CN114300554B - 一种仿生自适应视觉传感器及其制备方法 - Google Patents
一种仿生自适应视觉传感器及其制备方法 Download PDFInfo
- Publication number
- CN114300554B CN114300554B CN202111363650.9A CN202111363650A CN114300554B CN 114300554 B CN114300554 B CN 114300554B CN 202111363650 A CN202111363650 A CN 202111363650A CN 114300554 B CN114300554 B CN 114300554B
- Authority
- CN
- China
- Prior art keywords
- vision sensor
- semiconductor channel
- channel layer
- substrate
- electrode
- 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.)
- Active
Links
- 230000004438 eyesight Effects 0.000 title claims abstract description 41
- 239000011664 nicotinic acid Substances 0.000 title claims abstract description 20
- 238000002360 preparation method Methods 0.000 title abstract description 8
- 239000004065 semiconductor Substances 0.000 claims abstract description 56
- 230000007547 defect Effects 0.000 claims abstract description 33
- 239000000758 substrate Substances 0.000 claims abstract description 31
- 239000000463 material Substances 0.000 claims description 16
- 230000003044 adaptive effect Effects 0.000 claims description 14
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 12
- 230000003592 biomimetic effect Effects 0.000 claims description 9
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 7
- 229910052751 metal Inorganic materials 0.000 claims description 6
- 239000002184 metal Substances 0.000 claims description 6
- 229910044991 metal oxide Inorganic materials 0.000 claims description 6
- 150000004706 metal oxides Chemical class 0.000 claims description 6
- 238000009832 plasma treatment Methods 0.000 claims description 6
- 235000012239 silicon dioxide Nutrition 0.000 claims description 6
- 239000000377 silicon dioxide Substances 0.000 claims description 6
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical group O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 claims description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 3
- 150000004770 chalcogenides Chemical class 0.000 claims description 3
- 229910021389 graphene Inorganic materials 0.000 claims description 3
- 229910000449 hafnium oxide Inorganic materials 0.000 claims description 3
- WIHZLLGSGQNAGK-UHFFFAOYSA-N hafnium(4+);oxygen(2-) Chemical compound [O-2].[O-2].[Hf+4] WIHZLLGSGQNAGK-UHFFFAOYSA-N 0.000 claims description 3
- 150000002739 metals Chemical class 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims 1
- 210000004027 cell Anatomy 0.000 abstract description 12
