✅作者简介：热爱科研的Matlab仿真开发者，擅长数学建模、模型改进、算法创新、程序设计科研仿真。
🍎 往期回顾关注个人主页：完整代码获取 定制创新 论文复现私信
🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。
🔥 内容介绍
超导纳米线单光子探测器（SNSPD）凭借高探测效率、低暗计数、高时间分辨率等优势，成为量子通信、量子光学、红外单光子探测等领域的核心器件。光子吸收后，纳米线内部会形成局域化热斑（hotspot），超导态转变为电阻态，在外偏置电路中产生可读取的电脉冲信号；热斑的冷却、超导恢复过程直接决定探测器的响应速度、恢复时间与最大计数率。在实际读出电路中，串联电阻 \(R_s\) 是不可忽略的电路参数，它会改变探测器的电流回路、热斑焦耳热耗散路径，进而调控热动力学演化。本文基于一维热传导方程 + 集总参数读出电路耦合模型，使用 MATLAB 完成数值仿真，对比不同串联电阻（0 Ω、150 Ω、350 Ω）条件下 SNSPD 热斑温度时空演化、读出脉冲波形、纳米线动态电阻演化规律，揭示串联电阻调控 SNSPD 恢复动力学的物理机制，为高速 SNSPD 读出电路优化设计提供仿真依据。
关键词：SNSPD；超导纳米线；热斑；热恢复；串联电阻；数值仿真；时间响应
一、引言
超导纳米线单光子探测器（SNSPD）是当前单光子探测方向的主流器件之一。典型 SNSPD 由超薄超导薄膜（NbTiN、NbN 等）刻蚀形成蜿蜒纳米线，工作温度远低于超导临界温度 \(T_c\)，器件被偏置在临界电流附近的超导态。当单个光子被纳米线吸收后，光子能量在超导薄膜内快速弛豫，形成局域高温热斑；热斑区域超导序参量被抑制，从零电阻超导态转变为正常电阻态，打破原有直流偏置回路的电流平衡，电流向传输线分流，在 50 Ω 匹配读出线路上输出电压脉冲。随着热斑通过声子向衬底散热，温度逐步回落，超导态重新恢复，探测器才可以响应下一个入射光子。
探测器的恢复时间是限制最大计数率的核心指标。热斑的演化同时受两个物理过程耦合支配：固体热输运过程（纳米线内部热扩散、薄膜 - 衬底界面热弛豫）和外电路电磁暂态过程（电感、电容、串联电阻与动态热斑电阻构成的 RLC 回路）。过往大量研究集中在纳米线几何尺寸、薄膜热导率、衬底换热、偏置电流等内部参数的优化；而读出回路中的串联电阻 \(R_s\)，作为电路端可控参数，对热斑焦耳产热、电流重分布、脉冲沿特性的调控作用，还需要定量的仿真分析。
在 SNSPD 标准读出架构中，超导纳米线与馈线电感 \(L_k\)、隔直电容 \(C_{bt}\)、50 Ω 特征阻抗传输线串联，封装、引线、焊盘都会引入寄生串联电阻 \(R_s\)。该电阻会和热斑动态电阻分压，改变回路电流衰减速率，同时改变热斑上的焦耳功率输入，形成 “电路暂态 — 热斑温度 — 动态电阻” 的双向耦合。简单来说：\(R_s\) 越大，回路等效阻尼越强，电流下降速度越快，热斑持续获得的焦耳热越少，热斑冷却恢复速度可能加快；但过大的串联电阻也会造成信号幅值衰减、信噪比下降，存在一个权衡区间。
本文搭建一维有限差分仿真模型，耦合热传导方程与电路状态方程，对三种典型串联电阻工况开展对比仿真，输出温度时空云图、归一化脉冲波形、热斑电阻时序曲线，定量提取脉冲下降沿时间常数，分析串联电阻对 SNSPD 热恢复动力学的影响规律。
二、SNSPD 耦合仿真模型原理
三、仿真结果与分析
仿真完成后，同步输出三类数据：纳米线上温度时空分布矩阵、回路电流时序、热斑动态电阻时序，分别绘制温度云图、归一化读出脉冲、电阻演化曲线，对比三组串联电阻的动力学差异。
3.1 热斑温度时空演化云图
温度云图横轴为时间（单位 ns），纵轴为纳米线轴向位置（单位\(\mu\text{m}\)），颜色代表局域温度，直观展示热斑从形成、向外扩散、冷却消失的全过程。
