纳米线传感器来了,传感芯片还会远吗

640?wx_fmt=jpeg

来源:科学网


640?wx_fmt=jpeg640?wx_fmt=jpeg

“无旁路电路”纳米线桥接生长方案 黄辉供图


640?wx_fmt=jpeg

微型气体检测仪 黄辉供图


人工智能、可穿戴装备、物联网等信息技术迅猛发展,需要海量的传感器提供支持,大数据和云计算等业务也需要各种传感器实时采集数据来支撑。但目前的传感器存在国产化低、产品偏低端、技术创新薄弱、生产工艺落后等问题。


日前,大连理工大学电子科学与技术学院教授黄辉团队发明了无漏电流“纳米线桥接生长技术”,解决了纳米线器件的排列组装、电极接触及材料稳定性问题,研制出高可靠性、低功耗及高灵敏度的GaN纳米线气体传感器,该传感器可推广至生物检测以及应力应变检测等,相关研究成果发表于《纳米快报》。


微纳传感有个“坎”


近年来,半导体集成电路芯片(IC)发展迅猛,推动物联网和人工智能产业兴起。“如果把IC比作人的大脑(处理信息),传感器则相当于人的感知器官(获取信息)”黄辉告诉《中国科学报》,“IC和传感器相互依存。”


然而,传感器、特别是微纳传感器的发展速度,远远滞后于IC的发展水平。黄辉认为,微纳传感器、传感芯片将是继IC产业之后的另一重大产业。


黄辉介绍,目前广泛应用的最小的传感器是MEMS传感器。


MEMS传感器(微机电系统)是采用微电子和微机械加工技术制造出来的新型传感器。其内部结构一般在微米甚至纳米量级,是一个独立的智能系统。与传统的传感器相比,它具有体积小、重量轻、成本低、功耗低、可靠性高、适于批量化生产、易于集成和实现智能化的特点。同时,在微米量级的特征尺寸使得它可以完成某些传统机械传感器所不能实现的功能。


“而与MEMS器件相比,半导体纳米线的尺度缩小了1000倍,面积缩小100万倍。因此,纳米线是最小的器件,也是微纳传感器的理想选择。”黄辉说。


相较于传统体材料和薄膜材料,半导体纳米线具有许多独特优势:大的比表面积可以提高器件的灵敏度,易于形变可以提升材料的集成能力,纳米级的导光和导电通道可以制作单根纳米线光子器件。此外,纳米线优异的机械性能以及灵活多样的结构,使其具有较好的柔韧性,且可形成芯包层和交叉网格结构。


但是,纳米线器件的实用化还面临一系列问题。北京邮电大学电子工程学院教授忻向军向《中国科学报》介绍,纳米线的材料生长和器件制备是分开的,需要进行剥离、转移、排列定位、以及镀膜等步骤,工艺复杂而且会损伤和污染纳米线。


此外,纳米线难于操控,很难对其进行排列定位。“而且纳米线与金属电极的接触面积非常小,因此,电极接触电阻很大,比纳米线自身的电阻高出近两个数量级。” 忻向军说。


纳米线传感器“长”出来了


为解决纳米线排列定位难、电极接触面积小等一系列问题,2004年,惠普公司与加州大学合作发明了一种“纳米线桥接生长技术”。通过在SOI衬底上刻蚀凹槽,纳米线从凹槽一侧开始生长并与另一侧对接,从而可以在凹槽侧边台面上制备金属电极。


黄辉表示,这种通过“生长”使纳米线和侧壁融为一体的方案,避免了在纳米线表面制备金属电极,使电极接触电阻降低了两个数量级、噪声降低了三个数量级。此外,无需排列定位纳米线,简化了制备工艺,消除了纳米线的表面污染和损伤。


然而,惠普公司纳米线桥接生长方案并未获得推广。因该方法纳米线在生长过程中,通常会在凹槽底部沉积一层多晶膜(寄生沉积层),该寄生沉积层会产生较大旁路电流,极大劣化纳米线器件的性能。


为此,黄辉团队首次研究了纳米线桥接生长中的寄生沉积效应,发明了一种桥接生长方法,结合气流遮挡效应与表面钝化效应,解决寄生沉积问题。研究人员采用新的刻槽方案和凹槽结构,避免凹槽底部的材料沉积,实现纳米线的桥接生长。


黄辉告诉记者:“采用GaN缓冲层,通过调节纳米线的生长条件,如气流、催化剂、温度梯度等,可改变纳米线生长位置、方向、直径以及长度,从GaN纳米线、纳米针至微米柱,实现纳米线的可控生长。”


据悉,GaN材料是第三代半导体,具有优异的稳定性和生物兼容性,可耐高温、抗氧化、耐酸碱腐蚀,适用于严酷环境下液体和气体样品的检测。“实验证明氢氟酸环境下腐蚀48小时,未对GaN纳米线电阻产生影响,其应用领域非常广泛。”黄辉说。
在此基础上,团队研制出了集成纳米线气体传感器——GaN纳米线气体传感器。经检测,该传感器可在室温下工作,8个月电阻变化率<0.8%,且NO2检测限为0.5ppb,具有高稳定性、低功耗以及高灵敏度等特点。