- 230000006978 adaptation Effects 0.000 abstract description 10
- 230000006870 function Effects 0.000 abstract description 10
- 238000001514 detection method Methods 0.000 abstract description 6
- 230000035945 sensitivity Effects 0.000 abstract description 6
- 210000002287 horizontal cell Anatomy 0.000 abstract description 4
- 210000001525 retina Anatomy 0.000 abstract description 4
- 230000003287 optical effect Effects 0.000 abstract description 3
- 230000003247 decreasing effect Effects 0.000 abstract description 2
- 230000001105 regulatory effect Effects 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 55
- 238000005286 illumination Methods 0.000 description 21
- 230000004300 dark adaptation Effects 0.000 description 9
- 230000007423 decrease Effects 0.000 description 8
- 206010034960 Photophobia Diseases 0.000 description 7
- 208000013469 light sensitivity Diseases 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000011241 protective layer Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- CWQXQMHSOZUFJS-UHFFFAOYSA-N molybdenum disulfide Chemical compound S=[Mo]=S CWQXQMHSOZUFJS-UHFFFAOYSA-N 0.000 description 4
- 229910052982 molybdenum disulfide Inorganic materials 0.000 description 4
- 239000002096 quantum dot Substances 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- 229910052814 silicon oxide Inorganic materials 0.000 description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 238000000231 atomic layer deposition Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008034 disappearance Effects 0.000 description 2
- 238000005566 electron beam evaporation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006386 memory function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000004528 spin coating Methods 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000000233 ultraviolet lithography Methods 0.000 description 2
- 229910018072 Al 2 O 3 Inorganic materials 0.000 description 1
- -1 Au) Chemical class 0.000 description 1
- 206010034972 Photosensitivity reaction Diseases 0.000 description 1
- 206010049155 Visual brightness Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000005229 chemical vapour deposition Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000004301 light adaptation Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 125000002524 organometallic group Chemical group 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000036211 photosensitivity Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229910052594 sapphire Inorganic materials 0.000 description 1
