CN115420788A - 用于多种气体识别的碳基薄膜晶体管型传感器阵列及其制备方法 - Google Patents
用于多种气体识别的碳基薄膜晶体管型传感器阵列及其制备方法 Download PDFInfo
- Publication number
- CN115420788A CN115420788A CN202211071534.4A CN202211071534A CN115420788A CN 115420788 A CN115420788 A CN 115420788A CN 202211071534 A CN202211071534 A CN 202211071534A CN 115420788 A CN115420788 A CN 115420788A
- Authority
- CN
- China
- Prior art keywords
- cnt
- thin film
- gas
- sensor array
- layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000010409 thin film Substances 0.000 title claims abstract description 117
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 56
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 50
- 238000002360 preparation method Methods 0.000 title abstract description 6
- 239000007789 gas Substances 0.000 claims abstract description 180
- 230000004044 response Effects 0.000 claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 239000000758 substrate Substances 0.000 claims abstract description 24
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims abstract description 23
- 229910052710 silicon Inorganic materials 0.000 claims abstract description 23
- 239000010703 silicon Substances 0.000 claims abstract description 23
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims abstract description 19
- 239000000463 material Substances 0.000 claims abstract description 18
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims abstract description 11
- 229910000037 hydrogen sulfide Inorganic materials 0.000 claims abstract description 8
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 claims abstract description 6
- 239000002184 metal Substances 0.000 claims description 70
- 229910052751 metal Inorganic materials 0.000 claims description 70
- 238000012549 training Methods 0.000 claims description 18
- 238000000151 deposition Methods 0.000 claims description 15
- 239000003292 glue Substances 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000005566 electron beam evaporation Methods 0.000 claims description 12
- 239000002238 carbon nanotube film Substances 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 8
- 229910004298 SiO 2 Inorganic materials 0.000 claims description 7
- 239000002041 carbon nanotube Substances 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000010894 electron beam technology Methods 0.000 claims 1
- 238000001259 photo etching Methods 0.000 claims 1
- 229910021529 ammonia Inorganic materials 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 abstract description 2
- 238000011896 sensitive detection Methods 0.000 abstract description 2
