IMEC 項目經理 Pawel Malinowski 與 Semiconductor Engineering（SE）坐下來討論了傳感器技術的變化及其原因。以下是該討論的摘錄。

SE：傳感器技術的下一步是什么？

Malinowski：我們正在嘗試尋找一種制造圖像傳感器的新方法，因為我們希望擺脫硅光電二極管的限制。硅是一種完美的材料，特別是如果您想重現人類視覺，因為它對可見光波長敏感，這意味著您可以做人眼所做的事情。現在這個領域正處于非常成熟的階段。每年售出約 60 億個圖像傳感器。這些芯片最終會出現在智能手機、汽車和其他應用的攝像頭中。它們是典型的標準圖像傳感器，其中具有硅基電路或電子器件和硅光電二極管。它們基本上進行紅/綠/藍 (RGB) 再現，以便我們可以獲得漂亮的圖片。但如果你觀察其他波長——例如，紫外線或紅外線——你就會發現在可見光中無法獲得的現象或信息。我們特別關注紅外范圍。在那里，我們討論了一個特定的范圍，在一微米到兩微米之間，我們稱之為短波紅外。有了這個范圍，你就可以看透事物。例如，您可以透過霧、煙或云看到東西。這對于汽車應用來說尤其有趣。

SE：這項技術有什么即將到來的挑戰或新應用嗎？

Malinowski：對于這個波長，你不能使用硅，因為它會變得透明。例如，當您查看硅太陽能電池中的裂紋時，這對于缺陷檢查來說很有趣。有些材料有不同的對比。在可見光范圍內看起來完全相同的材料在短波紅外線中可能具有不同的反射率，這意味著您可以擁有更好的對比度，例如，當您對塑料進行分類或對食品進行分類時。還有其他應用，如圖1（下）所示。這是來自太陽穿過大氣層的光的力量。灰色是大氣層之上的，空白的是來到地球的。你會看到有一些最大值和最小值。最小值與大氣中的吸水率有關。您可以在工作時使用此最小值，例如使用主動消除系統，這意味著您發出一些光并檢查反射回來的光。這就是 iPhone 上的 Face ID 的工作原理：您發出光并檢查返回的內容。它們的工作波長約為 940 納米。如果您使用更長的波長（例如 1,400），您的背景將會低得多，這意味著您可以獲得更好的對比度。如果您選擇仍然有大量光的波長，則可以將其與被動照明一起使用以獲得額外的信息，例如仍然有一些光子的低光成像。

圖 1：短波長紅外線的可能性。來源：imec

SE：您是如何確定這一點的？

Malinowski：我們檢查的是如何訪問這些波長。由于硅的物理特性，硅對此并不有利。傳統的方法是bonding，您采用另一種材料（例如砷化銦鎵或碲化汞鎘）并將其bonding在讀出電路上。這是現有技術。它廣泛用于國防應用、軍事以及高端工業或科學。它的價格昂貴。由于bonding工藝和制造成本的原因，采用這種技術制造的傳感器通常花費數千歐元。您可以種植所需的材料，例如鍺，但這非常困難，并且在使噪音足夠低方面存在一些問題。我們采用的是第三種方式，即存放材料。在這種情況下，我們使用有機材料或量子點。我們采用可以吸收短波紅外光或近紅外光的材料，并用標準方法（例如旋涂）將其沉積，我們得到了非常薄的層。這就是為什么我們將此類傳感器稱為“薄膜光電探測器傳感器”，其中材料的吸收性比硅高得多。它看起來像讀出電路頂部的煎餅。

SE：這與其他材料相比如何？

Malinowski：如果將其與硅二極管進行比較，它們需要更大的體積和更大的深度。特別是對于這些較長的波長，它們會變得透明。相比之下，薄膜光電探測器 (TFPD) 圖像傳感器具有單片集成的一堆材料，包括量子點有機材料等光敏材料，這意味著它是一個芯片。硅頂部沒有鍵合。這種方法的問題在于，當您在金屬電極頂部集成這樣的光電二極管時，很難將噪聲降低到足夠低，因為存在一些無法消除的固有噪聲源。

圖 2：薄膜光電探測器。來源：imec

SE：你是如何解決這個問題的？

Malinowski：我們遵循硅圖像傳感器在 20 世紀 80 年代末和 90 年代的發展方式，引入了固定光電二極管。您可以將轉換光子的光電二極管區域與讀數解耦。我們引入了一個額外的晶體管，而不是只有一個薄膜吸收器與讀出器的接觸。這就是 TFT，它負責使結構完全耗盡，以便我們可以轉移該薄膜吸收器中產生的所有電荷，并通過該晶體管結構將它們轉移到讀出裝置。通過這種方式，我們顯著限制了噪聲源。