- 239000010980 sapphire Substances 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000004382 visual function Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Thin Film Transistor (AREA)
- Solid State Image Pick-Up Elements (AREA)
Abstract
本发明涉及一种仿生自适应视觉传感器及其制备方法。所述仿生自适应视觉传感器依次包括：衬底、形成于所述衬底上的栅极、形成于所述栅极上和所述栅极未覆盖衬底上的介质层、形成于所述介质层两端的源极和漏极、形成于所述源极和漏极之间的具有缺陷态的半导体沟道层。本发明提供的自适应仿生视觉传感器可以探测光信号，利用栅极电压可调控器件的探测灵敏度，并且器件在不同的栅压下可实现电流逐渐增加或者降低的功能。本发明提供的自适应仿生视觉传感器具有类似人眼视网膜中光感受细胞和水平细胞的功能，可以实现视觉的探测以及光强适应功能。本发明可以广泛应用于人工视觉***领域。
Description
技术领域
本发明涉及光电探测技术领域，尤其涉及一种仿生自适应视觉传感器及其制备方法。
背景技术
机器视觉的发展(例如智能交通、移动医疗、实时视频分析和协同自动驾驶)要求视觉传感器具有超高分辨率、高图像捕捉速度、更稳定以及不同光照条件下的大范围检测。宽范围光照明的精确表示对于正确感知环境是至关重要的，因为自然光的光强具有280dB的范围。它需要能准确捕捉和感知更多阴影和突出细节的光电器件。采用SiCMOS技术的最先进图像传感器的动态范围通常为70dB，比自然场景窄得多。为了适应大光照强度范围下的视觉，研究人员控制光学孔径，采用液体透镜，调整曝光时间，在后处理中采用去噪算法，通常需要复杂的硬件和软件资源。开发具有视觉适应功能、在终端感知范围宽的光电器件，这对于丰富机器视觉功能，降低硬件复杂度，实现高图像识别效率是十分必要的。
发明内容
为了解决现在有技术中存在的问题，本发明提供了一种具有光强适应功能的仿生视觉传感器及其制备方法，实现了光强视觉适应和宽的感知动态范围。
本发明的技术方案如下：
一种仿生自适应视觉传感器，其中，所述仿生自适应视觉传感器依次包括：衬底、形成于所述衬底上的栅极、形成于所述栅极上和所述栅极未覆盖衬底上的介质层、形成于所述介质层两端的源极和漏极、形成于所述源极和漏极之间的具有缺陷态的半导体沟道层。
可选地，所述栅极、源极和漏极的材料独立地选自导电金属、导电金属氧化物或者石墨烯。
可选地，所述介质层的材料为三氧化二铝、二氧化铪或者二氧化硅。
可选地，所述半导体沟道层的材料为过渡族金属硫族化合物、金属氧化物或者黑磷。
可选地，所述具有缺陷态的半导体沟道层的长度为10nm-20μm，宽度为200nm-200μm，厚度为0.6nm-200nm。
可选地，所述缺陷态位于所述半导体沟道层的内部和表面。
可选地，所述缺陷态密度在半导体沟道层的量级为1012cm-2。
一种本发明所述的仿生自适应视觉传感器的制备方法，其中，包括步骤：
提供衬底；
在所述衬底上形成栅极；
在所述栅极上和所述栅极未覆盖衬底上形成介质层；
在所述介质层的两端分别形成源极和漏极；
在所述源极和漏极之间形成具有缺陷态的半导体沟道层。
可选地，所述在所述源极和漏极之间形成具有缺陷态的半导体沟道层的步骤，具体包括：
在所述源极和漏极之间形成半导体沟道层；
采用紫外臭氧处理或等离子体处理所述半导体沟道层，或者在所述半导体沟道层上旋涂钙钛矿量子点，得到所述具有缺陷态的半导体沟道层。
可选地，所述紫外臭氧处理或等离子体处理的时间为5-20s。
相比较于现有仿生自适应视觉传感器，本发明仿生自适应视觉传感器(简称器件)具有以下有益效果：
本发明每个像素只有一个晶体管，具有十分简单结构，在集成度方面具有巨大的优势。
通过调节栅压可以利用同一种器件同时实现暗适应和亮适应。
通过调节栅压，器件可以工作在不同的光照条件下，其感知动态范围优于现有的传统的二极管型图像传感器。
附图说明
图1为本发明的器件结构示意图。
图2(a)为器件在不同光照强度下的转移特性曲线。
图2(b)为器件在不同栅压下的光灵敏度。
图2(c)为在光灵敏度为1的情况下，栅极电压和光照强度之间的关系。
图2(d)为在光灵敏度为1的情况下，阈值电流和光照强度之间的关系。
图3(a)为在负的栅压下，器件电流随着时间逐渐增加。
图3(b)为在正的栅压下，器件电流随着时间逐渐降低。
图3(c)为在不同的栅压下，器件电流的改变比例(CCR)。
图4为器件在不同栅压下的能带结构示意图。
图5为器件在不同光强下的自适应特性。
图6(a)为器件的暗适应复位操作。
图6(b)为器件的亮适应复位操作。
图7为器件的存储功能和复位操作。
图8(a)为在暗光背景下(600nW/cm2)8×8像素阵列识别低强度光照(6μW/cm2)图像的视觉暗适应示意图。
图8(b)为所有器件栅压为-2V的情况下，20个器件在6μW/cm2光照下器件电流随时间的改变。
图8(c)为数字“8”图像在视觉暗适应过程中对比度随时间增强。
图9(a)为在亮光背景下(6mW/cm2)8×8像素阵列识别强光照(60mW/cm2)图像的视觉亮适应示意图。
图9(b)为所有器件栅压为+4V的情况下，44个器件在6mW/cm2光照下器件电流随时间的改变。
图9(c)为数字“8”图像在视觉亮适应过程中对比度随时间增强。
具体实施方式
