飲用水的風險管理通常需要對流動水中的各種毒素進行持續監測。雖然二維（2D）電子傳感器可以很容易地與現有自來水基礎設施整合，但其經常由于器件間的差異導致傳感器不準確，這是因為缺乏僅基于電子特性從預選的一批器件中識別出故障器件的有效策略，從而阻礙了2D電子傳感器在現實世界中的應用。

據麥姆斯咨詢報道，近日，威斯康星大學密爾沃基分校（University of Wisconsin-Milwaukee）的研究人員在Nature Communications期刊上發表了以“Scalable graphene sensor array for real-time toxins monitoring in flowing water”為題的論文。文中報告了一種結合濕法轉移、阻抗和噪聲測量以及機器學習的方案，以促進石墨烯基場效應晶體管（GFET）傳感器陣列的可擴展納米制造以及故障器件的有效識別。所開發的傳感器能夠實時檢測流動自來水中的重金屬離子（鉛和汞）和大腸桿菌。這項研究提供了一種可靠的質量控制方案，以提高電子傳感器監測流動水中污染物的潛力。

在這項工作中，研究人員將場效應晶體管（FET）傳感器從概念驗證過渡到實際應用的戰略始于大規模器件制造，并采取量化措施來減小器件之間的差異。晶圓級納米制造包括將溶液相中的通道材料旋涂到晶圓上，并對叉指電極（100對）進行圖案化以實現并聯，其中單層氧化石墨烯（GO）分散在水中作為傳感器通道的前驅體。基于還原氧化石墨烯（rGO）的FET傳感器器件的納米制造步驟包括通過電子束光刻的電極沉積，使用電子束光刻在電極上沉積SiO2保護層，3 nm原子層沉積（ALD）衍生的Al2O3作為頂柵氧化物，濺射Au納米顆粒（NP）作為探針的錨定位點，以及探針功能化。在熱退火成rGO后，所制備的器件顯示出在rGO-Au電極界面處存在歐姆接觸的p型轉移特性。此外，大多數器件（約占總數的60%）的電阻和開關電流比分別緊密分布在~11 ± 1 kΩ和~2 ± 0.2的范圍內。

GFET傳感器陣列的晶圓級納米制造和功能化

在真實水中測試之前，通過與非理想響應的關聯來識別并隔離缺陷器件是至關重要的。為此，研究人員通過先驗地了解器件行為開發一種無損檢測（NDT）程序（即不損壞實際傳感層），大大促進器件的快速篩選。頂柵介電層（3 nm Al2O3）的薄膜質量是傳感器性能的關鍵。在吸附帶電物質后，完美的介電層充當電容器，因為電荷只在其表面積累。為了表征介電層的質量，研究人員開發了一種替代方法，采用寬范圍和高頻（1 Hz – 5 MHz）阻抗測量。根據阻抗譜圖可知，從良好器件到不良器件有明顯的轉變，表明Zˊ/Z??

交流（AC）阻抗譜圖用于篩選非理想器件

為了在流動的水中實現連續傳感，具有三個獨立傳感器芯片的GFET傳感器陣列被集成在一個3D打印的閉環腔室中，該腔室由一個壓電泵供電，使水在它和外部容器之間通過入口和出口通道流動。在室溫下的傳感試驗中，以干凈的自來水為背景，將含有不同濃度重金屬和大腸桿菌的水滴連續注入外部容器中。通過記錄傳感器通道電阻隨時間的變化，可以對重金屬和大腸桿菌的存在進行識別和定量。此外，研究人員選擇傳感器陣列中每個器件同時獲得的時域響應輸出，用于各種混合條件下機器學習（ML）輔助的分類和量化。經過訓練的人工神經網絡（ANN）模型的預測輸出表明，成功地量化了各種混合物中的每一種有毒元素。

流動水系統中GFET傳感器陣列的測量

用于分類和量化流動水中各種混合離子和細菌的機器學習建模

總而言之，研究人員展示了一種可擴展的方法，用于開發基于多種生化配體和抗體功能化的GFET傳感器陣列器件，作為同時檢測自來水中重金屬和大腸桿菌的特異性探針。通過在硅襯底上旋涂GO分散液的晶圓級沉積提供了電阻和電流開關比的窄分布，這在商業化的電子傳感器中是非常理想的。為了消除非理想傳感動力學的傳感器，可以通過高頻阻抗和低頻噪聲測量來預先選擇理想器件。在機器學習的幫助下，真實自來水中的多種毒素可以被成功地識別和高精度地定量。FET傳感器的大規模制造和器件差異最小化的策略有望在未來實時動態預測自來水中的各種有毒物質，以進行水質風險管理。

審核編輯：劉清