综述:迈向智能气体传感:基于神经网络的场效应晶体管传感器,用于下一代传感系统

《Materials Today Physics》:Toward intelligent gas sensing: Neural?network?enabled FET sensors for next?generation sensing systems

【字体: 大 中 小 】 时间:2026年04月17日 来源:Materials Today Physics 9.7

编辑推荐:

  场效应晶体管气体传感器及其材料优化与神经网络融合应用研究,探讨MOSFET、CNT-FET、OFET和GFET等材料在气体检测中的特性,分析人工神经网络(ANN/RNN/DNN/SNN)提升检测准确率、灵敏度及环境适应性的机制,并展望物联网和便携式应用前景及挑战。

  
Syed Ameer Hamza|Ibtisam Ahmad|Mohsin Ali|Umar Ijaz|Taegi Kim|Hee-Dong Kim
韩国首尔广津区宁东路209号世宗大学半导体系统工程系、电气工程与智能无人机融合工程系,邮编05006

摘要

气体传感技术对于检测危险污染物以及保障公共健康和安全至关重要。已经开发出了多种用于环境监测的传感技术,包括红外传感、电化学传感、光学传感、场效应晶体管传感和金属氧化物半导体传感。其中,基于场效应晶体管的气体传感器因其低功耗、紧凑的尺寸和高灵敏度而脱颖而出,非常适合工业和环境应用。本文综述了基于场效应晶体管的气体传感器的基本原理,以及多种传感材料(如金属氧化物半导体场效应晶体管、碳纳米管场效应晶体管、有机场效应晶体管和石墨烯场效应晶体管)在提升传感器性能中的作用。近年来,神经网络的进步通过高效的数据处理、模式识别和自适应学习增强了气体传感能力。这些网络能够分析复杂的传感器数据,从而提高检测精度和决策能力。本文主要探讨了神经网络(包括人工神经网络、深度神经网络、循环神经网络和脉冲神经网络)与基于场效应晶体管的气体传感器的集成,这种集成显著提升了检测精度、灵敏度和适应性,超越了传统算法的性能。最后,本文概述了基于场效应晶体管的气体传感器的研究方向,强调了提高灵敏度、选择性和实际应用适用性的策略。

引言

随着工业安全、环境监测和医疗诊断中对智能气体监测需求的增加,小型化、高灵敏度和高精度的气体传感器系统得到了快速发展[1,2]。已经开发出了多种类型的气体传感器,如非分散红外(NDIR)传感器、基于忆阻器的传感器、电子鼻传感器、基于场效应晶体管(FET)的传感器、电阻式传感器、光学传感器和电化学传感器[3],[4],[5],[6],[7],[8]。在这些技术中,基于FET的气体传感器因其低能耗、快速响应和与互补金属氧化物半导体(CMOS)技术的兼容性而受到广泛关注[9],[10],[11]。FET气体传感器的设计使得传感材料同时充当栅极和通道组件。当暴露于待检测气体时,这些传感器的阈值电压(VT)或漏电流(ID)会发生变化,从而反映出气体的存在和浓度。FET气体传感器的一个关键优势在于其与CMOS技术的兼容性,这使得信号处理和环境补偿电路可以无缝集成,能够适应湿度、温度等外部因素的变化[12]。这种集成使得在单个芯片上实现紧凑型、高精度的气体传感平台成为可能。此外,利用标准的CMOS制造工艺可以低成本地大规模生产这些传感器,使其非常适合大规模和实际应用[3]。FET传感器通过将气体-表面相互作用直接转换为电信号,为集成到便携式设备和物联网(IoT)设备中提供了有前景的平台。最近的研究表明,电场辅助调制可以有效提升FET气体传感器在室温下的性能。这些方法减少了对外部热辅助或光学辅助的依赖,提高了紧凑型、集成化和便携式传感平台的可行性[13]。然而,尽管FET型气体传感器因其紧凑的尺寸、低功耗和与CMOS的兼容性而得到广泛应用,但仍存在一些限制,这些限制影响了其在实际应用中的广泛采用。这些问题包括传感性能的不稳定性、不同传感器之间的差异以及具有较大表面积与体积比的纳米材料的不稳定性[14],这些都影响了气体检测系统的可靠性、可重复性和选择性[15]。此外,环境干扰(如湿度)和非目标气体的交叉敏感性使得仅使用FET难以准确量化气体浓度[16]。为了解决这些问题,越来越多地将基于神经网络的方法(特别是深度神经网络(DNN)、人工神经网络(ANN)、循环神经网络(RNN)和脉冲神经网络(SNN)与FET气体传感器集成。这些模型在特征提取、模式识别和时间数据分析方面具有强大能力,即使在波动或瞬态条件下也能对气体类型进行分类和浓度预测。特别是RNN非常适合处理气体传感器生成的时间序列数据,而SNN则提供了节能的、在传感器内部进行的神经形态处理,降低了延迟和功耗需求,使这些设备更适合IoT和便携式应用[17],[18],[19]。本文详细分析了神经网络架构(包括ANN、RNN、SNN、DNN)及其在基于FET的气体传感器中的集成效果。神经网络通过超越传统算法的能力实现了复杂的模式识别,显著提高了检测精度、灵敏度和适应性。此外,本文还强调了各种传感材料(如金属氧化物半导体FET(MOSFET)、碳纳米管FET(CNT-FET)、有机FET(OFET)和石墨烯FET(GFET)在提升传感器性能中的作用。最后,本文概述了推进实用、高性能FET气体传感器所需的关键挑战和未来发展方向。

FET气体传感器的基础原理

FET气体传感器是一种多功能设备,通过改变其对特定化学物质的电学性质来检测气体。这些传感器通过原子层沉积(ALD)、化学气相沉积(CVD)或溶液基等方法将敏感材料集成到半导体通道上制成,从而实现对材料性质的精确控制,并实现大规模生产。

神经网络在FET气体传感中的作用

神经网络作为一种变革性技术,提升了FET气体传感器的性能和能力,解决了历史上一直存在的选择性和灵敏度方面的问题。将神经网络与FET气体传感器集成标志着从传统传感方法向能够进行复杂模式识别、目标气体分类和精确量化的智能系统的转变。

前景与研究方向

未来的系统应能够检测更广泛的目标气体,而不仅仅是氧化性和还原性气体(例如NO2和H2S)。这需要增加传感材料的多样性,并采用具有更高网络复杂性的多通道FET传感器阵列(如LSTM和GRU架构)以实现更好的时间分辨率。结合不同的神经网络范式(例如SNN用于快速响应,DNN用于高精度)与决策级或特征级融合,可能会带来更优的性能。

结论

将神经网络与基于FET的气体传感器集成是一个有前景的方向,有助于实现智能和自适应的气体传感系统。本文研究了多种类型的FET气体传感器(包括MOSFET、CNT-FET、OFET和GFET)在检测不同目标气体方面的作用,以及它们在提高灵敏度和选择性方面的贡献。神经网络模型(如ANN、RNN、DNN和SNN)已被越来越多地用于解决非线性、噪声、交叉敏感性等问题。

作者贡献声明

Syed Ameer Hamza:概念构思、形式分析、研究方法、验证、初稿撰写、审稿与编辑。Ibtisam Ahmad:形式分析、验证、审稿与编辑。Mohsin Ali:研究方法、数据可视化、审稿与编辑。Umar Ijaz:撰写、审稿与编辑。Taegi Kim:撰写、审稿与编辑。Hee-Dong Kim:资金获取、项目管理、资源协调、监督、审稿与编辑。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。

致谢

S. A. H.、I. A.、M. A. 和 U. I. 对本研究做出了同等贡献。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号