本发明提供一种仿生自适应视觉传感器及其制备方法，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种仿生自适应视觉传感器，如图1所示，所述仿生自适应视觉传感器依次包括：衬底、形成于所述衬底上的栅极、形成于所述栅极上和所述栅极未覆盖衬底上的介质层、形成于所述介质层两端的源极和漏极、形成于所述源极和漏极之间的具有缺陷态的半导体沟道层。
本实施例提供的具有自适应功能的仿生视觉传感器可以探测光信号，可以利用栅极电压调控器件的探测灵敏度，并且器件在不用的栅压下可实现电流逐渐增加或者降低的功能。本实施例提供的自适应仿生视觉传感器具有类似人眼视网膜中光感受细胞和水平细胞的功能，可以实现视觉的探测以及光强适应功能。本实施例可以广泛应用于人工视觉***领域。
在一种实施方式中，所述仿生自适应视觉传感器还包括：形成于所述具有缺陷态的半导体沟道层上的保护层。
在一种实施方式中，所述保护层的材料为三氧化二铝等，但不限于此。
在一种实施方式中，所述保护层的厚度为5-100nm，如10nm。
在一种实施方式中，所述衬底为硅/二氧化硅衬底、玻璃衬底、蓝宝石衬底或者PET衬底等，但不限于此。
在一种实施方式中，所述栅极、源极和漏极的材料独立地选自导电金属(如Au)、导电金属氧化物或者石墨烯等，但不限于此。
在一种实施方式中，所述栅极的长度为10nm-20μm，厚度为30-100nm。
在一种实施方式中，所述源极和漏极的厚度均为30-100nm。
在一种实施方式中，所述介质层的材料为三氧化二铝、二氧化铪或者二氧化硅等，但不限于此。
在一种实施方式中，所述介质层的厚度为5-100nm。
在一种实施方式中，所述半导体沟道层的材料为过渡族金属硫族化合物、金属氧化物或者黑磷等，但不限于此。进一步地，所述半导体沟道层的材料为MoS2。
在一种实施方式中，所述具有缺陷态的半导体沟道层的长度为10nm-20μm，所述具有缺陷态的半导体沟道层的宽度为200nm-200μm，沟道厚度为0.6nm-100nm。这样的尺寸，可以实现高密度的视觉传感器，有利于产生高分辨率的图像。
在一种实施方式中，所述缺陷态位于所述半导体沟道层的内部和表面。
在一种实施方式中，所述缺陷态密度在半导体沟道层的量级为1012cm-2。
本发明实施例提供一种如上所述的仿生自适应视觉传感器的制备方法，其中，包括步骤：
S1、提供衬底；
S2、在所述衬底上形成栅极；
S3、在所述栅极上和所述栅极未覆盖衬底上形成介质层；
S4、在所述介质层的两端分别形成源极和漏极；
S5、在所述源极和漏极之间形成具有缺陷态的半导体沟道层。
步骤S2中，在一种实施方式中，可以依次采用紫外光刻技术、电子束蒸发和剥离工艺在衬底上制备栅极。
步骤S3中，在一种实施方式中，可以利用原子层沉积技术在所述栅极上和所述栅极未覆盖衬底上制备介质层。
步骤S4中，在一种实施方式中，可以依次采用紫外光刻技术、电子束蒸发和剥离工艺在介质层的两端制备源漏电极。
步骤S5中，在一种实施方式中，所述在所述源极和漏极之间形成具有缺陷态的半导体沟道层的步骤，具体包括：
S51、在所述源极和漏极之间形成半导体沟道层；
S52、采用低功率(10-100W)紫外臭氧处理或等离子体处理所述半导体沟道层，得到所述具有缺陷态的半导体沟道层；采用低功率容易控制产生适合数量的缺陷态。功率太大容易改变沟道材料本身的特性，以及破坏沟道材料。
或者，采用在所述半导体沟道层上旋涂钙钛矿量子点，得到所述具有缺陷态的半导体沟道层。由于钙钛矿量子点具有较大的比表面积，表面具有更多的缺陷态，将钙钛矿量子点旋涂到如二硫化钼半导体沟道层表面之后，这些缺陷态将对二硫化钼沟道产生重要影响，最终影响器件的光电特性，例如增强其光响应度，增加电流改变比例(CCR)和对光强的自适应特性。
在一种实施方式中，步骤S51具体包括：
采用有机金属化学气相沉积方法生长MoS2薄膜；
采用湿法转移技术，将上一步生长的MoS2薄膜转移到源极和漏极之间。
在一种实施方式中，步骤S52包括：采用反应离子刻蚀机CHF3/O2等离子体处理所述半导体沟道层，得到所述具有缺陷态的半导体沟道层。
在一种实施方式中，所述等离子体处理的时间为5-20s。以MoS2半导体沟道层为例，在该时间段内，半导体表面可以产生硫空位从而引入陷阱态，同时不会导致沟道材料被氧化。时间过长沟道会产生氧化物，导致材料导电性能变差。
在一种实施方式中，所述紫外臭氧(UVO)处理的时间为5-20s。以MoS2半导体沟道层为例，在该时间段内，半导体表面可以产生硫空位从而引入陷阱态，同时不会导致沟道材料被氧化。时间过长沟道会产生氧化物，导致材料导电性能变差。
在一种实施方式中，采用紫外臭氧(UVO)处理MoS2半导体沟道层10秒，在MoS2半导体沟道层内部或表面产生S空位，从而引入大量的陷阱态。
在一种实施方式中，所述仿生自适应视觉传感器的制备方法，还包括步骤：
S6、在所述具有缺陷态的半导体沟道层上形成保护层。
在一种实施方式中，利用原子层沉积技术在所述具有缺陷态的半导体沟道层上制备保护层。
为了便于对本发明进行理解，本发明进一步提供了以下具体的实施例。
本实施例中的一种仿生自适应视觉传感器，所述仿生自适应视觉传感器依次包括：硅/二氧化硅衬底、形成于所述硅/二氧化硅衬底上的Au栅极、形成于所述Au栅极上和所述Au栅极未覆盖衬底上的Al2O3介质层、形成于所述Al2O3介质层两端的Au源极和Au漏极、形成于所述Au源极和Au漏极之间的具有缺陷态的MoS2半导体沟道层、形成于所述具有缺陷态的MoS2半导体沟道层上的Al2O3保护层。MoS2半导体沟道层内部和表面存在大量陷阱态。Au栅极的长度为20μm，厚度为50nm。源漏电极厚度为50nm，具有缺陷态的MoS2半导体沟道层的长度为10μm，宽度为200μm。
其中Au栅极类似于人眼视网膜中的水平细胞，二硫化钼半导体沟道层类似于光接收细胞(视锥细胞和视杆细胞)，陷阱态俘获或者释放载流子类似于光色素的消失和产生。
如图2(a)所示，随着光照强度增加，器件电流(ID)也会增加，因为光会产生光电流。图2(a)中VG指的是栅极电压，VD指的是源漏电压。定义光敏感度(Sph)：
其中，Iillumination是光照下的器件电流，Idark是无光照下的器件电流。
图2(b)所示，器件的光灵敏度除了受光强(Pin)的影响外，还受到栅极电压(简称栅压，记为VG)的调控，例如栅极电压越负，光灵敏度越大，类似于视杆细胞，而栅极电压越正，光灵敏度越低，类似于视锥细胞。在不同的光照强度下，通过调控栅极电压可以控制器件在不同的光照条件下均保持光灵敏度为1，如图2(c)所示。器件的阈值电流(Thereshold ID)为***电路最小可识别电流，定义如下：
Thereshold ID＝2Idark
如图2(d)所示，器件的阈值电流随光照强度的增强而线性增加，这个趋势符合感知领域的韦伯定律(Weber’s law)。
图3(a)所示为器件在负栅压时，器件电流会随着时间增加而逐渐增加。如图3(b)所示为器件在正栅压时，器件电流会随着时间增加而逐渐降低。可以通过栅压来控制器件电流的增强或者降低幅度，类似于视网膜的水平细胞对光接收细胞的负反馈作用。为了定量的描述器件电流在固定栅压下随时间改变的幅度，定义电流改变比例(CCR)
其中，ID-120s是ID在120s的值，ID-0s是ID在初始时刻(0s)的值。
图3(c)是在60μW/cm2光照条件下，CCR和栅压之间的关系，其中栅压为负的时候，CCR大于1，意味着电流增强(灵敏度增强)，可用于暗适应，并且栅压越负，CCR值越大；栅压为正的时候，CCR小于1，意味着电流降低(灵敏度降低)，可用于亮适应，并且栅压越正，CCR值越小。
器件的工作原理可用能带图来解释(图4)。通过工艺处理可以在二硫化钼引入大量的陷阱态，这些陷阱态包括施主型和受主型，分布在带隙中间不同的能级深度。在栅压为0V的时候，费米能级在大概带隙中间的位置，费米能级以上的陷阱态均为空，费米能级以下的陷阱态均被电子占据(见图4中(Ⅰ))；栅压为负的时候，费米能级下降，高于费米能级的施主型陷阱态释放电子到价带，释放完电子的陷阱态带正电荷，诱导出导带中产生更多的电子，浅能级的陷阱态能快速的释放电子，深能级的陷阱需要更长的时间，所以电流会随着时间逐渐增加(见图4中(Ⅱ))。电子被释放的过程，类似于光接收细胞中光色素的产生，暗光下光色素的产生会导致光接收细胞的灵敏度增加。相反，栅压为正的时候，费米能级上升，低于费米能级的受主型陷阱态捕获导带中的电子，使导带中的电子浓度降低，浅能级的陷阱态能快速的捕获电子，深能级的陷阱需要更长的时间，所以电流会随着时间逐渐降低(见图4中(Ⅲ))。电子被捕获的过程，类似于光接收细胞中光色素的消失，强光下光色素消失会导致光接收细胞的灵敏度的降低。
基于上述原理，器件在不同栅压可以实现不同程度电流增强或者降低，所以可以不同光强下施加不同的栅压，实现不同程度的亮适应或者暗适应。图5给出了在不同光照强度下，给器件施加不同栅压，从而实现器件的亮适应和暗适应的实例。在较弱的光强下，例如在60nW/cm2，600nW/cm2和6μW/cm2时，施加的栅压分别为-3V，-2V和-1V，对应的CCR分别为214，6.67和2.22。在较强的光强下，例如600μW/cm2,6mW/cm2和60mW/cm2时，施加的栅压分别为+2V，+4V和+6V时，对应的CCR分别为0.89，0.78和0.77。说明通过栅压，可以在弱光下实现暗适应和亮光下实现亮适应。
该自适应仿生视觉传感器，可以通过栅压对暗适应和亮适应进行复位操作，如图6(a)和6(b)所示。此外，该器件还具有持续光电导效应，即在光照停止以后，器件仍能够保持一段时间光电流，器件的存储功能也可以通过栅压进行复位，如图7所示。
利用仿生自适应视觉传感器组成的阵列可以在极端光照强度下识别图像，例如在非常暗的背景光条件下(600nW/cm2)识别一个较弱的光强(6μW/cm2)的图像(图像“8”)，如图8(a)所示。图8(b)是图像“8”对应的20个器件在6μW/cm2光照下的归一化电流曲线，定义器件的感知范围是1-3μA，其中44个暗像素器件对应的电流曲线默认低于1μA。图8(c)是利用电流曲线提取的图像“8”，图像对比度随时间增强，体现了人眼的暗适应过程。同样，通过调节栅压可以在非常亮的背景光条件下(6mW/cm2)识别一个很强光强(60mW/cm2)的图像(图像“8”)，如图9(a)所示。图9(b)是图像“8”之外的暗像素对应的44个器件在6mW/cm2光照下的归一化电流曲线，定义器件的感知范围是80-100μA，其中图像“8”对应的20个亮像素器件的电流曲线默认高于100μA。图9(c)是利用电流曲线提取的图像“8”，刚开始图像非常炫目，无法识别，随着时间延长图像逐渐清晰并且亮度降低。这样强光下调节图像亮度和对比度的过程，类似于人眼的亮适应过程。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (8)
1.一种仿生自适应视觉传感器，其特征在于，所述仿生自适应视觉传感器依次包括：衬底、形成于所述衬底上的栅极、形成于所述栅极上和所述栅极未覆盖衬底上的介质层、形成于所述介质层两端的源极和漏极、形成于所述源极和漏极之间的具有缺陷态的半导体沟道层；
所述缺陷态位于所述半导体沟道层的内部和表面；
所述缺陷态密度在半导体沟道层的量级为1012cm-2。
2.根据权利要求1所述的仿生自适应视觉传感器，其特征在于，所述栅极、源极和漏极的材料独立地选自导电金属、导电金属氧化物或者石墨烯。
3.根据权利要求1所述的仿生自适应视觉传感器，其特征在于，所述介质层的材料为三氧化二铝、二氧化铪或者二氧化硅。
4.根据权利要求1所述的仿生自适应视觉传感器，其特征在于，所述半导体沟道层的材料为过渡族金属硫族化合物、金属氧化物或者黑磷。