- 239000010931 gold Substances 0.000 description 23
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 19
- 239000010408 film Substances 0.000 description 12
- 238000012360 testing method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical group O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 9
- 230000008021 deposition Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 238000003491 array Methods 0.000 description 5
- 150000002739 metals Chemical class 0.000 description 5
- 229910021393 carbon nanotube Inorganic materials 0.000 description 4
- 239000002923 metal particle Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000002105 nanoparticle Substances 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 229910052737 gold Inorganic materials 0.000 description 3
- 239000002082 metal nanoparticle Substances 0.000 description 3
- 235000012239 silicon dioxide Nutrition 0.000 description 3
- 239000000377 silicon dioxide Substances 0.000 description 3
- 231100000673 dose–response relationship Toxicity 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000002071 nanotube Substances 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000011056 performance test Methods 0.000 description 2
- 238000000206 photolithography Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010035664 Pneumonia Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000010292 electrical insulation Methods 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 208000032839 leukemia Diseases 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 1
- 229910052763 palladium Inorganic materials 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
- G01N27/403—Cells and electrode assemblies
- G01N27/414—Ion-sensitive or chemical field-effect transistors, i.e. ISFETS or CHEMFETS
- G01N27/4141—Ion-sensitive or chemical field-effect transistors, i.e. ISFETS or CHEMFETS specially adapted for gases
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
- G01N27/403—Cells and electrode assemblies
- G01N27/414—Ion-sensitive or chemical field-effect transistors, i.e. ISFETS or CHEMFETS
- G01N27/4146—Ion-sensitive or chemical field-effect transistors, i.e. ISFETS or CHEMFETS involving nanosized elements, e.g. nanotubes, nanowires
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Nanotechnology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明提供一种用于多种气体识别的碳基薄膜晶体管型传感器阵列及其制备方法，传感器阵列结构包括四个独立的气体检测通道，每个气体检测通道由硅基衬底、介电层、源极电极、漏极电极及沟道有源层构成传感组件。沟道有源层所在的区域的敏感材料层，用于提高沟道有源层CNT的选择性。每个气体检测通道的CNT‑TFT型传感组件通过暴露在目标气体前后，将气体的变化转变为电学信号，对气体进行信息采集和输出电信号。基于四个气体检测通道的响应输出结合线性判别分析算法通过分析信息识别出气体。本发明提出的用多种气体识别的碳基薄膜晶体管型传感器阵列，能实现对氨气、硫化氢和甲醛三种气体的高灵敏检测和准确识别，促进室内多种有害气体的实时在线监测。