当 \(R_s=0\ \Omega\) 时，串联寄生电阻为 0，回路阻尼最弱。热斑产生之后，回路电流衰减更慢，持续向热斑注入焦耳热，热斑维持高温的时间更长，热斑在空间上的展宽更加明显，热恢复过程更慢。在云图上可以看到高温区域持续时间更长，冷却回落的速度偏慢。
当引入 \(R_s=150\ \Omega\)，串联电阻增大，回路阻尼提升。光子触发热斑之后，电流快速跌落，焦耳热输入被快速切断，热斑失去持续的电热补给，主要依靠向衬底散热降温，热斑的持续时间显著缩短，高温区域的时间宽度明显压缩，热恢复速度大幅提升。
进一步提升到 \(R_s=350\ \Omega\)，串联电阻进一步增大，电流下降速度进一步加快，热斑的持续时间进一步被压缩；但同时，串联电阻会和热斑电阻分压，能够到达读出端的信号幅值会出现衰减，这是高速响应需要付出的代价。
从物理图像上可以总结：串联电阻相当于电路上的 “阻尼调节器”，它不直接改变薄膜本身的热导率、界面换热等材料本征参数，而是通过快速抑制回路电流、切断焦耳热补给，加速热斑的冷却，缩短探测器恢复时间。
3.2 归一化读出脉冲波形与下降沿时间常数
读出电压脉冲是 SNSPD 最核心的可观测信号。本文将脉冲做归一化处理： \(V_{\text{norm}}(t)=\frac{I_{\text{bias}}-I(t)}{I_{\text{bias}}-I_{\text{min}}}\) 归一化后脉冲峰值为 1，方便直接对比不同工况下脉冲沿的快慢。我们采用指数衰减函数对脉冲下降沿进行拟合： \(y = A\cdot e^{-(t-t_0)/\tau}\) 其中 \(\tau\) 就是下降沿时间常数，是表征探测器速度的关键指标。
仿真结果显示：
\(R_s=0\ \Omega\)：脉冲下降沿缓慢，拟合得到的恢复时间常数最大；
\(R_s=150\ \Omega\)：下降沿明显变陡，时间常数显著降低，器件响应速度大幅提升；
\(R_s=350\ \Omega\)：下降沿进一步变快，但信号的有效幅值被串联电阻分压损耗。
这里存在一个工程权衡：想要提升 SNSPD 最大计数率，需要更大的串联电阻加速恢复；但串联电阻不能无限制增大，否则读出信号信噪比劣化、脉冲幅度太低，后端放大器难以识别单光子信号。这也是高速 SNSPD 读出电路设计时必须权衡的核心矛盾。
很多文献中单纯依靠电感 \(L_k\) 调控恢复时间，而本仿真说明：串联寄生电阻是另一个独立的调控自由度，在封装、引线设计中可以有意识地利用或者抑制这个效应。
3.3 热斑动态电阻时序演化
热斑电阻是连接热学和电学的中间物理量：温度越高，超导被破坏的区域越大，热斑总电阻越高；随着温度冷却，电阻逐步回落至接近 0 的超导态。
从电阻时序曲线可以看到：光子触发之后，热斑电阻迅速抬升，达到峰值；随后随着散热、电流衰减，电阻缓慢回落。
\(R_s=0\ \Omega\)：电阻峰值维持时间很长，回落缓慢；
\(R_s=150\ \Omega、350\ \Omega\)：电阻到达峰值之后快速回落，电阻高阻态持续时间变短。
该曲线直接印证前面的热学结论：高串联电阻下，热斑无法长时间维持高阻态，超导序参量恢复更快。
四、讨论与工程启示
从这套电 - 热耦合仿真结果，我们可以提炼几条面向 SNSPD 器件与读出电路设计的结论：
- 串联电阻是调控 SNSPD 恢复动力学的有效自由度
。它不改变薄膜材料物性，通过电路阻尼改变焦耳热供给，是一种简单、低成本的速度调控手段；
- 存在最优串联电阻区间
。过小的串联电阻，恢复时间长、最大计数率低；过大的串联电阻造成信号衰减、信噪比下降；对于 NbTiN SNSPD，100~200 Ω 量级的串联电阻是兼顾速度与信号幅值的优选区间；
- 封装引线寄生电阻不可忽视