5.根据权利要求1所述的仿生自适应视觉传感器，其特征在于，所述具有缺陷态的半导体沟道层的长度为10nm-20μm，宽度为200nm-200μm，厚度为0 .6nm-200nm。
6.一种权利要求1-5任一项所述的仿生自适应视觉传感器的制备方法，其特征在于，包括步骤：
提供衬底；
在所述衬底上形成栅极；
在所述栅极上和所述栅极未覆盖衬底上形成介质层；
在所述介质层的两端分别形成源极和漏极；
在所述源极和漏极之间形成具有缺陷态的半导体沟道层。
7.根据权利要求6所述的仿生自适应视觉传感器的制备方法，其特征在于，所述在所述源极和漏极之间形成具有缺陷态的半导体沟道层的步骤，具体包括：
在所述源极和漏极之间形成半导体沟道层；
采用紫外臭氧处理或等离子体处理所述半导体沟道层。
8.根据权利要求7所述的仿生自适应视觉传感器的制备方法，其特征在于，所述紫外臭氧处理或等离子体处理的时间为5-20s。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111363650.9A CN114300554B (zh) | 2021-11-17 | 2021-11-17 | 一种仿生自适应视觉传感器及其制备方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111363650.9A CN114300554B (zh) | 2021-11-17 | 2021-11-17 | 一种仿生自适应视觉传感器及其制备方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114300554A CN114300554A (zh) | 2022-04-08 |
| CN114300554B true CN114300554B (zh) | 2023-11-17 |
Family
ID=80966512
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111363650.9A Active CN114300554B (zh) | 2021-11-17 | 2021-11-17 | 一种仿生自适应视觉传感器及其制备方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114300554B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115458543B (zh) * | 2022-09-15 | 2023-07-25 | 中国人民解放军军事科学院国防科技创新研究院 | 视觉传感器、光电子器件、图像识别方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103038889A (zh) * | 2010-12-28 | 2013-04-10 | 出光兴产株式会社 | 具有氧化物半导体薄膜层的层叠结构以及薄膜晶体管 |
| CN103296087A (zh) * | 2012-02-29 | 2013-09-11 | 三星电子株式会社 | 晶体管、其制造方法以及包括该晶体管的电子装置 |
| CN106981512A (zh) * | 2017-03-27 | 2017-07-25 | 西安交通大学 | 金刚石基常关型场效应晶体管及其制备方法 |
| CN107342345A (zh) * | 2017-06-27 | 2017-11-10 | 重庆大学 | 一种基于铁电栅介质和薄层二硫化钼沟道的光电晶体管 |
| CN109900750A (zh) * | 2019-04-04 | 2019-06-18 | 中国计量大学 | 一种提高基于MoS2薄膜场效应晶体管式气体传感器灵敏度的结构设计 |
| CN112864164A (zh) * | 2020-12-31 | 2021-05-28 | 中国科学院半导体研究所 | 三端人工光学突触及其制备方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6142200B2 (ja) * | 2013-09-30 | 2017-06-07 | 株式会社Ｊｏｌｅｄ | 薄膜半導体装置及びその製造方法 |
-
2021
- 2021-11-17 CN CN202111363650.9A patent/CN114300554B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103038889A (zh) * | 2010-12-28 | 2013-04-10 | 出光兴产株式会社 | 具有氧化物半导体薄膜层的层叠结构以及薄膜晶体管 |
| CN103296087A (zh) * | 2012-02-29 | 2013-09-11 | 三星电子株式会社 | 晶体管、其制造方法以及包括该晶体管的电子装置 |
| CN106981512A (zh) * | 2017-03-27 | 2017-07-25 | 西安交通大学 | 金刚石基常关型场效应晶体管及其制备方法 |
| CN107342345A (zh) * | 2017-06-27 | 2017-11-10 | 重庆大学 | 一种基于铁电栅介质和薄层二硫化钼沟道的光电晶体管 |
| CN109900750A (zh) * | 2019-04-04 | 2019-06-18 | 中国计量大学 | 一种提高基于MoS2薄膜场效应晶体管式气体传感器灵敏度的结构设计 |
| CN112864164A (zh) * | 2020-12-31 | 2021-05-28 | 中国科学院半导体研究所 | 三端人工光学突触及其制备方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114300554A (zh) | 2022-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liao et al. | Bioinspired in-sensor visual adaptation for accurate perception | |
| Cho et al. | Progress of materials and devices for neuromorphic vision sensors | |
| Lee et al. | Realization of an artificial visual nervous system using an integrated optoelectronic device array | |
| CN114300554B (zh) | 一种仿生自适应视觉传感器及其制备方法 | |
| CN112542515A (zh) | 一种光电调控神经突触晶体管及其制备方法 | |
| CN112951987B (zh) | 一种利用光信号在忆阻器中实现正负光电导的方法 | |
| Wang et al. | Enhanced multiwavelength response of flexible synaptic transistors for human sunburned skin simulation and neuromorphic computation | |
| Zhang et al. | A neuromorphic bionic eye with broadband vision and biocompatibility using TIPS-pentacene-based phototransistor array retina | |
| Wu et al. | Progress in bioinspired photodetectors design for visual information processing | |
| Yuan et al. | Silicon carbide nanowire-based multifunctional and efficient visual synaptic devices for wireless transmission and neural network computing | |
| Zhang et al. | Energy‐efficient organic photoelectric synaptic transistors with environment‐friendly CuInSe2 quantum dots for broadband neuromorphic computing | |
| Su et al. | Broadband Artificial Tetrachromatic Synaptic Devices Composed of 2D/3D Integrated WSe2‐GaN‐based Dual‐Channel Floating Gate Transistors | |
| Wang et al. | Piezo-phototronic effect modulated optoelectronic artificial synapse based on a-Ga2O3/ZnO heterojunction | |
| CN115117177A (zh) | 一种神经形态光电传感器、其制备及调控方法 | |
| CN113451423B (zh) | 一种基于等离激元效应的异质结光电突触器件 | |
| CN115881846A (zh) | 一种硒化铟光电晶体管及其制备方法与应用 | |
| CN114531555A (zh) | 一种端侧轮廓增强的仿生视觉传感器 | |
| Gao et al. | Regulated self-powered photoresponse properties and irradiance-adaptable behavior in ferroelectric SrTiO 3/TiO 2 heterojunction photodetectors | |
| US20230238406A1 (en) | Bio-Inspired Imaging Device with In-Sensor Visual Adaptation | |
| Liao et al. | Bioinspired in-sensor computing devices for visual adaptation | |
| CN117253939A (zh) | 一种可用于光电探测器及神经形态视觉传感器的光电子器件及其制备方法 | |
| CN115458543B (zh) | 视觉传感器、光电子器件、图像识别方法及装置 | |
| US20240047600A1 (en) | Transistor for implementing photo-responsive neuronal device | |
| Zhang et al. | High performance artificial visual system with plasmon-enhanced 2d material neural network | |
| Liao et al. | In-sensor Computing Devices for Bio-inspired Vision Sensors |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |