近日，课题组在零维锡卤化物光学测温方面取得进展，相关成果以“Modulating Thermally Activated Multiexcitonic De-Trapping in Zero-Dimensional Tin-Halide Perovskites for Deep-Learning-Assisted Temperature Mapping”为题发表在国际知名期刊《Advanced Functional Materials》上。论文第一作者为贾陌尘研究员和王哲硕士研究生，通讯作者为贾陌尘研究员和史志锋教授。

低维金属卤化物因其自陷激子（STE）产生的强热猝灭发光，在远程光学测温领域具有应用前景，但如何调控多个STE的热响应，并将其与深度学习结合以实现可靠的温度成像，仍是当前挑战。在这项工作中，研究人员揭示了Bi3+/Te4+共掺杂空位有序双钙钛矿中热激活的多激子脱陷动力学机制。通过调控BiCl6与TeCl6八面体的空间距离，在高温下实现了由Te4+诱导STE向Bi3+诱导STE的热致反向能量传递。变温拉曼光谱研究表明，在高Te4+掺杂浓度下，TeCl6相关的振动模式相较于SnCl6相关模式表现出更快速的热衰减，说明在升温过程中局部晶格的动态无序性加剧。这种热软化的配位环境增强了电子-声子耦合，促进了反向能量传递过程，最终导致Te4+相关STE发射发生快速热猝灭。基于上述机制，实现了对两个STE发射热响应的有效调控，并据此构建了高灵敏的比率型、荧光寿命型及比色型光学测温方法。进一步将显著的热致变色现象与基于卷积神经网络的深度学习图像分析相结合，建立了精确的比色测温平台，并将其应用于封装LED工作温度的实时测量，实现了1.12 °C的温度分辨率和毫秒级的响应时间。

该工作得到了国家自然科学基金、河南省自然科学基金等项目的支持。

文章链接：https://doi.org/10.1002/adfm.202532152