Description
技术领域
本发明涉及气体传感器技术领域，尤其是TFT型气体传感器阵列，使用多金属修饰碳纳米管作为沟道的TFT传感器阵列用于多气体识别，提出用于气体识别的使用多金属修饰碳纳米管作为沟道的碳基薄膜晶体管型气体传感器阵列及其制备方法。
背景技术
现代生活和工作空间迫使人类90％的生命都在封闭的室内环境中度过。室内有毒气体(如NH3、HCHO和H2S)极易对人体健康造成不利的影响，如肺炎、白血病等。因此，如何鉴别此类有害气体的种类对医学上追溯诱发疾病的根源具有重要的指导意义。但利用气体传感器实现室内复杂环境下混合气体的检测仍是巨大的挑战，除需考虑气体传感器的灵敏度、选择性和稳定性外，还应考虑功耗、成本和便携性。
目前，基于半导体的电阻式气体传感器因成本低廉、易于制造在商业上得到广泛应用，但该类传感器由于体积大、易对多种气体敏感导致其不利于批量生产且稳定性较差。因此，有必要研制出与集成电路兼容的小型化便携式气体传感器，用来实现对多种气体种类、浓度的同时识别。
现有的解决方案中，通常是依靠几个传感元件组成的传感器阵列来检测复杂环境中的多种有害气体，每个传感元件在不同程度上与气体分子产生特定的相互作用，所有传感元件的组合响应使每种特定测试气体形成独特的反应模式。对于多个元件产生的互异响应数据需要利用模式识别技术进行处理，从而直观区分出气体种类，常用的模式识别方法有判别函数分析、最小偏二乘回归(PLS)和主成分分析(PCA，LDA)。目前，阵列常应用于不同金属纳米粒子修饰的气体传感器。Viktor Bezugly等人利用金纳米粒子功能化纳米管阵列，实现对H2S低至3ppb的检测限。Angjellari等人发现，镍修饰后的SWCNT气体传感器实现NH3的敏感响应，从1.58提高到5.87。这些研究清楚地表明，金属纳米颗粒修饰的气体传感器阵列成功提高了器件的选择性。因此，通过选择不同气体的特征金属来形成传感阵列，在不同程度上提供与气体分子的特定相互作用，最终可实现对混合气体环境中有害气体的种类识别。近年来，场效应晶体管(FET)因其体积小、成本低，可实现气体传感器的高灵敏度和小型化而得到迅速发展。半导体碳纳米管(s-CNTs)具有比表面积大、体积比大、载流子迁移率高等优点常作为FET气体传感器的传输层材料。因此，利用基于s-CNTs的FFT气体传感器可以实现器件的微型化制备和强信号传输。
发明内容
本发明目的在于提供一种用于气体识别的碳基薄膜晶体管型气体传感器阵列及其制备方法，旨在通过多个独立通道的以纳米管作为沟道层的TFT传感器阵列，对多气体进行检测与识别，实现通过单一的TFT传感器阵列组件同时对多种气体的高灵敏检测和准确识别，促进了室内多种有害气体的实时在线监测。
根据本发明目的的第一方面，提出一种用于多种气体识别的碳基薄膜晶体管型传感器阵列，所述碳基薄膜晶体管型传感器阵列包括多个独立的气体检测通道，每个气体检测通道包括一由硅基衬底、介电层、源极电极、漏极电极以及沟道层构成的CNT-FET型传感单元；
多个气体检测通道中的CNT-FET型传感单元的沟道有源层均不相同，并且每一个CNT-FET型传感单元均配置独立的响应信号输出。
作为可选的实施方式，每一个CNT-FET型传感单元配置成包括以下构成：
硅基衬底，限定了第一表面和相对的第二表面；
位于硅基衬底的第一表面的介电层；
位于介电层上方的沟道层；以及
位于沟道层的上方两侧、并间隔开的源极电极以及漏极电极；
其中，每个CNT-FET型传感单元的沟道层均由一种沟道有源层构成，所述沟道有源层选自s-CNT沟道以及不同金属修饰的s-CNT沟道中的一种。
作为可选的实施方式，所述不同金属修饰的s-CNT包括：
s-CNT沟道；以及
沉积在s-CNT沟道的表面的金属薄膜层。
作为可选的实施方式，所述金属薄膜层为Au薄膜、Cu薄膜、Ti薄膜、Ag薄膜、Pt薄膜或者Pd薄膜中的一种。
作为可选的实施方式，所述碳基薄膜晶体管型传感器阵列用于同时检测甲醛、氨气以及硫化氢气体。
根据本发明目的的第二方面，提出一种用于多种气体识别的碳基薄膜晶体管型传感器阵列的制备方法，所述制备方法包括以下步骤：
步骤1、在硅基衬底上沉积一定厚度的SiO2，作为介电层，形成Si/SiO2结构；
步骤2、在介电层的上表面沉积s-CNT薄膜；
步骤3、通过匀胶机对沉积有s-CNT薄膜的Si/SiO2结构表面进行匀胶，利用光刻工艺曝光相应的源漏区域图形，再利用电子束蒸发沉积金属形成源极电极和漏极电极；
步骤4、再次进行匀胶、曝光，对源极电极和漏极电极之间的s-CNT薄膜进行刻蚀，获得s-CNT沟道层；
步骤5、对其中第二个s-CNT沟道层再次进行匀胶、曝光，通过电子束蒸发在该s-CNT沟道层表面沉积一定厚度的第一敏感材料，作为第一金属薄膜层；
步骤6、对其中第三个s-CNT沟道层再次进行匀胶、曝光，通过电子束蒸发在该s-CNT沟道层表面沉积一定厚度的第二敏感材料，作为第二金属薄膜层
步骤7、对其中第四个s-CNT沟道层再次进行匀胶、曝光，通过电子束蒸发在该s-CNT沟道层表面沉积一定厚度的第三敏感材料，作为第三金属薄膜层；
由此，获得四个独立的CNT-FET型传感单元，每个CNT-FET型传感单元均包括硅基衬底、介电层、源极电极、漏极电极以及沟道层构成的CNT-FET型传感单元，其中的沟道层分别为s-CNT沟道层、s-CNT沟道层基础上修饰的第一金属薄膜层、s-CNT沟道层基础上修饰的第二金属薄膜层以及s-CNT沟道层基础上修饰的第三金属薄膜层；
其中，所述每个CNT-FET型传感单元的源极电极、漏极电极以及沟道层均通过金属引线引出。
作为可选的实施方式，所述第一金属薄膜层、第二金属薄膜层以及第三金属薄膜层分别为Au薄膜、Cu薄膜以及Ti薄膜。