忻向军表示,该技术首次实现了“无漏电流”GaN桥接纳米线,研制出的GaN纳米线气体传感器将推动传感芯片的发展。


传感芯片即将到来


微纳传感器属于颠覆性技术,蕴含巨大的创新与市场空间。近年来,微纳传感器已成为政府及社会资金投资的热点领域之一。“微钠传感器与物联网、5G的发展关系密切,在手机、汽车、医疗和消费领域得到广泛应用,它的发展形势一片大好。”忻向军说。


美国密歇根大学电子和计算机工程系系主任表示,以前传感器需要三大组件:电子器件、无线组网系统、无线网络系统。未来,传感器和传感器应用将无处不在,当它们组合成网络后,便可以通过微纳传感器,在很小的环境中达成更好的传感器网络。


“可能仅仅1毫米就可以装载数百万个传感器,这样的设备能够提供非常微型的芯片,能够非常准时、及时、准确地监测数据,这将帮助我们在当前不同的能源系统、电能系统中发挥作用。”Khalil Najaf说。


黄辉表示,团队下一步将着力研制功耗更低、体积更小的GaN纳米线气体传感器,并尝试做成传感芯片。“最理想的情况是与集成电路芯片做在一起,感知、控制、处理信号完美结合,能得到更广泛的应用。”


对此,忻向军指出,传感芯片具有很好的发展前景和巨大潜力,值得研发推广。同时他建议,传感芯片技术一旦成熟,应迅速与行业内专业人士合作推广,抢占先机。


相关论文信息:https://doi.org/10.1021/acs.nanolett.8b0484


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/491704.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

PyTorch框架学习七——自定义transforms方法

PyTorch框架学习七——自定义transforms方法一、自定义transforms注意要素二、自定义transforms步骤三、自定义transforms实例&#xff1a;椒盐噪声虽然前面的笔记介绍了很多PyTorch给出的transforms方法&#xff0c;也非常有用&#xff0c;但是也有可能在具体的问题中需要开发…

美国芯片简史:军方大力扶持下的产物 但一度被日 韩超越

来源&#xff1a;知乎专栏腾讯科技近日发起系列策划&#xff0c;聚焦各个芯片大国的发展历程。第四期&#xff1a;《美国芯片简史》。集成电路是电子信息产业的的基石&#xff0c;电子信息产业对国民经济与社会发展具有重大推动作用。从全球集成电路产业发展历程来看&#xff0…

PyTorch框架学习八——PyTorch数据读取机制(简述)

PyTorch框架学习八——PyTorch数据读取机制&#xff08;简述&#xff09;一、数据二、DataLoader与Dataset1.torch.utils.data.DataLoader2.torch.utils.data.Dataset三、数据读取整体流程琢磨了一段时间&#xff0c;终于对PyTorch的数据读取机制有了一点理解&#xff0c;并自己…

报告 | 2019年全球数字化转型现状研究报告

来源&#xff1a;Prophet2019年&#xff0c;战略数字化转型的重要性已经不止于IT领域&#xff0c;而影响着全公司的竞争力。企业的相关预算直线攀升&#xff0c;利益相关方所关注的颠覆性技术数量急剧增加。数字化项目开始由首席高管主导&#xff0c;并由相互协作的跨职能团队管…

Android调用binder实现权限提升-android学习之旅(81)

当进程A权限较低&#xff0c;而B权限较高时&#xff0c;容易产生提权漏洞 fuzz测试的测试路径 First level Interface是服务 Second level Interface是服务中对应的接口 1.首先获取第一层和第二层接口&#xff0c;及服务以及对应服务提供的接口 2.根据以上信息结合参数类型信息…

PyTorch框架学习九——网络模型的构建

PyTorch框架学习九——网络模型的构建一、概述二、nn.Module三、模型容器Container1.nn.Sequential2.nn.ModuleList3.nn.ModuleDict()4.总结笔记二到八主要介绍与数据有关的内容&#xff0c;这次笔记将开始介绍网络模型有关的内容&#xff0c;首先我们不追求网络内部各层的具体…

中国17种稀土有啥军事用途?没它们,美军技术优势将归零

来源&#xff1a;陶慕剑观察 稀土就是化学元素周期表中镧系元素——镧(La)、铈(Ce)、镨(Pr)、钕(Nd)、钷(Pm)、钐(Sm)、铕(Eu)、钆(Gd)、铽(Tb)、镝(Dy)、钬(Ho)、铒(Er)、铥(Tm)、镱(Yb)、镥(Lu)&#xff0c;再加上钪(Sc)和钇(Y)共17种元素。中国稀土占据着众多的世界第一&…

PyTorch框架学习十——基础网络层(卷积、转置卷积、池化、反池化、线性、激活函数)

