近日，课题组在稀土掺杂双钙钛矿的光学热成像方面取得进展，相关成果以“Engineering Phonon Anharmonicity in Lanthanide-Doped Double Perovskites for Deep-Learning-Assisted Colorimetric Thermography”为题发表在国际知名期刊《Advanced Functional Materials》上。论文第一作者为硕士研究生王哲，通讯作者为贾陌尘研究员、陈旭副教授和史志锋教授。

无铅金属卤化物中的自陷激子（STE）为发展下一代光学测温技术提供了强大的工具库，然而，如何调控其热致脱陷动力学以优化发光热响应、实现高性能应用，仍然是一个挑战。本研究基于Sb3+/Er3+掺杂双钙钛矿提出了一种便携式智能比色测温平台，将色相–饱和度–明度（HSV）颜色编码与深度学习相结合，实现了高精度热成像。通过对三价阳离子位点的调控，可以改变尺寸相关的晶格硬度，从而增强电子–声子耦合，并降低Sb3+诱导STE脱陷的热激活能垒。在铟基双钙钛矿中，高键离子性激发了显著的四阶声子非谐性，这不仅引起了强烈的晶格热膨胀，还同时降低了键力常数，最终实现了45.08 meV的超低热激活能，并获得了最强的热猝灭效应。进一步，我们引入Er3+作为光谱稳定的发光中心来诱导灵敏的热致变色行为，并提出了一种具备高颜色识别能力的HSV比色热成像方法。为消除环境光照与手机拍摄角度引入的伪影，我们开发了基于YOLO11的深度学习算法，可直接从微电子器件的原始荧光图像中端到端地解码温度信息，并实现了92.20%的高准确率。

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.75233