《Micro and Nanostructures》：Design and simulation of HEMT-based sensor for Heavy Metal Ion detection with selectivity enhancement using ensemble methods
编辑推荐：
基于AlGaN/GaN HEMT的水中重金属离子检测与机器学习优化研究
Mirunalini Aravindan | C. Periasamy | Ramanand A.C. | Muneeswaran Packiaraj | S. Raghavan | Preeth R.
电子与通信工程系，卡利卡特国立技术学院，卡利卡特，673601，喀拉拉邦，印度
摘要
本文介绍了基于AlGaN/GaN的高电子迁移率晶体管（HEMT）的设计与优化，该晶体管采用Al?O?功能化层用于检测水中的重金属离子（HMIs）。通过Silvaco TCAD仿真优化了HEMT结构，并测试了其对不同浓度汞（Hg2?）和铅（Pb2?）离子的响应。仿真结果表明，经过Al?O?功能化的HEMT结构对Hg2?和Pb2?离子的灵敏度分别为0.48 mV/(mg/mL)和0.452 mV/(mg/mL)。然而，该传感器对这两种离子的选择性较差，这给准确区分不同重金属离子带来了挑战。为了解决这一问题，采用了基于机器学习的方法，利用阈值电压（Vth）和饱和电流（IDSS）等关键电学特性来提高离子区分度和选择性。所提出的机器学习方法为同时检测和定量共存金属离子提供了一种通用策略。仿真研究还表明，这种基于Al?O?功能化的AlGaN/GaN HEMT传感器在水环境中具有检测汞和铅离子的潜力。
引言
水是最重要的自然资源之一，因此水质的测量至关重要。水中含有许多杂质，其中重金属的检测尤为重要[1]。水中的常见重金属污染物包括：镉（Cd）、铬（Cr）、铅（Pb）、汞（Hg）、银（Ag）、砷（As）、钡（Ba）、铊（Tl）和硒（Se）。尽管重金属离子（HMIs）对人类是必需的，但其浓度升高会带来严重的健康危害。世界卫生组织（WHO）已经规定了水中HMIs的最大允许限值[2]。如果污染物含量超过规定标准，水就被视为受污染的水。污染物的来源多种多样，如工业废水、农业、油漆、电镀、化肥、化妆品等。因此，在当今世界，水质测量和HMIs检测变得十分重要。目前有多种水质检测方法，如原子吸收光谱法、电感耦合等离子体质谱法（ICPMS）、X射线荧光法（XRF）、量热分析法、电化学分析法、荧光光谱法、离子敏电极（ISE）[3]。这些方法用于检测水中的金属、有机和无机成分。然而，这些方法成本较高，需要配备熟练操作员的复杂仪器设备，因此不适合用于饮用水的检测[3],[4]。
近年来，离子敏电极（ISE）的发展提高了灵敏度和选择性，简化了检测过程并降低了制造难度。尽管如此，额外的参比电极和稳定性问题限制了ISE的应用。现有的参比电极体积较大、重量较重且价格昂贵，不适用于低浓度检测[5]。为克服这些缺点，开发了基于硅的传感器，因为它们体积更小、使用更方便且成本更低。然而，基于硅的传感器耐温性有限，在电解质溶液中容易发生表面降解，不适合生物传感应用[6]。
需要一种化学稳定性好、工作温度范围广、灵敏度和选择性高的设备。基于高电子迁移率晶体管（HEMT）的设备可以满足这一需求。由于异质结界面形成了二维电子气（2DEG），HEMT设备具有显著的优势，表现为高电子迁移率和低噪声操作，从而具有很高的灵敏度和响应性[7]。最近，HEMT传感器在生物传感[8]、pH值检测[9]、DNA检测[10]、气体检测[11]、生物分子检测[10]、生物医学应用[12]等领域得到了广泛应用[13],[14]。通过适当的功能化层，HEMT结构可以用于检测水中的多种重金属离子[15],[16],[17]。实验研究表明，设计了带有蜿蜒栅极的GaN HEMT设备，用于检测汞、铜、锌和铅等离子，灵敏度分别为31 mV/decade、38 mV/decade和24 mV/decade[18]。仿真研究还报道了一种双段AlGaN/GaN HEMT用于汞离子检测，其漏极电流灵敏度为15.24 mA[19]。然而，关于同时检测水中多种重金属离子的报道较少[18]。在实际应用中，水样通常含有不同浓度的多种重金属离子，因此需要考虑混合离子样本。本研究重点探讨了含不同比例汞和铅离子的混合样本中AlGaN/GaN HEMT的灵敏度和选择性。