PyTorch框架学习十——基础网络层&#xff08;卷积、转置卷积、池化、反池化、线性、激活函数&#xff09;一、卷积层二、转置卷积层三、池化层1.最大池化nn.MaxPool2d2.平均池化nn.AvgPool2d四、反池化层最大值反池化nn.MaxUnpool2d五、线性层六、激活函数层1.nn.Sigmoid2.nn.…

PyTorch框架学习十一——网络层权值初始化

PyTorch框架学习十一——网络层权值初始化一、均匀分布初始化二、正态分布初始化三、常数初始化四、Xavier 均匀分布初始化五、Xavier正态分布初始化六、kaiming均匀分布初始化前面的笔记介绍了网络模型的搭建&#xff0c;这次将介绍网络层权值的初始化&#xff0c;适当的初始化…

W3C 战败:无权再制定 HTML 和 DOM 标准!

来源&#xff1a;CSDN历史性时刻&#xff01;——近日&#xff0c;W3C正式宣告战败&#xff1a;HTML和DOM标准制定权将全权移交给浏览器厂商联盟WHATWG。由苹果、Google、微软和Mozilla四大浏览器厂商组成的WHATWG已经与万维网联盟&#xff08;World Wide Web Consortium&#…

PyTorch框架学习十二——损失函数

PyTorch框架学习十二——损失函数一、损失函数的作用二、18种常见损失函数简述1.L1Loss&#xff08;MAE&#xff09;2.MSELoss3.SmoothL1Loss4.交叉熵CrossEntropyLoss5.NLLLoss6.PoissonNLLLoss7.KLDivLoss8.BCELoss9.BCEWithLogitsLoss10.MarginRankingLoss11.HingeEmbedding…

化合物半导体的机遇

来源&#xff1a;国盛证券半导体材料可分为单质半导体及化合物半导体两类&#xff0c;前者如硅&#xff08;Si&#xff09;、锗(Ge&#xff09;等所形成的半导体&#xff0c;后者为砷化镓&#xff08;GaAs&#xff09;、氮化镓&#xff08;GaN&#xff09;、碳化硅&#xff08;…

PyTorch框架学习十三——优化器

PyTorch框架学习十三——优化器一、优化器二、Optimizer类1.基本属性2.基本方法三、学习率与动量1.学习率learning rate2.动量、冲量Momentum四、十种常见的优化器&#xff08;简单罗列&#xff09;上次笔记简单介绍了一下损失函数的概念以及18种常用的损失函数&#xff0c;这次…

最全芯片产业报告出炉,计算、存储、模拟IC一文扫尽

来源&#xff1a;智东西最近几年&#xff0c; 半导体产业风起云涌。 一方面&#xff0c; 中国半导体异军突起&#xff0c; 另一方面&#xff0c; 全球产业面临超级周期&#xff0c;加上人工智能等新兴应用的崛起&#xff0c;中美科技摩擦频发&#xff0c;全球半导体现状如何&am…

python向CSV文件写内容

f open(r"D:\test.csv", w) f.write(1,2,3\n) f.write(4,5,6\n) f.close() 注意&#xff1a;上面例子中的123456这6个数字会分别写入不同的单元格里&#xff0c;即以逗号作为分隔符将字符串内容分开放到不同单元格 上面例子的图&#xff1a; 如果要把变量的值放入…

PyTorch框架学习十四——学习率调整策略

PyTorch框架学习十四——学习率调整策略一、_LRScheduler类二、六种常见的学习率调整策略1.StepLR2.MultiStepLR3.ExponentialLR4.CosineAnnealingLR5.ReduceLRonPlateau6.LambdaLR在上次笔记优化器的内容中介绍了学习率的概念&#xff0c;但是在整个训练过程中学习率并不是一直…

JavaScript数组常用方法

转载于:https://www.cnblogs.com/kenan9527/p/4926145.html

蕨叶形生物刷新生命史,动物界至少起源于5.7亿年前

来源 &#xff1a;newsweek.com根据发表于《古生物学》期刊&#xff08;Palaeontology&#xff09;的一项研究&#xff0c;动物界可能比科学界所知更加古老。研究人员发现&#xff0c;一种名为“美妙春光虫”&#xff08;Stromatoveris psygmoglena&#xff09;的海洋生物在埃迪…

PyTorch框架学习十五——可视化工具TensorBoard

PyTorch框架学习十五——可视化工具TensorBoard一、TensorBoard简介二、TensorBoard安装及测试三、TensorBoard的使用1.add_scalar()2.add_scalars()3.add_histogram()4.add_image()5.add_graph()之前的笔记介绍了模型训练中的数据、模型、损失函数和优化器&#xff0c;下面将介…

CNN、RNN、DNN的内部网络结构有什么区别?

来源&#xff1a;AI量化百科神经网络技术起源于上世纪五、六十年代&#xff0c;当时叫感知机&#xff08;perceptron&#xff09;&#xff0c;拥有输入层、输出层和一个隐含层。输入的特征向量通过隐含层变换达到输出层&#xff0c;在输出层得到分类结果。早期感知机的推动者是…