利用機器學習於離子感測場效電晶體進行多離子感測

Abstract

由於人類對於健康維持、醫療照護之需求以及迅速發展之科技，造就了現今醫療物聯網的時代，利用微型化裝置、穿戴式元件等醫療設備，能隨時將身體之健康資訊傳至雲端中，並藉由遠端醫療技術進行監控，以有效管理自己的健康；因此，用以接收生理訊號之感測器即扮演了十分重要的角色，如何設計低功耗、低成本、微型化且具備著高靈敏度的感測器為當前非常熱門之研究方向。其中，透過人體生理液中各種離子濃度，可對許多疾病、症狀進行篩檢，因此若能快速進行生理液中離子濃度的檢測，那麼就可以隨時地掌握自身之健康狀況。 為了達成上述之離子檢測，本論文以台積電0.18μm製程製作之雙閘極離子感測場效電晶體作為量測平台，因其相容於標準CMOS製程而能以低成本進行大量製造且能夠被微型化，故適合應用為醫療物聯網之感測器，此外我們將配製用來模擬生理液之混合溶液，以進行複數離子感測的實驗；然而，由於特定離子之低靈敏度與離子競爭性，我們所採用之感測器無法分辨每種離子所造成的影響，故無法進行濃度值之分析，而傳統上會在感測層沉積離子選擇膜以克服該問題，但是該製程會使成本增加且不易於大量製造。因此本論文提出物理場感測模型之概念，藉由額外之溫度場或電場對感測機制進行非線性轉換，使各種離子種類、濃度於不同溫度場或電場下均有相異之特徵，再結合特徵工程與人工神經網路，將該特徵用於訓練模型，最後訓練完成的感測模型，能成功地推論出混合溶液中每種離子的濃度。由研究結果顯示，透過物理場與演算法之結合，可以使感測器於未來有更上一層樓的能力。