根据本发明目的的第三方面，提出一种用于多种气体识别的碳基薄膜晶体管型传感器阵列组件，所述碳基薄膜晶体管型传感器阵列组件包括前述的碳基薄膜晶体管型传感器阵列以及处理单元；
所述碳基薄膜晶体管型传感器阵列的每个气体检测通道的CNT-FET型传感单元的响应输出均被传输至处理单元；
所述处理单元被设置具有至少一个处理器与存储器，所述存储器被设置用于存储来自所述CNT-FET型传感单元的响应数据以及LDA气体识别模型；所述至少一个处理器被设置成在执行所述LDA气体识别模型时，以所述响应数据为输入，并通过所述LDA气体识别模型输出目标气体识别结果。
作为可选的实施方式，所述LDA气体识别模型为根据目标气体的样本数据进行预先训练获得的识别模型。
由以上本发明的技术方案，其显著的有益效果在于：
本发明提出的用于多种气体识别的碳基薄膜晶体管型传感器阵列，解决了单一的s-CNT气体传感器由于自身的交叉敏感而难以实现对多种气体进行准确的识别和检测的问题，通过本发明的传感器阵列与预先训练的LDA识别模型结合，可以实现对多种气体同时在线识别，例如以s-CNT、Au/s-CNT、Cu/s-CNT和Ti/s-CNT四种沟道结构的传感器阵列，可实现对NH3、H2S和HCHO的实时在线选择性气体检测和准确识别。
本发明提出的用于多种气体同时在线识别的碳基薄膜晶体管型传感器阵列，通过气敏材料将气体信号转化为电学响应信号输出，采集并集成各种气体信息源从而生成完整的有效的综合气体信息库，采用以输入数据为矩阵形式的线性判别分析LDA模型作为学习算法，通过对传感器响应的模式识别，实现对在线检测响应数据的分类识别，因此，通过本发明的传感器阵列结合LDA识别模型可将复杂气体信息转化为可视化结果，促进了室内多种有害气体的实时在线监测。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
附图说明
图1是本发明示例性实施例的用于多种气体识别的碳基薄膜晶体管型传感器阵列的示意图。
图2是本发明图1实施例的气体传感器阵列的气体检测通道的示意图。
图3是本发明实施例的批量制备的碳基薄膜晶体管的转移特性曲线图。
图4是本发明实施例的气体传感器阵列的转移特性曲线图。
图5是本发明实施例的气体传感器阵列中Au/Cu/Ti纳米颗粒的负载量与CNT传感性能的关系曲线。
图6a-d、6e-h分别是本发明实施例的气体传感器阵列在不同测试温度下对10ppm目标气体的响应变化图，和气体传感器阵列对7种10ppm还原性气体响应值的对比柱状图。
图7a-c是本发明实施例的气体传感器阵列在其最佳温度下对甲醛、氨气和硫化氢三种室内主要污染物的动态响应图。
图8a-c分别是本发明实施例的气体传感器阵列对三种VOC气体(氨气、硫化氢和甲醛)的浓度-响应曲线、响应值热图以及及不同气体种类的分类图。
图9是本发明实施例的气体传感器阵列的重复性测试图。
图10是本发明实施例的用于LDA模型训练的训练组数据示意。
图11是本发明实施例的用于LDA模型训练的测试组数据示意。
图12是本发明实施例的根据LDA识别模型识别的识别结果的可视化表示示意。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
用于多种气体识别的碳基薄膜晶体管型传感器阵列
结合图1、2所示示例的用于多种气体识别的碳基薄膜晶体管型传感器阵列100，包括多个独立的气体检测通道，每个气体检测通道包括一由硅基衬底1、介电层2、源极电极3、漏极电极4以及沟道层构成的CNT-FET型传感单元200。
多个气体检测通道中的CNT-FET型传感单元的沟道有源层均不相同，并且每一个CNT-FET型传感单元均配置独立的响应信号输出。
作为可选的实施方式，每一个CNT-FET型传感单元配置成包括以下构成：
硅基衬底1，限定了第一表面和相对的第二表面；
位于硅基衬底的第一表面的介电层2；
位于介电层2上方的沟道层；以及
位于沟道层的上方两侧、并间隔开的源极电极3以及漏极电极4；
其中，每个CNT-FET型传感单元的沟道层均由一种沟道有源层构成，所述沟道有源层选自s-CNT沟道以及不同金属修饰的s-CNT沟道中的一种。
结合图1所示，沟道有源层分别为s-CNT沟道层5、s-CNT沟道层基础上修饰的第一金属薄膜层6、s-CNT沟道层基础上修饰的第二金属薄膜层7以及s-CNT沟道层基础上修饰的第三金属薄膜层8。
在本发明的实施例中，第一金属薄膜层、第二金属薄膜层以及第三金属薄膜层分别为Au薄膜、Cu薄膜以及Ti薄膜。
即，金属薄膜层的材料选自用以提高s-CNT沟道的气体选择性的敏感材料：Au薄膜，对于NH3气体具有选择性，用于检测氨气NH3；Cu薄膜，对于H2S气体具有选择性，用于检测硫化氢H2S；Ti薄膜，对于HCHO气体具有选择性，用于检测甲醛气体HCHO。
应当理解，在前述实施例中，s-CNT沟道层基础上修饰的第一金属薄膜层Au，其所形成的沟道层，简称为Au/CNT。
s-CNT沟道层基础上修饰的第二金属薄膜层Cu，所形成的沟道层，简称为Cu/CNT。
s-CNT沟道层基础上修饰的第三金属薄膜层Ti，其所形成的沟道层，简称为Ti/CNT。
结合图1所示，在本发明的实施例中，多个CNT-FET型传感单元200共用同一个硅基衬底1与介电层2。
其中，在硅基衬底1的表面生长一定厚度的二氧化硅介电层，形成Si/SiO2结构，构成整个传感器整理的公共基底。
应当理解，每一种类型的CNT-FET型传感单元200，均对应采用一种沟道有源层，即选自前述的s-CNT沟道以及不同金属修饰的s-CNT沟道中的一种。如附图1所示示例的传感器阵列设计中，包括如前述的四种CNT-FET型传感单元，分别采用s-CNT、Au/CNT、Cu/CNT以及Ti/CNT作为沟道。
在本发明的实施例中，每一种类型的CNT-FET型传感单元200，均可在前述Si/SiO2结构构成的公共基底上顺序、呈周期性地排列多个，以提高检测的成功率和有效响应输出。例如，在图1所示的示例的传感器阵列设计中，每一种类型的CNT-FET型传感单元200均对应排列设计由6个相同的结构，每一个CNT-FET型传感单元200的源极电极、漏极电极以及沟道层均通过金属引线引出，实现电压偏置以及响应信号输出。
