Uusi lähestymistapa anturisuunnitteluun

Imecin ohjelmapäällikkö Pawel Malinowski keskusteli Semiconductor Engineeringin kanssa siitä, mikä anturiteknologiassa muuttuu ja miksi. Seuraavassa on otteita tästä keskustelusta.

SE: Mitä anturitekniikalle seuraavaksi?

Malinowski: Yritämme löytää uuden tavan tehdä kuvaantureita, koska haluamme päästä pois rajoituksista piin valodiodit. Pii on täydellinen materiaali, varsinkin jos haluat toistaa ihmisen näön, koska se on herkkä näkyvälle valon aallonpituuksille, mikä tarkoittaa, että voit tehdä sen, mitä ihmissilmä tekee. Ja ala on nyt siinä vaiheessa, että se on hyvin kypsä. Kuvaantureita myydään noin 6 miljardia vuodessa. Nämä ovat siruja, jotka päätyvät älypuhelimien, autojen ja muiden sovellusten kameroihin. Ne ovat tyypillisiä vakiokuvaantureita, joissa on piipohjainen piiri tai elektroniikka ja piivalodiodi. He tekevät pohjimmiltaan punaisen/vihreän/sinisen (RGB) jäljennöksen, jotta voimme saada mukavia kuvia. Mutta jos katsot muita aallonpituuksia – esimerkiksi siirryt UV- tai infrapuna-alueelle – sinulla on ilmiöitä tai tietoja, joita et voi saada näkyvässä valossa. Tarkastelemme erityisesti infrapuna-aluetta. Siellä käsittelemme tiettyä aluetta, joka on yhden mikronin ja kahden mikronin välillä, jota kutsumme lyhytaalto-infrapunaksi. Tällä alueella näet asiat läpi. Voit esimerkiksi nähdä sumun, savun tai pilvien läpi. Tämä on erityisen kiinnostavaa autosovelluksissa.

SE: Onko tälle tekniikalle tulevia haasteita tai uusia sovelluksia?

Malinowski: Et voi käyttää piitä tälle aallonpituudelle, koska se muuttuu läpinäkyväksi. Tämä on mielenkiintoista esimerkiksi vikojen tarkastuksessa, kun tarkastellaan halkeamia piiaurinkokennoissa. Joidenkin materiaalien kontrastit vaihtelevat. Näkyvällä alueella täsmälleen samalta näyttävillä materiaaleilla voi olla erilainen heijastavuus lyhytaaltoisessa infrapunassa, mikä tarkoittaa, että saat paremman kontrastin esimerkiksi muoveja tai ruokaa lajitellessa. On muitakin sovelluksia, kuten kuvassa 1 (alla). Se on valon voima, joka tulee auringosta ilmakehän läpi. Harmaa on ilmakehän yläpuolella, ja tyhjä on se, mikä tulee maan päälle. Ja näet, että on joitain maksimi- ja minimiarvoja. Minimit liittyvät veden imeytymiseen ilmakehässä. Voit käyttää tätä minimiä työskennellessäsi esimerkiksi aktiivisten eliminointijärjestelmien kanssa, mikä tarkoittaa, että säteilet jonkin verran valoa ja tarkistat mitä palaa takaisin. Näin iPhonen Face ID toimii – säteilet valoa ja tarkistat, mitä tulee takaisin. Ne toimivat noin 940 nanometriä. Jos valitsit pidempiä aallonpituuksia - esimerkiksi 1,400 XNUMX - tausta on paljon pienempi, mikä tarkoittaa, että sinulla on paljon parempi kontrasti. Jos sitten siirryt aallonpituuksille, joilla on vielä melko paljon valoa, voit käyttää sitä passiivisen valaistuksen kanssa lisätietojen saamiseksi, kuten hämärässä kuvauksessa, jossa sinulla on vielä jonkin verran fotoneja.

Kuva 1: Lyhyen aallonpituuden infrapunan mahdollisuudet. Lähde: imec

SE: Miten päätit sen?

Malinowski: Tarkistimme, kuinka päästään näihin aallonpituuksiin. Pii ei ole fysikaalisten ominaisuuksiensa vuoksi hyvä siihen. Perinteinen tapa on liimaus, jossa otetaan toinen materiaali - esimerkiksi indiumgalliumarsenidi tai elohopeakadmiumtelluridi - ja liimataan se lukupiiriin. Tämä on vakiintunutta tekniikkaa. Sitä käytetään paljon puolustussovelluksissa, sotilaallisissa ja huippuluokan teollisissa tai tieteellisissä sovelluksissa. Se on kallis. Tällä tekniikalla valmistetut anturit maksavat tyypillisesti muutaman tuhannen euron liimausprosessin ja valmistuskustannusten vuoksi. Voit kasvattaa tarvitsemaasi materiaalia, kuten germaniumia, mutta tämä on melko vaikeaa, ja melun saamisessa riittävän alhaiseksi on joitain ongelmia. Seuraamme kolmatta tapaa, joka on materiaalin tallettaminen. Tässä tapauksessa käytämme joko orgaanisia materiaaleja tai kvanttipisteitä. Otamme materiaalia, joka voi absorboida tätä lyhytaaltoista infrapunavaloa tai lähellä infrapunaa, ja kerrostamme sen standardimenetelmillä, kuten spin coating, ja saamme erittäin ohuita kerroksia. Siksi kutsumme tätä anturiluokkaa "ohutkalvovaloantureiksi", joissa materiaali on paljon enemmän absorboivaa kuin pii. Se näyttää pannukakkulta lukupiirin päällä.

SE: Miten tämä verrattuna muihin materiaaleihin?

Malinowski: Jos vertaat sitä piidiodeihin, ne tarvitsevat paljon suuremman tilavuuden ja paljon suuremman syvyyden. Ja erityisesti näillä pidemmillä aallonpituuksilla ne vain muuttuvat läpinäkyviksi. Sitä vastoin ohutkalvovalotunnistimissa (TFPD) on pino materiaaleja, mukaan lukien fotoaktiiviset materiaalit, kuten orgaaniset kvanttipistemateriaalit, integroituna monoliittisesti, mikä tarkoittaa, että se on yksi siru. Piin päällä ei ole sidosta. Tämän lähestymistavan ongelmana oli, että kun tällainen fotodiodi on integroitu tämän metallielektrodin päälle, on erittäin vaikeaa saada kohina tarpeeksi alhaiseksi, koska on olemassa joitain luontaisia ​​melulähteitä, joista et voi päästä eroon.

Kuva 2: Ohutkalvovaloilmaisin. Lähde: imec

SE: Miten ratkaisit tämän?

Malinowski: Seurasimme piikuvakentureiden kehitystä 1980-luvun lopulla ja 1990-luvulla, jolloin ne esittelivät kiinnitettyjä valodiodeja. Irrotat fotodiodialueen, jossa fotonit muunnetaan, ja lukeman. Sen sijaan, että tämä ohutkalvoabsorberi olisi vain yksi kosketin lukemaan, otamme käyttöön ylimääräisen transistorin. Tämä on TFT, joka huolehtii siitä, että rakenne on täysin tyhjentynyt, jotta voimme siirtää kaikki tässä ohutkalvoabsorberissa syntyvät varaukset ja siirtää ne tällä transistorirakenteella lukemaan. Tällä tavalla rajoitamme merkittävästi melun lähteitä.

SE: Miksi melu on ongelma anturin suunnittelussa?

Malinowski: On olemassa erilaisia ​​melulähteitä. Kohina voi olla ei-toivottujen elektronien kokonaismäärä, mutta nämä elektronit voivat tulla eri lähteistä tai eri syistä. Jotkut liittyvät lämpötilaan, jotkut sirun epäyhtenäisyyteen, jotkut transistorin vuotoon ja niin edelleen. Tällä lähestymistavalla työskentelemme joidenkin lukemiseen liittyvien melulähteiden parissa. Kaikissa kuva-antureissa on kohinaa, mutta sinulla on erilaisia ​​tapoja käsitellä kohinaa. Esimerkiksi iPhonen piipohjaiset anturit käsittelevät melulähteitä, joilla on erityinen lukupiirin suunnittelu ja joiden arkkitehtuurit juontavat juurensa 80- ja 90-luvuille. Tämä on vähän sitä, mitä yritimme toistaa tällä uudella kuvakennokategorialla, joka hyödyntää ohutkenttävalokuvailmaisimia. Se on vanhojen suunnittelutemppujen sovellus uudessa anturikategoriassa.

SE: Missä tätä aiot käyttää? Mainitsit autoteollisuuden. Toimiiko se myös lääketieteellisissä laitteissa?

Malinowski: Tämän tekniikan suurin vetovoima tulee kulutuselektroniikasta, kuten älypuhelimista. Jos käytät pidempiä aallonpituuksia, sinulla voi olla pienempi kontrasti, koska sillä aallonpituudella on yksinkertaisesti vähemmän valoa, tai voit nähdä tämän samanvärisen valon ilmakehässä. Se on lisätty näkö, mikä tarkoittaa, että näkee enemmän kuin ihmissilmä pystyy näkemään, joten kamerallesi on lisätietoa. Toinen syy on se, että pidemmät aallonpituudet on helpompi kulkea joidenkin näyttöjen läpi. Lupaus on, että jos sinulla on tällainen ratkaisu, voit sijoittaa anturin, kuten Face ID:n, toisen näytön taakse, mikä voi kasvattaa näyttöaluetta.

Kuva 3: Lisätty näkyvyys parempaan turvallisuuteen. Lähde: imec

Toinen syy on se, että jos käytät pidempiä aallonpituuksia, silmäsi on paljon vähemmän herkkä - noin viisi tai kuusi suuruusluokkaa verrattuna lähi-infrapuna-aallonpituuksiin, mikä tarkoittaa, että voit käyttää tehokkaampia valonlähteitä. Voit siis ampua enemmän tehoa, mikä tarkoittaa, että sinulla on pidemmät kantamat. Autoilussa sinulla voi olla lisänäkyvyyttä, erityisesti epäsuotuisissa sääolosuhteissa, kuten näkyvyys sumussa. Lääketieteessä se voisi auttaa edistämään pienentämistä. Joissakin sovelluksissa, kuten endoskopiassa, vakiintunut tekniikka käytti muita materiaaleja ja monimutkaisempaa integrointia, joten pienentäminen on melko vaikeaa. Kvanttipistelähestymistavalla voit tehdä hyvin pieniä pikseleitä, mikä tarkoittaa suurempaa resoluutiota pienessä koossa. Tämä mahdollistaa miniatyrisoinnin lisää säilyttäen samalla korkean resoluution. Lisäksi, riippuen siitä, mille aallonpituudelle kohdistamme, meillä voi olla erittäin korkea veden kontrasti, mikä on yksi syy elintarviketeollisuuden kiinnostukseen. Voit havaita paremmin kosteuden esimerkiksi viljatuotteista, kuten viljasta.

Kuva 4: Mahdolliset sovellukset Lähde: imec

SE: Voisiko sillä olla sotilaallisia sovelluksia lisääntyneen hämäränäön myötä?

Malinowski: Tällaisia ​​antureita käytetään jo armeijassa esimerkiksi laseretäisyysmittareiden havaitsemiseen. Erona on se, että armeijalla on hyvä maksaa 20,000 XNUMX euroa kamerasta. Auto- tai kuluttaja-alalla he eivät edes harkitse tätä tekniikkaa, juuri tästä syystä.

SE: Joten läpimurto tässä on se, että sinulla voi olla jotain, joka on jo olemassa, mutta voit saada sen kuluttajahinnoittelulla?

Malinowski: Tarkalleen. Miniatyrisoinnin ja myös sen ansiosta, miten monoliittinen integraatio mahdollistaa teknologian skaalauksen, saat kuluttajan mittakaavan volyymit ja hinnat.

SE: Mitä muita trendejä näet anturitekniikassa?

Malinowski: Yksi tämän hetkisistä keskustelunaiheista on juuri tämä – näkyvän kuvantamisen ulkopuolella. Vakiintunut tekniikka on jo loistava kuvien ottamiseen. Uusi trendi on anturit, jotka on omistettu enemmän sovellukselle. Tulosteen ei tarvitse olla kaunis kuva. Se voi olla tiettyä tietoa. Face ID:llä tulos voi olla yksi tai nolla. Joko puhelin on auki tai ei. Sinun ei tarvitse nähdä kasvokuvaa. Tulevaisuudessa on myös mielenkiintoisia menetelmiä, kuten polarisoidut kuvantimet, jotka ovat kuin polarisoivat lasit. He näkevät paremmin joidenkin heijastusten osalta. On olemassa tapahtumapohjaisia ​​kuvantajia, jotka katsovat vain näkymän muutosta – esimerkiksi jos tutkitaan koneen värähtelyjä tai lasketaan liikkeen ohi kulkevia ihmisiä. Jos sinulla on itseohjautuva ajojärjestelmä, tarvitset varoituksen tulevasta esteestä ja sinun tulee jarruttaa. Et tarvitse kaunista kuvaa. Tämä suuntaus merkitsee paljon enemmän pirstoutumista, koska se on paljon sovelluskohtaisempaa. Se muuttaa tapaa, jolla ihmiset suunnittelevat kuvaantureita, koska he katsovat, mikä on tarpeeksi hyvää tiettyyn sovellukseen sen sijaan, että optimoisivat kuvanlaatua. Kuvan laatu on aina tärkeä, mutta joskus tarvitset jotain yksinkertaista, joka vain tekee työn.

SE: Onko tärkeää tietää, onko kyseessä ihminen vai puu, vai riittääkö se, että tiedät, että sinun on jarrutettava nyt?

Malinowski: Autoteollisuudessa käydään edelleen keskustelua. Jotkut ihmiset haluavat luokitella kaikki objektit. He haluavat tietää, onko se lapsi, pyöräilijä vai puu. Jotkut sanovat: "Minun täytyy vain tietää, onko se tiellä, koska minun täytyy laukaista jarrut." Joten ei ole yhtä vastausta.

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://semiengineering.com/a-new-approach-for-sensor-design/