SE：為什么噪聲是傳感器設計的一個問題？

Malinowski：噪音有不同的來源。噪聲可以是不需要的電子的總數，但這些電子可以來自不同的來源或出于不同的原因。有些與溫度有關，有些與芯片的不均勻性有關，有些與晶體管漏電有關，等等。通過這種方法，我們正在研究與讀數相關的一些噪聲源。對于所有圖像傳感器來說，都會有噪聲，但處理噪聲的方法不同。例如，iPhone 中的硅基傳感器通過特定的讀出電路設計來處理噪聲源，其架構的基礎可以追溯到 80 年代和 90 年代。這是我們嘗試使用薄場光電探測器的新型圖像傳感器來復制的一點點。這是舊設計技巧在新型傳感器中的應用。

SE：您預計這會用在哪里？你提到了汽車。它也適用于醫療設備嗎？

Malinowski：這項技術的最大動力來自消費電子產品，例如智能手機。如果你使用更長的波長，你可以得到更低的對比度，因為該波長下的光更少，或者你可以在大氣中看到這種顏色的光。它是增強視覺，這意味著可以看到比人眼所能看到的更多的東西，因此您的相機可以獲取更多信息。另一個原因是較長的波長更容易通過某些顯示器。承諾是，如果你有這種解決方案，你可以將傳感器（例如 Face ID）放置在另一個顯示器后面，這樣可以增加顯示面積。

另一個原因是，如果你使用更長的波長，你的眼睛的敏感度就會低得多——與近紅外波長相比大約五到六個數量級，這意味著你可以使用更強大的光源。所以你可以射出更多的力量，這意味著你可以有更遠的射程。對于汽車，您可以獲得額外的能見度，尤其是在惡劣的天氣條件下，例如霧中的能見度。對于醫療而言，它可以幫助推進小型化。在一些應用中，例如內窺鏡檢查，現有技術使用其他材料和更復雜的集成，因此小型化相當困難。通過量子點方法，您可以制造非常小的像素，這意味著在緊湊的外形中具有更高的分辨率。這使得在保持高分辨率的同時進一步實現小型化。此外，根據我們的目標波長，我們可以獲得非常高的水對比度，這可能是食品行業感興趣的原因之一。您可以更好地檢測谷物等谷物產品中的水分。

SE：隨著弱光視力的提高，它可以有軍事應用嗎？

Malinowski：此類傳感器已被軍方使用，例如用于檢測激光測距儀。不同的是，軍方愿意花 2 萬歐元購買一臺相機。在汽車或消費領域，他們甚至沒有考慮這項技術，正是出于這個原因。

SE：所以這里的突破是你可以擁有已經存在的東西，但你可以以消費者規模的定價來擁有它？

Malinowski：沒錯。由于小型化以及單片集成如何使您能夠升級技術，您可以獲得消費者規模的數量和價格。

SE：您認為傳感器技術還有哪些其他趨勢？

Malinowski：當前的討論點之一正是這一點——超越可見成像。現有技術對于拍照來說已經非常出色了。新的趨勢是傳感器更加專用于應用。輸出不需要是漂亮的圖片。它可以是具體信息。使用 Face ID，輸出實際上可以是 1 或 0。手機要么已解鎖，要么未解鎖。您不需要看到臉部照片。還有一些有趣的模式出現，例如偏振成像儀，就像偏振眼鏡一樣。通過一些反思，他們看得更清楚。有基于事件的成像器，它們只觀察場景的變化 - 例如，如果您研究機器的振動或計算經過商店的人數。如果你有自動駕駛系統，你需要一個警告，告訴你即將出現障礙物，你應該剎車。你不需要一張漂亮的照片。這種趨勢意味著更多的碎片化，因為它更加特定于應用程序。它改變了人們設計圖像傳感器的方式，因為他們著眼于什么對于特定應用來說足夠好，而不是優化圖像質量。圖像質量始終很重要，但有時您需要一些簡單的東西來完成工作。

SE：知道是人還是樹重要嗎？還是知道現在需要剎車就足夠了？

Malinowski：在汽車行業，仍然存在爭論。有些人想對所有對象進行分類。他們想知道這是一個孩子、一個騎自行車的人還是一棵樹。有人說，“我只需要知道它是否擋道，因為我需要觸發剎車。” 所以沒有一個答案。

來源：半導體行業觀察

審核編輯：湯梓紅