。很多实验中观测到同一批次 SNSPD 芯片，不同封装之后恢复时间差异很大，其中一个重要来源就是引线、焊盘带来的寄生串联电阻；在器件标定、对比实验时，必须记录回路总串联电阻；
该仿真模型可以进一步拓展：引入光子时序、多光子触发、脉冲堆叠，用来研究高计数率下的饱和效应；也可以替换不同超导薄膜（NbN、WSi）的物性函数，适配不同材料体系的 SNSPD 仿真。
本模型的局限：模型是一维模型，忽略热斑横向扩散、电流在纳米线宽度方向的分布；物性参数采用经验解析模型，没有第一性原理输入；同时没有考虑放大器噪声、传输线反射等射频后端效应。后续可以在本框架基础上继续完善。
五、总结
本文基于 Crank-Nicolson 隐式差分格式，搭建 SNSPD 一维热传导 + RLC 读出回路耦合仿真模型，在 MATLAB 中完成多工况对比，研究串联电阻 \(R_s\) 对 SNSPD 热斑演化、脉冲波形、热斑电阻恢复动力学的影响。
仿真结果证明：串联电阻通过改变回路阻尼，加速偏置电流跌落，切断热斑焦耳热输入，显著缩短热斑冷却恢复时间，加快脉冲下降沿；但串联电阻增大会带来信号分压衰减。该规律解释了寄生电阻对 SNSPD 响应速度的调制机制，为高速 SNSPD 读出电路设计、封装工艺优化、计数率提升提供数值仿真支撑。
在后续的实验工作中，可以通过外接可调串联电阻，对照本仿真的预测结果开展实验标定，验证模型的可靠性，进一步指导高速单光子探测系统的工程实现。
本文全部仿真代码基于 MATLAB 编写，采用稀疏矩阵求解隐式热方程，可直接修改薄膜参数、几何尺寸、电路参数，用于不同结构 SNSPD 的仿真预测。
⛳️ 运行结果
🔗 参考文献
🍅更多免费数学建模和仿真教程关注领取
🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：
#各类智能优化算法改进及应用
#生产调度 #经济调度 #装配线调度 #充电优化 #车间调度 #发车优化 #水库调度 #三维装箱 #物流选址 #货位优化 #公交排班优化 #充电桩布局优化 #车间布局优化 #集装箱船配载优化 #水泵组合优化 #解医疗资源分配优化 #设施布局优化 #可视域基站和无人机选址优化 #背包问题 #风电场布局 #时隙分配优化 #最佳分布式发电单元分配 #多阶段管道维修 #工厂-中心-需求点三级选址问题 #应急生活物质配送中心选址 #基站选址 #道路灯柱布置 #枢纽节点部署 #输电线路台风监测装置 #集装箱调度 #机组优化 #投资优化组合 #云服务器组合优化 #天线线性阵列分布优化 #CVRP问题 #VRPPD问题 #多中心VRP问题 #多层网络的VRP问题 #多中心多车型的VRP问题 # 动态VRP问题 #双层车辆路径规划（2E-VRP） #充电车辆路径规划（EVRP） #油电混合车辆路径规划 #混合流水车间问题 #订单拆分调度问题 #公交车的调度排班优化问题 #航班摆渡车辆调度问题 #选址路径规划问题 #港口调度 #港口岸桥调度 #停机位分配 #机场航班调度 #泄漏源定位 #冷链 #时间窗 #多车场等 #选址优化 #港口岸桥调度优化 #交通阻抗 #重分配 #停机位分配 #机场航班调度 #通信上传下载分配优化
#机器学习和深度学习时序 #回归 #分类 #聚类和降维
#bp时序 #回归预测和分类
#ENS声神经网络时序 #回归预测和分类
#SVM#CNN-SVM#LSSVM#RVM支持向量机系列时序
#CNN#TCN#GCN卷积神经网络系列时序
#ELM#KELM#RELM#DELM极限学习机系列时序
#GRU#Bi-GRU#CNN-GRU#CNN-BiGRU门控神经网络时序
#ELMAN递归神经网络时序
#LSTM#BiLSTM#CNN-LSTM#CNN-BiLSTM/长短记忆神经网络系列时序
#RBF径向基神经网络时序