在本研究中，使用Silvaco TCAD仿真了带有Al?O?功能化层的AlGaN/GaN HEMT传感器，用于检测汞和铅离子[20]。选择AlGaN/GaN设备进行传感应用，是因为其化学和热稳定性更好。与硅相比，GaN的带隙更宽，允许的工作温度范围高达600°C。通过阈值电压和饱和电流等电学特性表征了该传感器的灵敏度。该传感器在50 mg/mL至500 mg/mL的铅和汞污染物浓度范围内进行了测试。尽管对汞和铅离子具有较高的灵敏度，但所设计的HEMT传感器在这两种离子之间的选择性较差。由于汞和铅的摩尔质量几乎相同，导致它们的电学性质相似，难以可靠地区分[3]。最近，人们探索了将HEMT结构与AI/ML模型集成以提升性能[21],[22]。准确且同时检测水中的多种重金属离子对于理解它们的复杂环境行为和毒性机制、维持水质以及应对环境紧急情况至关重要。所提出的机器学习方法为同时检测和定量共存金属离子提供了一种通用策略，可实现现场高效的水质监测应用。据我们所知，这是首次成功利用Silvaco建模生成的高维设备数据进行机器学习驱动解码，以实现多种金属离子的同时检测。通过利用机器学习算法分析阈值电压变化和饱和电流等参数，可以更准确地分类和量化汞和铅离子。这种AI/ML与半导体传感器的集成代表了向开发高选择性、低成本、便携式水质监测解决方案迈出的重要一步。
本工作的关键成果包括使用Silvaco TCAD仿真基于AlGaN/GaN的HEMT传感器用于重金属离子检测，以及应用机器学习技术提高选择性。这种基于仿真的方法有助于更深入地理解传感器响应及其特性，并在制造前对设备参数进行定量分析和优化。
仿真框架
仿真原理
HEMT传感器通过在栅极终端引入功能化层来实现对特定金属离子的敏感性。该功能化层具有结合位点，目标分子/离子在此处相互作用并改变表面电位，如图1(b)所示。表面电位的变化会影响2DEG通道中的漏极电流，从而判断样品中是否存在目标离子。本研究重点关注汞（Hg2?）的检测。
HEMT传感器性能分析
所提出的传感器已针对不同浓度的汞（Hg2?）和铅（Pb2?）离子进行了测试。图中展示了不同浓度下界面处的电荷密度以及相应的漏极电流变化（见图8、图9）。从图8和图9可以看出，在固定的栅极-源极和漏极-源极电压下，IDSS随HMIs浓度的增加而增加。不同汞和铅浓度下阈值电压和饱和电流的变化也有所体现。
结论与未来展望
本研究成功设计了基于AlGaN/GaN的高电子迁移率晶体管（HEMT），采用Al?O?功能化层用于检测水中的汞和铅离子，并通过Silvaco TCAD进行了优化。仿真结果表明，优化后的HEMT结构对汞（Hg2?）和铅（Pb2?）离子的灵敏度分别为0.48 mV/(mg/mL)和0.452 mV/(mg/mL)。然而，该传感器对这两种离子的选择性仍有待提高。
CRediT作者贡献声明
Mirunalini Aravindan：撰写原始草稿、方法论研究、数据分析。
C. Periasamy：审稿与编辑、验证、监督、研究。
Ramanand A.C.：数据分析、数据管理。
Muneeswaran Packiaraj：数据可视化、软件开发、数据分析。
S. Raghavan：数据可视化、软件开发。
Preeth R.：验证、软件开发。
利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。
