实时计算响应度、NEP、比探测率D*、SNR、散粒噪声和热噪声，可视化噪声成分分布和SNR与光功率特性曲线。
响应度：
$$R = \frac{\eta e}{h\nu}= \frac{\eta e \lambda}{hc}\quad \text{[A/W]}$$散粒噪声：
$$i^2_{shot}= 2e(I_{photo}+ I_d)\cdot B$$约翰逊热噪声：
$$i^2_{thermal}= \frac{4k_B T B}{R_L}$$SNR：
$$\mathrm{SNR}= \frac{(R\cdot P)^2}{i^2_{shot}+i^2_{thermal}}$$比探测率：
$$D^* = \frac{\sqrt{A \cdot B}}{\mathrm{NEP}}\quad \text{[cm}\cdot\sqrt{\text{Hz}}\text{/W]}$$响应度描述了探测器将入射光功率转换为光电流的效率，其核心是光电转换的量子过程。
$$R = \frac{\eta e}{h\nu}= \frac{\eta e \lambda}{hc}\quad \text{[A/W]}$$其中，$\eta$是量子效率（一个光子产生一个电子的概率），$e$是元电荷，$h$是普朗克常数，$\nu$和$\lambda$分别是光的频率和波长，$c$是光速。波长$\lambda$越长，单个光子的能量($h\nu$)越小，因此要产生相同的电流需要更多的光子，这解释了为什么响应度与波长成正比。
散粒噪声是光探测中的基本量子噪声，源于光子到达和电子生成事件的随机性，即使光照恒定也存在。
$$i^2_{shot}= 2e(I_{photo}+ I_d)\cdot B$$其中，$I_{photo}$是光生电流，$I_d$是暗电流（无光照时也存在的电流），$e$是元电荷，$B$是系统电学带宽。噪声电流的均方值与总电流和带宽成正比。降低暗电流是减小散粒噪声、提升灵敏度的关键。
光纤通信与数据中心：在高速光模块中，使用InGaAs PIN或APD探测器将光信号转换为电信号。工程师需要优化响应度和噪声，以确保在接收微弱光信号时仍有足够的信噪比（SNR），实现高速无误码传输。
激光雷达（LiDAR）：用于自动驾驶和地形测绘。系统接收从远处物体反射回来的极其微弱激光脉冲，需要高灵敏度、低噪声的探测器（如硅APD或InGaAs APD），并特别关注其噪声等效功率（NEP），以确定最远的探测距离。
红外热成像与光谱分析：在安防、医疗和科研领域，碲镉汞（MCT）或锑化铟（InSb）探测器被用于探测中远红外光。这些探测器通常需要冷却到低温（如77K）来极大抑制暗电流和热噪声，从而获得极高的比探测率D*，以分辨细微的温度差异或分子吸收谱线。
环境监测与科学探测：例如卫星上的大气成分监测仪或深空探测器的光学传感器。它们探测的光信号极其微弱，且探测器可能在极端温度下工作。设计时需要精密计算散粒噪声、热噪声并优化负载电阻，使信噪比最大化，确保科学数据的可靠性。
开始使用此模拟器时，有几个需要特别注意的要点。首先是“将量子效率η设为100%总是最优”这一误解。确实η越高响应度越高，但实际传感器中η随波长变化显著。例如，硅光电二极管的η在可见光至近红外（~1000nm）范围内较高，但在通信波长1550nm处会急剧下降。在此工具中滑动波长滑块并改变η值，您可以切身感受到这种权衡。
其次是带宽B与噪声的关系。增大带宽（例如从1MHz到10MHz）时，计算上NEP会恶化（数值变大）。这是因为“会拾取更宽频率范围的噪声”，并非传感器本身的性能瞬间变差。处理高速信号必须要有宽带宽，因此“仅看NEP而将带宽设窄就能解决所有问题”的想法是不成立的。
最后是模拟与实测的差距。此工具基于理想模型。实际器件还存在此处未包含的“1/f噪声（闪烁噪声）”、放大器自身引入的噪声、温度引起的暗电流波动等。即使通过工具得知“热噪声占主导”，实际上放大级的噪声成为瓶颈的情况也并不少见。请将模拟结果作为“设计的起点和趋势理解”来运用。