电压输出，也就是高度压缩的密文。因为这四个信号极度压缩且完全不同，无法直接还原为图像。 为了解密这个压缩后的密文，团队引入了超分辨率双线性插值算法。这个算法把四路一维电压信号重塑成了64×64的二维特征矩阵，然后输入到一个经过训练的U-net深度学习神经网络中进行重构。值得注意的是，针对可见光（VIS）、短波红外（SWIR）和中波红外（MWIR）这三种不同波段照射产生的电压信号，必须使用对应波段训练好的专属U-net网络才能成功解密。如果波段与网络不匹配，解密就会失败，这就从算法层面给系统加了一道安全锁。 为了测试这个系统的性能，他们用了赛恩科学仪器（SSI）的锁相放大器OE1022和低噪声电压前置放大器OE4002，把微伏级热电势精确地提取了出来。实验结果显示，测试图像的平均峰值信噪比（PSNR）达到了43.3，结构相似性（SSIM）也有0.98。这个系统还具备很强的抗干扰能力。在高达±5.0uV的随机电学噪声注入下，解密图像依然能保持极高的辨识度。当有蓝光（LED）和宽谱白光（手电筒）直接照射时，红外图像密文电压也没发生明显突变，PSNR还能保持在32以上。即使在0.706mW/mm2的极低入射光功率下，系统也能实现高保真的加解密操作。 传统的光学图像加密技术虽然有低功耗和并行处理的优势，但通常需要体积庞大、结构复杂的光学机械系统。后来出现的超表面加密技术虽然减小了体积，但受限于材料特性难以实现多波段加密，并且攻击者很容易通过改变入射光条件来破解信息。这次的创新点在于用PbSe薄膜作为核心器件突破了这些瓶颈。整个系统不需要复杂的光学调制元件就能工作，还能实现与现代集成电路的高度兼容。它覆盖了可见光到中波红外的整个光谱范围完美契合了大气通信窗口。结合深度学习处理非线性映射的能力，这项技术在减轻系统载荷、降低功耗以及实现空地一体化高维度安全通信等方面都展现出了巨大的应用潜力。