En ny metod för sensordesign - Plato AiStream V2.1

Återutgiven av Platon

anhängare: 0

Pawel Malinowski, programchef på imec, satte sig ner med Semiconductor Engineering för att diskutera vad som förändras inom sensorteknologin och varför. Det som följer är utdrag ur den diskussionen.

SE: Vad är nästa steg för sensorteknik?

Malinowski: Vi försöker hitta ett nytt sätt att göra bildsensorer eftersom vi vill komma ur begränsningarna av kiselfotodioder. Kisel är ett perfekt material, speciellt om du vill återskapa mänskligt syn eftersom det är känsligt för ljusets synliga våglängder, vilket innebär att du kan göra vad det mänskliga ögat gör. Och fältet är nu i det skede där det är väldigt moget. Det säljs cirka 6 miljarder bildsensorer per år. Dessa är markerna som hamnar i kamerorna på smartphones, bilar och andra applikationer. De är typiska standardbildsensorer, där du har de kiselbaserade kretsarna eller elektroniken och kiselfotodioden. De gör i princip röd/grön/blå (RGB) reproduktion så att vi kan ha fina bilder. Men om du tittar på andra våglängder — till exempel gå till UV eller till infraröd — har du fenomen eller information som du inte kan få i synligt ljus. Vi tittar särskilt på det infraröda området. Där tar vi upp ett specifikt område, som ligger mellan en mikron och två mikron, som vi kallar kortvågsinfraröd. Med detta sortiment kan du se igenom saker. Du kan till exempel se genom dimma eller rök eller moln. Detta är särskilt intressant för fordonstillämpningar.

SE: Några kommande utmaningar eller nya tillämpningar för denna teknik?

Malinowski: Du kan inte använda kisel för denna våglängd, eftersom det blir transparent. Detta är intressant till exempel för felbesiktning när man tittar på sprickor i kiselsolceller. Du har olika kontraster av vissa material. Material som ser exakt likadana ut i det synliga området kan ha olika reflektionsförmåga i den kortvågiga infraröda, vilket gör att du kan få bättre kontrast, till exempel när du sorterar plast eller när du sorterar mat. Det finns andra applikationer, som visas i figur 1 (nedan). Det är ljusets kraft som kommer från solen genom atmosfären. Det grå är ovanför atmosfären, och det tomma är det som kommer till jorden. Och du ser att det finns några maxima och minima. Minima är relaterade till vattenabsorption i atmosfären. Du kan använda detta minima när du till exempel arbetar med aktiva elimineringssystem, vilket innebär att du sänder ut lite ljus och du kollar vad som studsar tillbaka. Så här fungerar Face ID på iPhone – du avger ljus och kollar vad som kommer tillbaka. De fungerar runt 940 nanometer. Om du gick till längre våglängder - till exempel 1,400 XNUMX - kommer du att ha mycket lägre bakgrund, vilket gör att du kan få mycket bättre kontrast. Om du sedan går till våglängder där det fortfarande är ganska mycket ljus kan du använda det med passiv belysning för att få extra information, som till exempel lågljusavbildning, där du fortfarande har några fotoner.

Fig. 1: Möjligheterna för kortvågig infraröd. Källa: imec

SE: Hur bestämde du det?

Malinowski: Det vi kollade efter är hur man kommer åt dessa våglängder. Kisel är, på grund av dess fysikaliska egenskaper, inte bra för det. Det traditionella sättet är bindning, där du tar ett annat material - till exempel indiumgalliumarsenid eller kvicksilverkadmiumtellurid - och binder det på avläsningskretsen. Detta är etablerad teknik. Det används mycket för försvarstillämpningar, militära och avancerade industriella eller vetenskapliga. Det är dyrt. Sensorer tillverkade med denna teknik kostar vanligtvis några tusen euro på grund av bindningsprocessen och tillverkningskostnaderna. Du kan odla det material du behöver, såsom germanium, men det här är ganska svårt och det finns vissa problem med att få ljudet tillräckligt lågt. Vi följer den tredje vägen, som är att deponera material. I det här fallet använder vi antingen organiskt material eller kvantprickar. Vi tar material som kan absorbera detta kortvågiga infraröda ljus eller nära infrarött ljus och vi deponerar det med standardmetoder, som spinnbeläggning, och vi får väldigt tunna lager. Det är därför vi kallar denna kategori av sensorer för "tunnfilmsfotodetektorsensorer", där materialet är mycket mer absorberande än kisel. Det ser ut som en pannkaka ovanpå avläsningskretsen.

SE: Hur jämför detta med andra material?

Malinowski: Om du jämför det med kiseldioder behöver de mycket större volym och mycket större djup. Och speciellt för dessa längre våglängder blir de bara genomskinliga. Däremot har tunnfilmsfotodetektor (TFPD) bildsensorer en stapel av material, inklusive fotoaktiva material som organiskt kvantprickmaterial, integrerade monolitiskt, vilket betyder att det är ett chip. Det finns ingen bindning ovanpå kislet. Problemet med detta tillvägagångssätt var att när du har en sådan fotodiod integrerad ovanpå den här metallelektroden, är det mycket svårt att få bruset tillräckligt lågt eftersom det finns några inneboende bruskällor som du inte kan bli av med.

Fig. 2: Tunnfilmsfotodetektor. Källa: imec

SE: Hur löste du detta?

Malinowski: Vi följde hur kiselbildsensorer utvecklades i slutet av 1980-talet och på 1990-talet, där de introducerade stiftade fotodioder. Du kopplar bort fotodiodområdet där fotonerna omvandlas, och avläsningen. Istället för att bara ha en kontakt med denna tunnfilmsabsorbator till avläsningen introducerar vi en extra transistor. Detta är TFT:n, som ser till att strukturen är helt utarmad så att vi kan överföra alla laddningar som skapas i denna tunnfilmsabsorbator och överföra dem med denna transistorstruktur till avläsningen. På så sätt begränsar vi bullerkällorna avsevärt.

SE: Varför är brus ett problem för sensordesign?

Malinowski: Det finns olika ljudkällor. Brus kan vara det totala antalet oönskade elektroner, men dessa elektroner kan komma från olika källor eller av olika anledningar. Vissa är relaterade till temperatur, vissa till ojämnhet i chipet, vissa till transistorläckage och så vidare. Med detta tillvägagångssätt arbetar vi med några av de bruskällor som är relaterade till avläsningen. För alla bildsensorer har du brus, men du har olika sätt att hantera bruset. Till exempel hanterar de kiselbaserade sensorerna i iPhone bruskällor med en specifik design av avläsningskretsen, med arkitekturer vars grund går tillbaka till 80- och 90-talen. Detta är lite av vad vi försökte replikera med denna nya kategori av bildsensorer som använder tunna fältfotodetektorer. Det är en tillämpning av gamla designtricks i en ny kategori av sensorer.

SE: Var förväntar du dig att detta kommer att användas? Du nämnde bilindustrin. Skulle det också fungera för medicinsk utrustning?

Malinowski: Den största dragningen för denna teknik kommer från hemelektronik, som smartphones. Om du går till längre våglängder kan du ha lägre kontrast, eftersom det helt enkelt är mindre ljus vid den våglängden, eller så kan du se detta ljus av den färgen i atmosfären. Det är förstärkt syn, vilket innebär att du ser mer än det mänskliga ögat kan se, så det finns ytterligare information om din kamera. Den andra anledningen är att längre våglängder är lättare att passera genom vissa skärmar. Löftet är att om du har den här typen av lösning kan du placera sensorn, som Face ID, bakom den andra skärmen, vilket kan öka visningsytan.

Fig. 3: Förstärkt syn för bättre säkerhet. Källa: imec

Den andra anledningen är att om du går till längre våglängder är ditt öga mycket mindre känsligt - ungefär fem eller sex storleksordningar jämfört med de nära-infraröda våglängderna, vilket innebär att du kan använda mer kraftfulla ljuskällor. Så du kan skjuta ut mer kraft, vilket innebär att du kan ha längre avstånd. För bilar kan du ha extra sikt, särskilt i ogynnsamma väderförhållanden, som sikt genom dimma. För medicinskt kan det hjälpa till att föra fram miniatyriseringen. I vissa tillämpningar, såsom endoskopi, använde den befintliga tekniken andra material och mer komplex integration, och miniatyriseringen är därför ganska svår. Med en quantum dot approach kan du göra väldigt små pixlar, vilket innebär högre upplösning i en kompakt formfaktor. Detta möjliggör ytterligare miniatyrisering med bibehållen hög upplösning. Dessutom, beroende på vilken våglängd vi riktar in oss på, kan vi ha mycket hög kontrast av vatten, vilket är en av anledningarna till att livsmedelsindustrin kan vara intresserad. Du kan bättre upptäcka fukt till exempel i spannmålsprodukter som spannmål.

Fig. 4: Potentiella tillämpningar Källa: imec

SE: Kan den ha militära tillämpningar med den ökade synen i svagt ljus?

Malinowski: Den här typen av sensorer används redan av militären, till exempel för att detektera laseravståndsmätare. Skillnaden är att militären klarar av att betala 20,000 XNUMX euro för en kamera. Inom bilindustrin eller konsumenterna överväger de inte ens denna teknik, just av den anledningen.

SE: Så genombrottet här är att du kan ha något som redan finns, men du kan ha det till konsumentpris?

Malinowski: Exakt. På grund av miniatyriseringen och även hur den monolitiska integrationen gör att du kan uppskala tekniken, kan du få volymer och priser i konsumentskala.

SE: Vilka andra trender ser du inom sensorteknik?

Malinowski: En av de aktuella diskussionspunkterna är just detta — bortom synlig bild. Den befintliga tekniken är redan fantastisk för att ta bilder. Den nya trenden är sensorer som är mer dedikerade till applikationen. Utgången behöver inte vara en vacker bild. Det kan vara specifik information. Med Face ID kan utgången faktiskt vara en eller noll. Antingen är telefonen upplåst eller så är den inte det. Du behöver inte se bilden av ansiktet. Det finns också några intressanta modaliteter på väg, till exempel polariserade bildapparater, som är som polariserande glasögon. De ser bättre för vissa reflektioner. Det finns händelsebaserade bildapparater som bara tittar på scenens förändring - till exempel om du studerar vibrationer i en maskin eller räknar personer som passerar en butik. Om du har ett autonomt körsystem behöver du en varning om att det finns ett kommande hinder och att du bör bromsa. Du behöver ingen vacker bild. Denna trend innebär mycket mer fragmentering, eftersom den är mycket mer applikationsspecifik. Det förändrar hur människor designar bildsensorer eftersom de tittar på vad som är tillräckligt bra för en viss applikation snarare än att optimera bildkvaliteten. Bildkvalitet är alltid viktigt, men ibland behöver du något enkelt som bara gör jobbet.

SE: Är det viktigt att veta om det är en människa eller ett träd, eller räcker det bara att veta att du behöver bromsa nu?

Malinowski: Inom fordonsindustrin pågår fortfarande en debatt. Vissa människor vill klassificera alla föremål. De vill veta om det är ett barn, en cyklist eller ett träd. Vissa säger: ’Jag behöver bara veta om det är i vägen, för jag måste utlösa bromsarna.’ Så det finns inte ett svar.