本发明的实施例中，如图1、2所示，硅基衬底1可采用电阻率在0.001～0.005Ω·cm的P型硅衬底。硅基衬底1限定了第一表面和相对的第二表面，结合图1所示，为了便于说明，以第一表面作为后续制备的生长表面。
如图1、2所示，介电层2生长在硅基衬底1的第一表面。
作为可选的示例，介电层2采用二氧化硅介电层，其厚度在100～300nm。
由此，二氧化硅介电层一方面作为s-CNT薄膜的沉积基底，另一方面实现s-CNT薄膜与硅基衬底1之间的电性绝缘。
如图1、2所示，源极电极3与漏极电极4位于沟道层远离介电层2的一侧表面。
由此，在沟道层上方的两侧，以间隔开的方式设置有源极电极3以及漏极电极4。源极电极3与漏极电极4相对地设置并隔开布置，位于该二者之间沉积有s-CNT薄膜，经过刻蚀后形成s-CNT沟道。
本发明的实施例中，s-CNT沟道采用网状结构的半导体性碳纳米管，其厚度为1～2nm。
作为可选的示例，沟道宽度为10～30μm，沟道长度为5～100μm。
在图1、2所示的示例中，s-CNT沟道的沟道宽度为20μm，沟道长度为5μm。
作为可选的实施例，源极电极3与漏极电极4的厚度相同。
作为可选的实施例，源极电极与漏极电极均为Au/Pd电极层，其厚度均为20～60nm。
在本发明的实施例中，敏感材料层为采用电子束蒸发技术沉积在s-CNT沟道的表面的金属薄膜层，例如前述的实施例提出的用于同时检测甲醛、氨气以及硫化氢气体的传感器阵列，其对应设计采用的金属薄膜层为用于检测甲醛气体HCHO的Ti薄膜、用于检测氨气NH3的Au薄膜、用于检测硫化氢H2S的Cu薄膜。
在另外的实施例中，金属薄膜层还可以采用气压具有气体选择性的敏感材料，例如Pd、Pt或者Ag等。
作为可选的实施例，本发明的用于多种气体识别的碳基薄膜晶体管型传感器阵列，在具体检测过程中，施加的栅极电压为-60～+40V，栅极电压采用从起点到终点的扫描方式。源漏极电极施加读出电压为-0.1V。
结合图1、2所示，每个气体检测通道的CNT-FET型传感单元200，通过暴露在目标气体环境下，将气体的变化转变为电学信号，对气体进行信息采集。基于四个气体检测通道的CNT-FET型传感单元200的响应输出，通过处理单元进行气体分类识别，输出目标气体识别结果。
在可选的实施例种，输出目标气体识别结果，以可视化的方式表征。
用于多种气体识别的碳基薄膜晶体管型传感器阵列组件
结合本发明的实施例，提出一种用于多种气体识别的碳基薄膜晶体管型传感器阵列组件，其包括本发明的实施例的碳基薄膜晶体管型传感器阵列100，以及与碳基薄膜晶体管型传感器阵列100信号连接并用于对碳基薄膜晶体管型传感器阵列100输出的响应信号进行分类识别的处理单元。
碳基薄膜晶体管型传感器阵列100的每个气体检测通道的CNT-FET型传感单元的响应输出均被传输至处理单元。
在可选的实施例中，处理单元可以被配置成以有利的方式与碳基薄膜晶体管型传感器阵列100进行集成设计，例如以处理芯片(IC)的方式与碳基薄膜晶体管型传感器阵列100集成，实现对碳基薄膜晶体管型传感器阵列100输出响应数据的实时在线处理。
作为可选的实施方式，处理单元被设置具有至少一个处理器与存储器，存储器被设置用于存储来自所述CNT-FET型传感单元的响应数据以及LDA气体识别模型。这样的至少一个处理器被设置成在执行LDA气体识别模型时，以响应数据为输入，并通过LDA气体识别模型输出目标气体识别结果。
其中，LDA气体识别模型为根据目标气体的样本数据进行预先训练获得的识别模型。
下面我们将结合一些示例来描述LDA气体识别模型的训练及其在本发明的实施例中的操作过程，在以下的实施例中，我们以前述实施例制备的用于同时检测甲醛HCHO、氨气NH3以及硫化氢H2S气体的传感器阵列为例进行说明。
LDA气体识别模型的训练过程包括以下步骤：
步骤1、通过传感器阵列采集三种气体H2S、NH3和HCHO的响应电流数据，即可获得传感器阵列对每一种气体的在预定的气体浓度下的响应输出，每一种气体的响应输出均包含对应于s-CNT、Au/CNT、Cu/CNT以及Ti/CNT沟道结构的四个不同的气体检测通道的响应输出，在本发明的实施例中，以1ppm、3ppm、5ppm、8ppm、10ppm为例进行说明，具体响应输出可以以图7a-c为例；
步骤2、将传感阵列收集的气体的响应输出处理成响应值S；
作为示例的转换公式为：
S＝(Igas-Iair)/Iair*100％
其中Igas、Iai分别为传感阵列分别在目标气体和背景气体中的电流值；
步骤3、将响应值数据按照s-CNT、Au/CNT、Cu/CNT以及Ti/CNT沟道结构分别进行分类，并划分为训练组和测试组，如图10和图11所示的示例，训练组用于训练LDA模型，测试组用于测试LDA模型的准确率。
由此，通过训练组数据进行LDA模型的训练，通过训练获得满足预测进度的LDA识别模型。
应当理解，图示所列明的训练组数据和测试组数据，以5组为例进行说明，在另外的实施例中，可基于更多的采样数据，例如更多的浓度条件下的响应数据进行模型的训练。
其中，训练过程可采用现有LDA识别模型的训练过程。
例如，以图10、11为样本数据，LDA识别模型的训练过程包括：计算组间协方差矩阵B；计算组内方差矩阵W4x4；计算矩阵W-1B以及该矩阵的特征向量；矩阵W-1B的特征值排序以及投影降维。通过投影降维，获得可视化的分类结果，如图12所示。
传感器阵列的制备
根据本发明实施例的用于多种气体识别的碳基薄膜晶体管型传感器阵列的制备方法，包括以下步骤：
步骤1、在硅基衬底1上沉积一定厚度的SiO2，作为介电层2，形成Si/SiO2结构；
步骤2、在介电层的上表面沉积s-CNT薄膜；
步骤3、通过匀胶机对沉积有s-CNT薄膜的Si/SiO2结构表面进行匀胶，利用光刻工艺曝光相应的源漏区域图形，再利用电子束蒸发沉积金属形成源极电极3和漏极电极4；
步骤4、再次进行匀胶、曝光，对源极电极和漏极电极之间的s-CNT薄膜进行刻蚀，获得s-CNT沟道层5；
步骤5、对其中第二个s-CNT沟道层再次进行匀胶、曝光，通过电子束蒸发在该s-CNT沟道层表面沉积一定厚度的第一敏感材料，作为第一金属薄膜层6；
步骤6、对其中第三个s-CNT沟道层再次进行匀胶、曝光，通过电子束蒸发在该s-CNT沟道层表面沉积一定厚度的第二敏感材料，作为第二金属薄膜层7；
步骤7、对其中第四个s-CNT沟道层再次进行匀胶、曝光，通过电子束蒸发在该s-CNT沟道层表面沉积一定厚度的第三敏感材料，作为第三金属薄膜层8；
由此，获得四个独立的CNT-FET型传感单元，每个CNT-FET型传感单元均包括硅基衬底、介电层、源极电极、漏极电极以及沟道层构成的CNT-FET型传感单元，其中的沟道层分别为s-CNT沟道层5、s-CNT沟道层基础上修饰的第一金属薄膜层6、s-CNT沟道层基础上修饰的第二金属薄膜层7以及s-CNT沟道层基础上修饰的第三金属薄膜层8；
其中，每个CNT-FET型传感单元的源极电极、漏极电极以及沟道层均通过金属引线引出。
其中，第一金属薄膜层6、第二金属薄膜层7以及第三金属薄膜层8分别为Au薄膜、Cu薄膜以及Ti薄膜。
其中的SiO2介电层的沉积以及s-CNT的沉积，可采用现有的半导体微纳工艺制备。
优选地，s-CNT薄膜，其纯度优选达到99.99％以上的网状结构的半导体性碳纳米管。
在可选的实施例中，源极电极、漏极电极为Pd/Au金属电极，厚度在20～60nm。
传感器阵列电学性能测试
以前述实施例制备的用于多种气体识别的碳基薄膜晶体管型传感器阵列进行电学测试与分析。
图3展示了制作在同一衬底上制备的70个传感器的转移特性曲线图。在保持Vds＝-0.1V的条件下，Vgs从-60V以步进0.5V上升至+40V，并同时测量对应的Ids。
图4展示了传感器阵列的转移特性曲线图。在保持Vds＝-0.1V的条件下，Vgs从-80V以步进0.5V上升至+60V，并同时测量对应的Ids。
结合图3所示，图3中表示的转移特性曲线的高重合度，表明批量化制备的器件的电学参数一致性好，能够为获得具有稳定的气体传感性能提供可靠支撑。从图4中可以看到，Au/Cu/Ti金属纳米粒子沉积后，器件转移特性曲线发生的一定程度的变化，证明了金属颗粒的成功修饰。
传感器阵列气敏性能测试
以前述实施例制备的用于多种气体识别的碳基薄膜晶体管型传感器阵列为基础进行气敏测试与分析。
图5为气体传感器阵列中Au/Cu/Ti纳米颗粒的负载量与CNT传感性能的关系曲线，随着Au/Cu/Ti纳米颗粒添加量的增加(即图5表示的随着金属Au/Cu/Ti沉积厚度的增加而变化)，Au/CNT、Cu/CNT和Ti/CNT对应的气体传感器的响应呈现出逐渐减小的趋势，而基于1nm Au/Cu/Ti修饰的CNT气体传感器分别表现出最高的响应值，这表明1nm金属颗粒修饰的CNT是最佳的掺杂量，可获得预期的最大响应输出。
在本发明的实施例中，在s-CNT沟道表面的沉积的金属厚度除了1nm外，还探索了3nm、5nm、7nm的沉积厚度对s-CNT气敏性能的影响。其中，金属沉积厚度为1nm时，气敏性能最佳。其中，当沉积厚度为1nm和3nm的敏感材料时，其表现为金属颗粒层，我们通常称为不连续的金属薄膜，沉积厚度为5nm和7nm时为金属薄膜，我们通常称为连续的金属薄膜。为了便于说明和统一，我们对在s-CNT沟道表面沉积制备的1nm、3nm、5nm和7nm的金属层统一称为金属薄膜层。
如图6a-d所示，传感器阵列在不同测试温度下对10ppm目标气体的响应变化图可以看出，传感阵列的中CNT气体传感器的最佳响应温度从175℃，Au/CNT、Cu/CNT和Ti/CNT对应的气体传感器的最佳工作温度为150℃。因此，在本发明制备的气体传感器进行在线检测时，可在150℃的温度环境下进行检测。例如，可将传感器组件封装在检测器件中，通过器件内的升温处理并使得环境气体流过传感器阵列表面，实现对环境气体的检测。
如图6e-h所示表示了本发明制备的气体传感器阵列对7种10ppm还原性气体响应值的对比柱状图，通过对比发现，将不同种类的金属颗粒修饰在CNT上会，导致CNT气体传感器的选择性发生不同的变化。结合图7a-c表示了气体传感器阵列在其最佳温度下对甲醛、氨气和硫化氢三种室内主要污染物的动态响应图。
图8a-c分别是气体传感器阵列对三种VOC气体(氨气、硫化氢和甲醛)的浓度-响应曲线、响应值热图以及及不同气体种类的分类图。
图9是气体传感器阵列的重复性测试图，可以看到，传感器阵列具有良好的选择性。
由此可见，基于本发明的示例实施例的用于多种气体识别的碳基薄膜晶体管型传感器阵列，利用不同金属纳米颗粒修饰(Au、Cu和Ti)碳纳米管构建TFT气体传感器阵列，通过LDA算法将互异响应的气敏信号进行数据分析实现对三种目标气体(NH3、H2S和HCHO)的选择性识别，为实现复杂室内气体环境下目标气体的在线快速检测提供了有效的实现途径。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。
Claims (12)
1.一种用于多种气体识别的碳基薄膜晶体管型传感器阵列，其特征在于，所述碳基薄膜晶体管型传感器阵列包括多个独立的气体检测通道，每个气体检测通道包括一由硅基衬底、介电层、源极电极、漏极电极以及沟道层构成的CNT-FET型传感单元；
多个气体检测通道中的CNT-FET型传感单元的沟道有源层均不相同，并且每一个CNT-FET型传感单元均配置独立的响应信号输出；
其中，每一个CNT-FET型传感单元配置成包括以下构成：
硅基衬底，限定了第一表面和相对的第二表面；
位于硅基衬底的第一表面的介电层；
位于介电层上方的沟道层；以及
位于沟道层的上方两侧、并间隔开的源极电极以及漏极电极；
其中，每个CNT-FET型传感单元的沟道层均由一种沟道有源层构成，所述沟道有源层选自s-CNT沟道以及不同金属修饰的s-CNT沟道中的一种。
2.根据权利要求1所述的用于多种气体识别的碳基薄膜晶体管型传感器阵列，其特征在于，所述不同金属修饰的s-CNT包括：
s-CNT沟道；以及
沉积在s-CNT沟道的表面的金属薄膜层。
3.根据权利要求2所述的用于多种气体识别的碳基薄膜晶体管型传感器阵列，其特征在于，所述金属薄膜层选自用以提高s-CNT沟道的气体选择性的敏感材料。
4.根据权利要求2所述的用于多种气体识别的碳基薄膜晶体管型传感器阵列，其特征在于，所述金属薄膜层为Ti薄膜、Au薄膜或者Cu薄膜中的一种。
5.根据权利要求2-4中任意一项所述的用于多种气体识别的碳基薄膜晶体管型传感器阵列，其特征在于，所述金属薄膜层的厚度大于等于1nm。
6.根据权利要求1所述的用于多种气体识别的碳基薄膜晶体管型传感器阵列，其特征在于，所述s-CNT沟道为网状结构的s-CNT沟道结构，其厚度为1～2nm。
7.根据权利要求1所述的用于多种气体识别的碳基薄膜晶体管型传感器阵列，其特征在于，所述源极电极与漏极电极均为Au/Pd电极层，其厚度均为20～60nm。
8.根据权利要求1所述的用于多种气体识别的碳基薄膜晶体管型传感器阵列，其特征在于，所述碳基薄膜晶体管型传感器阵列用于同时检测甲醛、氨气以及硫化氢气体。
9.一种如权利要求1所述的用于多种气体识别的碳基薄膜晶体管型传感器阵列的制备方法，其特征在于，所述制备方法包括以下步骤：
步骤1、在硅基衬底上沉积一定厚度的SiO2，作为介电层，形成Si/SiO2结构；
步骤2、在介电层的上表面沉积s-CNT薄膜；
步骤3、通过匀胶机对沉积有s-CNT薄膜的Si/SiO2结构表面进行匀胶，利用光刻工艺曝光相应的源漏区域图形，再利用电子束蒸发沉积金属形成源极电极和漏极电极；
步骤4、再次进行匀胶、曝光，对源极电极和漏极电极之间的s-CNT薄膜进行刻蚀，获得s-CNT沟道层；
步骤5、对其中第二个s-CNT沟道层再次进行匀胶、曝光，通过电子束蒸发在该s-CNT沟道层表面沉积一定厚度的第一敏感材料，作为第一金属薄膜层；
步骤6、对其中第三个s-CNT沟道层再次进行匀胶、曝光，通过电子束蒸发在该s-CNT沟道层表面沉积一定厚度的第二敏感材料，作为第二金属薄膜层
步骤7、对其中第四个s-CNT沟道层再次进行匀胶、曝光，通过电子束蒸发在该s-CNT沟道层表面沉积一定厚度的第三敏感材料，作为第三金属薄膜层；
由此，获得四个独立的CNT-FET型传感单元，每个CNT-FET型传感单元均包括硅基衬底、介电层、源极电极、漏极电极以及沟道层构成的CNT-FET型传感单元，其中的沟道层分别为s-CNT沟道层、s-CNT沟道层基础上修饰的第一金属薄膜层、s-CNT沟道层基础上修饰的第二金属薄膜层以及s-CNT沟道层基础上修饰的第三金属薄膜层；
其中，所述每个CNT-FET型传感单元的源极电极、漏极电极以及沟道层均通过金属引线引出。
10.根据权利要求9所述的用于多种气体识别的碳基薄膜晶体管型传感器阵列的制备方法，其特征在于，所述第一金属薄膜层、第二金属薄膜层以及第三金属薄膜层分别为Au薄膜、Cu薄膜以及Ti薄膜。
11.一种用于多种气体识别的碳基薄膜晶体管型传感器阵列组件，其特征在于，所述碳基薄膜晶体管型传感器阵列组件包括所述权利要求1-8中任意一项所述的碳基薄膜晶体管型传感器阵列以及处理单元；
所述碳基薄膜晶体管型传感器阵列的每个气体检测通道的CNT-FET型传感单元的响应输出均被传输至处理单元；
所述处理单元被设置具有至少一个处理器与存储器，所述存储器被设置用于存储来自所述CNT-FET型传感单元的响应数据以及LDA气体识别模型；所述至少一个处理器被设置成在执行所述LDA气体识别模型时，以所述响应数据为输入，并通过所述LDA气体识别模型输出目标气体识别结果。
12.根据权利要求11所述的用于多种气体识别的碳基薄膜晶体管型传感器阵列组件，其特征在于，所述LDA气体识别模型为根据目标气体的样本数据进行预先训练获得的识别模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211071534.4A CN115420788A (zh) | 2022-09-01 | 2022-09-01 | 用于多种气体识别的碳基薄膜晶体管型传感器阵列及其制备方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211071534.4A CN115420788A (zh) | 2022-09-01 | 2022-09-01 | 用于多种气体识别的碳基薄膜晶体管型传感器阵列及其制备方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115420788A true CN115420788A (zh) | 2022-12-02 |
Family
ID=84202559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211071534.4A Pending CN115420788A (zh) | 2022-09-01 | 2022-09-01 | 用于多种气体识别的碳基薄膜晶体管型传感器阵列及其制备方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115420788A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115963161A (zh) * | 2023-02-13 | 2023-04-14 | 湘潭大学 | 波浪状传感界面的碳纳米管场效应晶体管生物传感器、制备方法及应用 |
| CN118376657A (zh) * | 2024-06-25 | 2024-07-23 | 苏州烯晶半导体科技有限公司 | 一种监测可溶性气体种类与含量的传感器及方法 |
-
2022
- 2022-09-01 CN CN202211071534.4A patent/CN115420788A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115963161A (zh) * | 2023-02-13 | 2023-04-14 | 湘潭大学 | 波浪状传感界面的碳纳米管场效应晶体管生物传感器、制备方法及应用 |
| CN118376657A (zh) * | 2024-06-25 | 2024-07-23 | 苏州烯晶半导体科技有限公司 | 一种监测可溶性气体种类与含量的传感器及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Khan et al. | Nanowire-based sensor array for detection of cross-sensitive gases using PCA and machine learning algorithms | |
| US7522040B2 (en) | Remotely communicating, battery-powered nanostructure sensor devices | |
| CN115420788A (zh) | 用于多种气体识别的碳基薄膜晶体管型传感器阵列及其制备方法 | |
| Shulaker et al. | Three-dimensional integration of nanotechnologies for computing and data storage on a single chip | |
| US20060263255A1 (en) | Nanoelectronic sensor system and hydrogen-sensitive functionalization | |
| Patil et al. | An ultra-sensitive piezoresistive polymer nano-composite microcantilever sensor electronic nose platform for explosive vapor detection | |
| US20100191474A1 (en) | Electronic nose device with sensors composed of nanowires of columnar discotic liquid crystals with low sensititive to humidity | |
| JP2007505323A (ja) | 二酸化炭素用ナノ電子センサー | |
| CN109298021A (zh) | 用于诊断结核的传感器技术 | |
| CN115096975B (zh) | 具有延栅结构的碳基fet型气体传感器及其制备方法 | |
| CN105474006B (zh) | 场效应晶体管和包括多个场效应晶体管的气体检测器 | |
| Shin et al. | Low-frequency noise in gas sensors: A review | |
| CN110672666A (zh) | 一种电子鼻器件及其制备方法 | |
| WO2002086979A1 (en) | Chemical and biological sensor using organic self-assembled transistors | |
| Hwang et al. | Multiplexed DNA-functionalized graphene sensor with artificial intelligence-based discrimination performance for analyzing chemical vapor compositions | |
| Jiang et al. | A comprehensive review of gallium nitride (GaN)-based gas sensors and their dynamic responses | |
| Sung et al. | Data-centric artificial olfactory system based on the eigengraph | |
| CN113219036A (zh) | 一种基于碳化钛MXene场效应晶体管的银离子传感器及其应用 | |
| CN115266884B (zh) | 碳纳米管晶体管柔性离子传感阵列及其制备方法 | |
| CN218512355U (zh) | 用于多种气体识别的碳基薄膜晶体管型传感器阵列 | |
| Shi et al. | Extended-gate structure for carbon-based field effect transistor type formaldehyde gas sensor | |
| Shi et al. | A strategy for multigas identification using multielectrical parameters extracted from a single carbon-based field-effect transistor sensor | |
| KR20150026151A (ko) | 가스센서 및 그 제조방법 | |
| Riek et al. | Selection of Classifiers to Enhance Efficacy of Metal/Organic Hybrid Sensor Array for VOC and Toxic Gas Identification | |
| Ye et al. | New alternating current noise analytics enables high discrimination in gas sensing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |