JP2023542166A - 多機能ヘテロ接合金属酸化物ガス・センサ - Google Patents

多機能ヘテロ接合金属酸化物ガス・センサ Download PDF

Info

Publication number
JP2023542166A
JP2023542166A JP2023517912A JP2023517912A JP2023542166A JP 2023542166 A JP2023542166 A JP 2023542166A JP 2023517912 A JP2023517912 A JP 2023517912A JP 2023517912 A JP2023517912 A JP 2023517912A JP 2023542166 A JP2023542166 A JP 2023542166A
Authority
JP
Japan
Prior art keywords
metal oxide
layer
gas sensor
sensor device
gas
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.)
Pending
Application number
JP2023517912A
Other languages
English (en)
Inventor
ファソリ、アンドレア
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of JP2023542166A publication Critical patent/JP2023542166A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
    • G01N27/125—Composition of the body, e.g. the composition of its sensitive layer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/14—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of an electrically-heated body in dependence upon change of temperature
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/18—Investigating or analyzing materials by the use of thermal means by investigating thermal conductivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/20—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity
    • G01N25/48—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity on solution, sorption, or a chemical reaction not involving combustion or catalytic oxidation
    • G01N25/4806—Details not adapted to a particular type of sample
    • G01N25/4813—Details not adapted to a particular type of sample concerning the measuring means
    • G01N25/482—Details not adapted to a particular type of sample concerning the measuring means concerning the temperature responsive elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/20—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity
    • G01N25/48—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity on solution, sorption, or a chemical reaction not involving combustion or catalytic oxidation
    • G01N25/4873—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity on solution, sorption, or a chemical reaction not involving combustion or catalytic oxidation for a flowing, e.g. gas sample
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L29/00—Semiconductor devices specially adapted for rectifying, amplifying, oscillating or switching and having potential barriers; Capacitors or resistors having potential barriers, e.g. a PN-junction depletion layer or carrier concentration layer; Details of semiconductor bodies or of electrodes thereof ; Multistep manufacturing processes therefor
    • H01L29/02—Semiconductor bodies ; Multistep manufacturing processes therefor
    • H01L29/12—Semiconductor bodies ; Multistep manufacturing processes therefor characterised by the materials of which they are formed
    • H01L29/24—Semiconductor bodies ; Multistep manufacturing processes therefor characterised by the materials of which they are formed including, apart from doping materials or other impurities, only semiconductor materials not provided for in groups H01L29/16, H01L29/18, H01L29/20, H01L29/22
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/20—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/20—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity
    • G01N25/48—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity on solution, sorption, or a chemical reaction not involving combustion or catalytic oxidation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
    • G01N27/122—Circuits particularly adapted therefor, e.g. linearising circuits
    • G01N27/123—Circuits particularly adapted therefor, e.g. linearising circuits for controlling the temperature
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
    • G01N27/129—Diode type sensors, e.g. gas sensitive Schottky diodes

Landscapes

  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Ceramic Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Computer Hardware Design (AREA)
  • Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

ガスを識別する方法が提供される。この方法は、少なくとも二つの積層された金属酸化物層を備えるガス・センサ・デバイスを提供するステップであって、ガスの存在下でのガス・センサ・デバイスのコンダクタンスの変化が、積層された金属酸化物層の温度によって変動する、ステップを含む。この方法は、ガスを積層された金属酸化物層に近接させるステップを含む。この方法は、温度－コンダクタンス・プロファイルを生成するために、ガスが複数の温度の積層された層に近接しているときにガス・センサ・デバイスのコンダクタンスを測定するステップも含む。この方法は、温度－コンダクタンス・プロファイルに基づいて目的のガスを識別するステップも含む。

Description

本開示は、多機能ヘテロ接合金属酸化物ガス・センサ、および多機能ヘテロ接合金属酸化物ガス・センサの製造方法に関する。
金属酸化物半導体（ＭＯＸまたはＭＯＳ）材料は、それらの化学抵抗性挙動のためにガス検出素子として使用されている。ｎ型ＭＯＸであるＳｎＯ２は、感度と安定性（すなわち経時的な信号劣化に対する耐性）との間の良好なトレードオフを提供するため、ＭＯＸ型の商用デバイスおよびプラットフォームで使用される材料の一例である。多感覚ガス検出ソリューション（すなわち電子鼻）の状況では、多様な線形独立なセンサ出力へのアクセスが、様々な揮発性物質および混合物の識別を可能にするファクターである。
ある実施形態は、ガスを識別する方法に関する。この方法は、少なくとも二つの積層された金属酸化物層を備えるガス・センサ・デバイスを提供するステップであって、ガスの存在下でのガス・センサ・デバイスのコンダクタンスの変化が、積層された金属酸化物層の温度によって変動する、ステップを含む。この方法は、ガスを積層された金属酸化物層に近接させるステップを含む。この方法は、温度‐コンダクタンス・プロファイルを生成するために、ガスが複数の温度の積層された層に近接しているときにガス・センサ・デバイスのコンダクタンスを測定するステップも含む。この方法は、温度‐コンダクタンス・プロファイルに基づいて目的のガスを識別するステップも含む。
ある実施形態は、多機能ヘテロ接合金属酸化物ガス・センサ・デバイスに関する。このガス・センサ・デバイスは、基板と、基板の上に形成された少なくとも二つの電極と、基板および電極の上に形成された第一金属酸化物層と、第一金属酸化物層の上に形成された第二金属酸化物層とを含む。ガスの存在下でのガス・センサ・デバイスのコンダクタンスの変化が、第一および第二金属酸化物層の温度によって変動する。
以上の要約は、本開示の図示された各実施形態または全ての実施態様を説明することを意図するものではない。
本出願に含まれる図面は、本明細書に組み込まれ、その一部を形成する。図面は本開示の実施形態を図示し、記述とともに本開示の原理を説明する。図面はある実施形態の例示にすぎず、本開示を限定するものではない。
実施形態による、二層構造を有するヘテロ接合金属酸化物ガス・センサ・デバイスを描いた断面図である。 実施形態による、ｎ型金属酸化物材料組成を有するヘテロ接合金属酸化物ガス・センサ・デバイスの例の、デバイスが分析物ガスに曝されたときの経時的な抵抗の変化を示したグラフである。 実施形態による、ｐ型金属酸化物材料組成を有するヘテロ接合金属酸化物ガス・センサ・デバイスの例の、デバイスが分析物ガスに曝されたときの経時的な抵抗の変化を示したグラフである。 実施形態による、様々な動作温度のヘテロ接合金属酸化物ガス・センサ・デバイスの例の経時的な抵抗の変化を示したグラフである。 実施形態による、様々な動作温度のヘテロ接合金属酸化物ガス・センサ・デバイスの例の経時的な抵抗の変化を示したグラフである。 実施形態による、様々なガスに曝されたヘテロ接合金属酸化物ガス・センサ・デバイスの例の経時的な抵抗の変化を示したグラフである。 実施形態による、様々なガスに曝されたヘテロ接合金属酸化物ガス・センサ・デバイスの例の経時的な抵抗の変化を示したグラフである。 実施形態による処理システムのブロック・ダイヤグラムである。 実施形態による、クラウド顧客により使用されるローカル・コンピューティング・デバイスが通信する一つ以上のコンピューティング・ノードを有する例示的なクラウド・コンピューティング環境のブロック・ダイヤグラムである。 実施形態による、クラウド・コンピューティング環境によって提供される機能抽象層の集合のブロック・ダイヤグラムである。 人工知能（ＡＩ）モデルの訓練およびＡＩモデルのガス・センサ・データへの適用のプロセスのフローチャート図である。
図面中の要素は、簡略化および明確さのために図示されることが認識されねばならない。商業的に実現可能な実施形態において有用または必要でありうる周知の要素は、簡略化のために、および図示された実施形態の理解を助けるために示されないこともありうる。
本開示は、多機能ヘテロ接合金属酸化物ガス・センサおよび多機能ヘテロ接合金属酸化物ガス・センサの製造方法を記載する。特に、本開示は、異なる検出特性を有する二つ以上のＭＯＸ薄膜を含む多機能ヘテロ接合金属酸化物ガス・センサ・デバイスを記載する。一例では、第一層はｎ型ＳｎＯ２層であり、第二層はｐ型ＮｉＯ層である。動作温度を変動させることによって、この多層デバイスの応答は、上部層（例えばｐ型層）に支配されるものから下部層（例えばｎ型層）に支配されるものに変化する。したがって、多機能という用語は、ガス・センサが異なる薄膜の動作温度もしくは材料組成またはその両方に応じて、ｐ型応答特性またはｎ型応答特性のいずれか（または両方）を有する能力を指しうる。他の実施形態では、複数の異なるｎ型（またはｐ型）層の場合、応答特性は、これらの層のいずれかまたはこれらの層の両方の組み合わせのものでありうる。スタックは、動作温度を変動させることによって各層またはそれらの組み合わせの検出特性およびガスに対する多様な応答がオンデマンドで個別にアクセスされうる多重化センサとして有効に機能する。
本開示の様々な実施形態が、関連する図面を参照して本明細書に記載される。本開示の範囲から逸脱することなく代替的実施形態が考案されうる。なお、以下の記載および図面の要素間に様々な接続および位置関係（例えばの上、より下、隣接など）が記される。これらの接続もしくは位置関係またはその両方は、別段の指定がない限り、直接的または間接的であることができ、本開示はこの点に関して限定することを意図しない。したがって、エンティティの連結は直接的または間接的連結のいずれかを指すことができ、エンティティ間の位置関係は直接的または間接的位置関係であることができる。間接的位置関係の一例として、本記載における層「Ｂ」の上に層「Ａ」を形成することへの言及は、層「Ａ」および層「Ｂ」の関連する特性および機能が中間層（単数または複数）によって実質的に変更されない限り、層「Ａ」と層「Ｂ」との間に一つ以上の中間層（例えば層「Ｃ」）がある状況を含む。
以下の定義および略語が、特許請求の範囲および明細書の解釈に使用されるものとする。本明細書で使用されるところの、「備える」、「備えている」、「含む」、「含んでいる」、「有する」、「有している」、「含有する」もしくは「含有している」という用語またはそれらの任意の他の変化形は、非排他的包含物を網羅することを意図する。例えば、要素のリストを備える組成物、混合物、プロセス、方法、物品、または装置は、必ずしもそれらの要素のみに限定されず、明示的に列挙されていないかまたはそのような組成物、混合物、プロセス、方法、物品、または装置に固有ではない他の要素を含むことができる。
以下の記載の目的上、「上」、「下」、「右」、「左」、「垂直」、「水平」、「上部」、「下部」、およびそれらの派生語は、図面中の向きでの記載された構造体および方法に関するものとする。「上に横たわる」、「頂上に」、「上に」、「上に配置される」または「頂上に配置される」という用語は、第一構造体などの第一要素が、第二構造体などの第二要素上に存在することを意味し、界面構造体などの介在要素が第一要素と第二要素との間に存在しうる。「直接的接触」という用語は、第一構造体などの第一要素と、第二構造体などの第二要素とが、二つの要素の界面に中間の伝導層、絶縁層または半導体層を伴わずに接続されることを意味する。なお、例えば「第二要素選択的第一要素」などの「～選択的」という用語は、第一要素がエッチングされることができ、第二要素がエッチストップとして働きうることを意味することに留意しなければならない。
簡潔にするために、半導体デバイスおよび集積回路（ＩＣ：ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）製作に関する従来技術は、本明細書に詳細に記載されてもされなくてもよい。さらに、本明細書に記載される様々なタスクおよびプロセスステップは、本明細書に詳細に記載されない追加のステップまたは機能性を有する、より包括的な手順またはプロセスに組み込まれうる。特に、半導体デバイスおよび半導体ベースのＩＣの製造における様々なステップは周知であり、したがって簡潔の利益のために、多くの従来のステップは、本明細書において簡潔に言及されるにとどまるか、または周知のプロセスの詳細を提供せずに完全に省略される。
一般に、ＩＣにパッケージされるマイクロチップ（またはガス・センサ・デバイス）を形成するために使用される様々なプロセスは、四つの一般的なカテゴリ、すなわち膜堆積、除去／エッチング、半導体ドーピングおよびパターニング／リソグラフィに分かれる。
堆積は、成長、被覆、または他のやり方で材料をウェーハ上に移す任意のプロセスである。利用可能な技術は、物理気相成長（ＰＶＤ：ｐｈｙｓｉｃａｌ ｖａｐｏｒ ｄｅｐｏｓｉｔｉｏｎ）、化学気相成長（ＣＶＤ：ｃｈｅｍｉｃａｌ ｖａｐｏｒ ｄｅｐｏｓｉｔｉｏｎ）、電気化学堆積（ＥＣＤ：ｅｌｅｃｔｒｏｃｈｅｍｉｃａｌ ｄｅｐｏｓｉｔｉｏｎ）、分子線エピタキシー（ＭＢＥ：ｍｏｌｅｃｕｌａｒ ｂｅａｍ ｅｐｉｔａｘｙ）、およびより最近では原子層堆積（ＡＬＤ：ａｔｏｍｉｃ ｌａｙｅｒ ｄｅｐｏｓｉｔｉｏｎ）を特に含む。別の堆積技術はプラズマＣＶＤ（ＰＥＣＶＤ：ｐｌａｓｍａ ｅｎｈａｎｃｅｄ ｃｈｅｍｉｃａｌ ｖａｐｏｒ ｄｅｐｏｓｉｔｉｏｎ）であり、これはプラズマ内のエネルギーを利用して、従来のＣＶＤに関連するより高い温度を本来必要とするであろうウェーハ表面での反応を起こすプロセスである。ＰＥＣＶＤの堆積中のエネルギーイオン衝撃により、フィルムの電気的および機械的特性も改善されうる。
除去／エッチングは、ウェーハから材料を除去する任意のプロセスである。例には、エッチングプロセス（湿式または乾式）、化学的機械平坦化（ＣＭＰ：ｃｈｅｍｉｃａｌ‐ｍｅｃｈａｎｉｃａｌ ｐｌａｎａｒｉｚａｔｉｏｎ）などが含まれる。除去プロセスの一例は、イオンビームエッチング（ＩＢＥ：ｉｏｎ ｂｅａｍ ｅｔｃｈｉｎｇ）である。一般に、ＩＢＥ（またはミリング）は、物理的不活性ガスまたは化学的反応性ガス手段またはその両方によって基板材料を除去するために遠隔の広いビーム・イオン／プラズマ源を利用する乾式プラズマ・エッチング方法を指す。他の乾式プラズマ・エッチング技術と同様に、ＩＢＥは、エッチング速度、異方性、選択性、均一性、アスペクト比、および基板損傷の最小化などの利点を有する。乾式除去プロセスの別の例は、反応性イオン・エッチング（ＲＩＥ：ｒｅａｃｔｉｖｅ ｉｏｎ ｅｔｃｈｉｎｇ）である。一般に、ＲＩＥは、ウェーハ上に堆積させた材料を除去するために化学反応性プラズマを使用する。ＲＩＥでは、電磁界により低圧（真空）下でプラズマが生成される。ＲＩＥプラズマからの高エネルギー・イオンがウェーハ表面を攻撃し、ウェーハ表面と反応して材料を除去する。
半導体ドーピングは、一般に拡散もしくはイオン注入またはその両方により例えばトランジスタのソースおよびドレインをドーピングすることによる電気的特性の改変である。これらのドーピング・プロセスの後に、炉アニールまたは高速熱アニール（「ＲＴＡ：ｒａｐｉｄ ｔｈｅｒｍａｌ ａｎｎｅａｌｉｎｇ」）が行われる。アニールは、注入されたドーパントを活性化するように働く。導体（例えばポリシリコン、アルミニウム、銅など）および絶縁体（例えば様々な形態の二酸化ケイ素、窒化ケイ素など）の両方の膜を使用して、トランジスタおよびそれらのコンポーネントが接続および絶縁される。半導体基板の様々な領域の選択的ドーピングにより、電圧の印加によって基板の導電率を変化させることができる。これらの様々なコンポーネントの構造体を作製することにより、何百万ものトランジスタが構築され、一緒に配線されて、最新のマイクロエレクトロニクス・デバイスの複雑な回路が形成されうる。
半導体リソグラフィは、後でパターンを基板に転写するための、半導体基板上の三次元レリーフ像またはパターンの形成である。半導体リソグラフィでは、フォトレジストと呼ばれる感光性ポリマーによってパターンが形成される。トランジスタを構成する複雑な構造体と、回路の数百万のトランジスタを接続する多数の配線とを構築するために、リソグラフィおよびエッチング・パターン転写のステップが複数回繰り返される。ウェーハに印刷される各パターンは、以前に形成されたパターンに位置合わせされ、導体、絶縁体および選択的ドーピング領域が徐々に構築されて最終デバイスが形成される。
ここで、より具体的に本開示の態様に関連する技術の概要に目を向けると、一般に、金属酸化物半導体（ＭＯＸまたはＭＯＳ）材料は、それらの化学抵抗性挙動のためにガス検出素子として使用されている。ｎ型ＭＯＸであるＳｎＯ２は、感度と安定性（すなわち経時的な信号劣化に対する耐性）との間の有効なトレードオフを示すため、ＭＯＸ型の商用デバイスおよびプラットフォームで見られる一つの一般的な材料である。
多感覚ガス検出ソリューション（すなわち電子鼻）の状況では、多様な線形独立なセンサ出力へのアクセスが、様々な揮発性物質および混合物の識別を可能にするファクターである。残念ながら、ＭＯＸセンサ市場全体でのＳｎＯ２の優位性により、多くの利用可能なセンサがこの材料のバリエーションからなるため、利用できる応答の範囲が制限される。これらのタイプのＳｎＯ２センサのバリエーションは、例えばＳｎＯ２材料のドーピング濃度を変動させることによって、またはＳｎＯ２粒子の物理的形状を変更すること（すなわち装飾）によって達成される。しかし、これらによっても応答の範囲は互いに十分には異ならない。
これらの考えうる限界を克服するために、ある実施形態では、多機能ヘテロ接合金属酸化物ガス・センサは、ｐ型ＭＯＸ層またはｎ型ＭＯＸ層とｐ型ＭＯＸ層との組み合わせを含みうる。ｐ型ＭＯＸ層は単独で多様な応答を提供しうる。しかし、感度が低すぎる可能性がある。ある実施形態では、多機能ヘテロ接合金属酸化物ガス・センサは、ナノスケールでｎ型層とｐ型層との組み合わせが提供され、これらのデバイスは、検出性能のある程度の改善を示しうる。このような実施形態では、ｐ型ＭＯＸ層の追加は、一次検出素子（例えばｎ型ＭＯＸ層）の検出特性を強化する役割を果たし、ｎ型ＭＯＸ層の出力が常に支配的である。
ある本発明の実施形態では、多感覚ソリューションが、多様な一連のセンサ応答をこれらの異なる応答に単純なやり方でアクセスする能力とともに示しうる単一の構造体に統合される。
一般に、本発明の実施形態のガス・センサ・デバイスは、接合部で互いに接触する二つの積層されたＭＯＸ層を含む。各ＭＯＸ層は、その抵抗が曝されるガスの種類ならびにその濃度に依存する化学抵抗性材料である。これらのＭＯＸ検出層は薄く、粒状で、多孔質であるため、通常の条件では環境からのガスが構造体全体に透過し、上部層および下部層の両方と反応する。ある実施形態では、異なるＭＯＸ層の厚さ（ならびにそれらの化学組成）が、デバイスの性能特性を決定しうる。これらの層の厚さは、本明細書に記載されるように予想外の貴重な検出挙動ももたらしうる。
以下でさらに詳細に記載されるように、一つ以上の分析物ガスの存在下である期間にわたってセンサ抵抗率データが測定される。この測定データのグラフの例が、例えば本出願の図３および４に示される。これらの抵抗率曲線は、分析物ガスの存在を判断するために識別されうるあるパターンを有する。ある実施形態では、オペレータ（またはユーザ）が、グラフを検討することによってガスの存在を手動で識別しうる。他の実施形態では、人工知能システムおよびディープ・ラーニング・ニューラル・ネットワークを利用して、ガスの存在が判断されうる。ある実施形態では、ガス・センサ・デバイスの抵抗率データに基づいてリアルタイムのガス検出を行い、これらのガスの正体を自動的に（すなわちユーザ入力を必要とせずに）発見するように構成されるシステムが提供される。
データ分析およびデータ・サイエンスはますます盛んになっている。モノのインターネット（ＩＯＴ：Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）およびセンサ・デバイス（例えば本発明の実施形態のガス・センサ・デバイス）の急増、ならびにクラウド・コンピューティングの人気の高まりにより、種々の異なるコンポーネントからリアルタイムで収集されるデータの品質が重要になっている。ある実施形態は、ディープ・ラーニング（例えばリカレント・ニューラル・ネットワーク）と、信号処理技術との組み合わせに基づくアルゴリズムを利用してモデルを訓練し、それからリアルタイムのデータを既存のモデルからの予測と比較して、分析物ガスの存在を発見する。
本発明の実施形態では、ガス・センサ・デバイスのガス検出を助けるために、ニューラル・ネットワークおよび他のディープ・ラーニング・システムが利用されうる。人工ニューラル・ネットワーク（ＡＮＮ：Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）（より一般的にニューラル・ネットワークとも呼ばれる）は、外部入力に対する動的状態応答によって情報を処理するいくつかの単純な高度に相互接続された処理要素（ノード）で構成されるコンピューティング・システムである。ＡＮＮは、哺乳類の大脳皮質のニューロンの構造を大まかに、しかしはるかに小さいスケールでモデル化した処理デバイス（アルゴリズムもしくはハードウェアまたはその両方）である。このようなシステムは、例を用いてタスクを漸進的かつ自律的に学習し、例えば音声認識、テキスト処理およびコンピュータ・ビジョンに良好に適用されている。大規模なＡＮＮは数百または数千のプロセッサ・ユニットを有しうるが、その一方で哺乳類の脳は数十億のニューロンを有し、それに対応して全体的な相互作用および創発行動の規模も増大する。
多層パーセプトロン、ディープ・ラーニング・ニューラル・ネットワーク（ＤＮＮ：ｄｅｅｐ ｌｅａｒｎｉｎｇ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）および畳み込みニューラル・ネットワークなどの順伝播型ニューラル・ネットワークをはじめ、多くのタイプのニューラル・ネットワークが知られている。順伝播型ニューラル・ネットワークは、ユニット間の接続がサイクルを形成しない人工ニューラル・ネットワーク（ＡＮＮ）である。ディープ・ラーニング・ニューラル・ネットワークは、入力層と出力層との間にユニットの複数の隠れ層を持つ人工ニューラル・ネットワークである。浅いＡＮＮと同様に、ＤＮＮは複雑な非線形関係をモデル化しうる。例えば物体検出および解析のためのＤＮＮアーキテクチャは、物体が画像プリミティブの階層化された組成物として表現される組成モデルを生成する。追加の層により下位層からの特徴の組成が可能になり、同様の性能の浅いネットワークよりも少数のユニットで複雑なデータをモデル化する可能性が与えられる。ＤＮＮは通常、順伝播型ネットワークとして設計される。
本明細書に記載されるある実施形態では、ガス検出を容易にするためにガス・センサ・デバイスのデータおよび人工知能（ＡＩ）を使用するシステム、方法およびコンピュータ・プログラム製品が提供される。ＡＩのサブセットである機械学習が、アルゴリズムを利用してデータ（例えばガス・センサ・データ）から学習し、このデータに基づいて洞察を生成する。ＡＩは、機械が情報に基づいて所与のトピックでの成功の可能性を最大化する意思決定を行うことができるときの知能を指す。特に、ＡＩは問題を解決するためにデータ・セットから学習し、関連する推奨および判断を提供することができる。ＡＩは、大規模に学習し、目的を持って推論し、人間と自然に対話するシステムを指すコグニティブ・コンピューティングのサブセットである。コグニティブ・コンピューティングは、コンピュータ・サイエンスとコグニティブ・サイエンスとが混ざった物である。コグニティブ・コンピューティングは、データ、視覚認識、および自然言語処理を用いて問題を解決し、プロセスを最適化するセルフティーチング・アルゴリズムを利用する。
ここで、同様の数字が同一または類似の要素を表す図面および最初に図１を参照すると、多機能ヘテロ接合金属酸化物ガス・センサ・デバイスの例の断面図が示される。この例では、ガス・センサ・デバイス１００は基板１０２を含む。ある実施形態では、基板１０２は絶縁基板であり、さらなる層が上に形成されるベース層として働きうる。基板１０２は、ガス・センサ・デバイス１００の支持およびハンドリングのためにも使用されうる。基板１０２上に一対の電極１０４が形成される。電極１０４は、電気伝導性材料（または電気伝導性材料の組み合わせ）で構成され、電流が検出構造体を通って流れるための経路を提供する。
図１に示されるように、絶縁基板１０２およびパターニングされた電極１０４の上に二つの検出層が堆積される。第一検出層はｎ型金属酸化物層１０６であり、絶縁基板１０２および電極１０４の上にコンフォーマルに堆積される。ある実施形態では、ｎ型金属酸化物層１０６には、層を平坦化するためにＣＭＰ（または他の適切な平坦化プロセス）が行われうる。ある実施形態では、ｎ型金属酸化物材料は、ＳｎＯ２、ＺｎＯ、ＴｉＯ２、ＷＯ３、Ｉｎ２Ｏ３、Ｆｅ２Ｏ３、ＭｇＯ、ＣａＯ、ＺｒＯ２、Ｖ２Ｏ５、Ｎｂ２Ｏ５、Ｔａ２Ｏ５、ＭｏＯ３、Ａｌ２Ｏ３、Ｇａ２Ｏ３、ＨｆＯ２、Ｃｒ２Ｏ３、またはＣｕＯでありうる。しかし、他の適切な材料または材料の組み合わせがｎ型金属酸化物層１０６に使用されてもよいことが認識されねばならない。さらに、上に列挙されたｎ型金属酸化物材料の一つ以上は、それらの製作の仕方に応じてｐ型伝導性も示しうることが認識されねばならない。ある実施形態では、ｎ型金属酸化物層１０６は、高い感度（例えば制御された条件でサブｐｐｍレベルの分析物ガス）を有しうる。ｎ型金属酸化物材料の特徴は、以下にさらに詳細に記載されるように、還元性分析物に曝されると層の抵抗が低下することである。
再び図１を参照すると、ｎ型金属酸化物層１０６の上に次にｐ型金属酸化物層１０８である第二検出層が形成される。ある実施形態では、ｐ型金属酸化物材料は、ＮｉＯ、Ｃｏ３Ｏ４、Ｃｒ２Ｏ３、Ｍｎ３Ｏ４、Ｍｎ２Ｏ３、Ｙ２Ｏ３、Ｌａ２Ｏ３、ＣｅＯ２、ＰｄＯ、Ａｇ２Ｏ、Ｂｉ２Ｏ３、Ｓｂ２Ｏ３、ＴｅＯ２、Ｆｅ２Ｏ３、またはＨｆＯ２でありうる。しかし、他の適切な材料または材料の組み合わせがｐ型金属酸化物層１０８に使用されてもよいことが認識されねばならない。さらに、上に列挙されたｐ型金属酸化物材料の一つ以上は、それらの製作の仕方に応じてｎ型伝導性も示しうることが認識されねばならない。ある実施形態では、ｐ型金属酸化物層１０８は、多様な選択性を有しうる（すなわち表面特性が異なる）。ある実施形態では、ｐ型金属酸化物層１０８の湿度の差は、ガス・センサ・デバイス１００の感度に対して限定的な影響を及ぼしうる。ある実施形態では、ｐ型金属酸化物層１０８は、低い感度を有しうる（例えば伝導機構の結果でありうるｎ型金属酸化物層１０６よりも１０～１００倍低い感度）。
金属酸化物層は図１に示される実施形態に関して説明されるが、他の実施形態では三つ以上の層が利用されてもよいことが認識されねばならない。図１に示した例では、ｎ型金属酸化物層１０６とｐ型金属酸化物層１０８との組み合わせた膜厚は、１０～２００ｎｍの範囲でありうる。図１に示した例では、電極１０４間の電極ギャップの幅は、１０～１００ｕｍの範囲でありうる。しかし、他の膜厚または電極ギャップ寸法が使用されてもよいことが認識されねばならない。ガス・センサ・デバイス１００を通る電流フロー（または等価にセンサ抵抗）は、ガス・センサ・デバイス１００が曝される環境に依存し、したがって様々なタイプのガスを検出するための手段を提供する。
これも図１に示されるように、絶縁基板１０２の下方に熱源または加熱素子１１０が配置される。この加熱素子１１０は、検出層（すなわちｎ型金属酸化物層１０６およびｐ型金属酸化物層１０８）を所望の動作温度（通常は１００℃～５００℃）にするために用いられる。ＭＯＸ材料を高温（例えば１００℃～５００℃）で動作させることにより、表面反応が引き起こされ、脱着が促進されうる。ある実施形態では、ＭＯＸ材料のより高い動作温度を利用して、感度の向上を達成し、応答および回復時間を最小化し、場合によってはある程度のガスの判別を提供することができる。
個別に見ると、各検出層は、一連のガスに曝されたときの独自の応答パターンによって特徴付けられる。例として、上部層（例えばｐ型金属酸化物層１０８）は、ガスＡには強く応答するがガスＢには強く応答せず、一方で下部層（例えばｎ型金属酸化物層１０６）は反対の挙動を示しうる。振幅だけでなく、抵抗の変化の方向も、上部検出層と下部検出層との間で異なりうる。これは、ｎ型ＭＯＸ層をｐ型ＭＯＸ層と比較したときに通常言える。すなわち、Ｈ２または異なる複合炭化水素などの還元性ガス（または還元性分析物）に曝されると、ｎ型ＭＯＸ層の抵抗は減少し、一方でｐ型ＭＯＸ層の抵抗は増加する。
次に図２Ａを参照すると、還元性分析物（またはガス）の存在下でのｎ型金属酸化物（ＭＯＸ）層の例の抵抗（すなわちグラフのｙ軸）を経時的に（すなわちグラフのｘ軸）示したグラフが示される。図２Ａに示されるように、分析物ガスが導入される前の空気だけの抵抗（Ｒ空気）は最初高い。分析物ガスが導入された時点で、抵抗がより高いＲ空気レベルからより低いＲガスレベルに徐々に減少する。分析物ガスが再び空気だけが存在する時点まで除去されるかまたは他のやり方で排出されると、抵抗はより低いＲガスレベルから再びより高いＲ空気レベルに徐々に増加する。図２Ａには示されないが、（還元性分析物またはガスとは対照的に）Ｏ３（オゾン）などの酸化性ガスへの曝露時には反対の挙動を観察でき、この場合にはｎ型ＭＯＸの抵抗は、酸化性分析物ガスに曝されるとまず増加する。
次に図２Ｂを参照すると、還元性分析物（またはガス）の存在下でのｐ型金属酸化物（ＭＯＸ）層の例の抵抗（すなわちグラフのｙ軸）を経時的に（すなわちグラフのｘ軸）示したグラフが示される。図２Ｂに示されるように、分析物ガスが導入される前の空気だけの抵抗（Ｒ空気）は最初低い。分析物ガスが導入された時点で、抵抗がより低いＲ空気レベルからより高いＲガスレベルに徐々に増加する。分析物ガスが再び空気だけが存在する時点まで除去されるかまたは他のやり方で排出されると、抵抗はより高いＲガスレベルから再びより低いＲ空気レベルに徐々に減少する。図２Ｂには示されないが、（還元性分析物またはガスとは対照的に）Ｏ３（オゾン）などの酸化性ガスへの曝露時には反対の挙動を観察でき、この場合にはｐ型ＭＯＸの抵抗は、酸化性分析物ガスに曝されるとまず減少する。
図２Ａおよび２Ｂに示されるデータは、単層ガス・センサ・デバイス（すなわちｐ型ＭＯＸ層およびｎ型ＭＯＸ層のいずれか一つ）についてのものであり、ｎ型層とｐ型層との間で応答および回復タイムスケールおよびプロファイルは大きく異なりうることが認識されねばならない。
ある実施形態では、これらの検出応答の差が機械学習（ＭＬ：Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ）アルゴリズムによって利用されて、異なる物質または混合物を判別し、揮発性物質を識別し、異なるガス環境を特徴付けることができるモデルが生成される。単に互いに比例する（すなわち線形に依存する）応答は、（測定ノイズを低下させる可能性は別として）ガス判別のために使用されうる情報を加えることはできない。
本発明の実施形態の多層ＭＯＸガス・センサ・デバイスは、異なる検出挙動を示す単一の構造体に統合される。まず、（例えば図１に示した加熱素子１１０を用いて）ガス・センサ・デバイス１００の動作温度を変化させることによって、構造体全体が検出層のいずれかに特徴的な応答を提示しうる。一方がｎ型であり他方がｐ型である二つの積層された層の場合には、観察される検出挙動は、図３および４に関して以下でさらに詳細に記載されるように、温度に依存してｎ型支配からｐ型支配に移行しうる。加えて、本明細書に記載される（所与の厚さの二つの層が接合部で接触する）形状により、センサ応答が個々の層の各応答の複雑な組み合わせである第三動作状態が生じる。このような組み合わせにより、単層ガス・センサ・デバイス構造体ではどのような作動条件のセットでも生成できない、抵抗（または等価に）時間に対する電流の固有のプロファイルが得られる。各層の個々によってまたはそれらの組み合わせによって生成されるプロファイルから、データ処理を介して貴重な特徴が抽出され、ガス検出の目的の機械学習アルゴリズムに提供されうる。
次に図３を参照すると、トルエンの存在下でのｎ型金属酸化物層とｐ型金属酸化物層とを有する二層ガス・センサ・デバイスの例（例えば図１に示したガス・センサ・デバイス）の電流（すなわちグラフのｙ軸）を経時的に（すなわちグラフのｘ軸）示したグラフが示される。ガス・センサ・デバイスのいくつかの異なる動作温度（すなわち２０度刻みの２２０℃～４００℃の範囲の温度）に対応するいくつかの線がグラフに示される。特に、図３は、厚さ７０ｎｍのＳｎＯ２下部層（ｎ型）および厚さ１５ｎｍのＮｉＯ上部層（ｐ型）の二つの積層された層を備えるヘテロ接合ＭＯＸガス・センサ・デバイスの出力を示す。温度が低温（２２０℃）から高温（４００℃）に変動させられると、ベースライン電流（すなわち検出すべきガスが非存在であるときに測定される電流）が徐々に増加する。このベースラインの傾向は、図２Ａおよび２Ｂに関して上述したように、様々な単層ＭＯＸベースセンサで観察されうることが多い。
目的の還元性ガス（この例では２００ｐｐｂのトルエン）が（図３の～７００秒の時間に）センサの表面に近接させられると、それが電流の変化として検出される。低い動作温度（２２０℃≦Ｔ≦２８０℃）では、ｎ型ＭＯＸセンサに特徴的であるように電流が増加する。これは、下部層（ｎ型）がデバイスの応答を支配していることを示す。他方で、デバイスを高温（３４０℃≦Ｔ≦４００℃）で動作させながら同一のガス曝露を提供すると、ｐ型ＭＯＸセンサに特徴的な電流の減少がもたらされる。これは、高温状態では、応答が上部ｐ型ＭＯＸ層によって支配される（すなわち下部ｎ型ＭＯＸ層によって支配されなく）ことを示す。
最後に、中間範囲の動作温度では、デバイス応答はｎ型またはｐ型層のいずれによっても支配されず、代わりにｎ型層とｐ型層との組み合わせである。図３に示すように、異なる材料の応答は異なる時間スケールにわたって生じ、これらは互いに厳密に相殺しない。代わりに、ガス曝露（～７００秒の時間）後の初期段階に電流が急速に増加するが（例えば３００℃曲線）、結局その直後に元のベースライン以下のレベルに低下する、第三の明確なプロファイルのセットが観察される。この温度範囲のプロファイルは、単層デバイスのプロファイルとは一致せず、本発明の実施形態のガス・センサ・デバイス１００の積層された層構成に固有であり、したがって機械学習分類アルゴリズムによって抽出および処理されると追加情報を提供しうる。
次に図４を参照すると、アセトンの存在下でのｎ型金属酸化物層とｐ型金属酸化物層とを有する二層ガス・センサ・デバイスの例（例えば図１に示したガス・センサ・デバイス）の電流（すなわちグラフのｙ軸）を経時的に（すなわちグラフのｘ軸）示したグラフが示される。図３のグラフと同様に、ガス・センサ・デバイスのいくつかの異なる動作温度（すなわち２０度刻みの２２０℃～４００℃の範囲の温度）に対応するいくつかの線がグラフに示される。特に、図４は、厚さ７０ｎｍのＳｎＯ２下部層（ｎ型）および厚さ１５ｎｍのＮｉＯ上部層（ｐ型）の二つの積層された層を備えるヘテロ接合ＭＯＸガス・センサ・デバイスの出力を示す。温度が低温（２２０℃）から高温（４００℃）に変動させられると、ベースライン電流（すなわち検出すべきガスが非存在であるときに測定される電流）が徐々に増加する。
目的の還元性ガス（この例ではアセトン）が（図３の～７００秒の時間に）センサの表面に近接させられると、それが電流の変化として検出される。低い動作温度（２２０℃≦Ｔ≦２８０℃）では、ｎ型ＭＯＸセンサに特徴的であるように電流が増加する。これは、下部層（ｎ型）がデバイスの応答を支配していることを示す。他方で、デバイスを高温（３４０℃≦Ｔ≦４００℃）で動作させながら同一のガス曝露を提供すると、ｐ型ＭＯＸセンサに特徴的な電流の減少がもたらされる。これは、高温状態では、応答が上部ｐ型ＭＯＸ層によって支配される（すなわち下部ｎ型ＭＯＸ層によって支配されなく）ことを示す。
最後に、トルエンに関して上の図３に示した例と同様に、中間範囲の動作温度では、図４に示したデバイス応答はｎ型またはｐ型層のいずれによっても支配されず、代わりにｎ型層とｐ型層との組み合わせである。図４に示したように、ガス曝露（～７００秒の時間）後の初期段階に電流が急速に増加するが（例えば３００℃曲線）、結局その直後に元のベースライン以下のレベルに低下する、第三の明確なプロファイルのセットが観察される。図３に関して上述した例と同様に、この温度範囲のプロファイルは、単層デバイスのプロファイルとは一致せず、本発明の実施形態のガス・センサ・デバイス１００の積層された層構成に固有であり、したがって機械学習分類アルゴリズムによって抽出および処理されると追加情報を提供しうる。
図３および４は、異なる温度で二つの異なるガスに曝される一つのガス・センサ・デバイス１００の例を示すことが認識されねばならない。これらの例では、異なる温度での経時的な電流の全体的傾向は、幾分類似しうる。しかし、曲線の形状には、機械学習分類アルゴリズムの助けを借りて処理および区別されうるある程度の差が見られる。
次に図５を参照すると、この図は、三つの異なるガス（すなわちアセトン、エタノール、およびトルエン）に曝されたときの、ヘテロ接合ＭＯＸガス・センサ・デバイス１００の例（すなわち厚さ７０ｎｍのＳｎＯ２ ｎ型層と厚さ１５ｎｍのＮｉＯ ｐ型層とを含む二層構造体）の応答を示す。この例では、図３に示すものと同様の温度プロファイルが生成される。図５では、グラフは応答の振幅を示す（図３の電流値を抵抗Ｒに変換した後のΔＲ／Ｒと定義される）。図５に示されるように、異なるガスに対する同じデバイスの応答は、動作温度（温度の関数としての振幅の変化によって示される）だけでなく、検出されるガスの種類にも依存する。したがって、本発明の実施形態のある例では、ガス・センサ・デバイスは、部分的にあるガスに対して他のガスと比較して選択的である（すなわちガス・センサ・デバイスは一部のガスに優先的に応答する）。これにより、ガスの検出および判別の改善が可能になりうる。
ここで図６を参照すると、この図は、図５のデバイスと比較した、同じ材料（ＳｎＯ２およびＮｉＯ）を含むが厚さが異なる（すなわち厚さ７０ｎｍのＳｎＯ２ ｎ型層と厚さ１０ｎｍのＮｉＯ ｐ型層とを含む二層構造体）ヘテロ接合ＭＯＸガス・センサ・デバイス１００の、図５で使用した同じ三つの同じ濃度のガスに対する応答を示す。二つのデバイス（すなわち層の厚さが異なるデバイス）の挙動は著しく異なる。この知見は、本明細書に記載される検出挙動の出現（ｎ型からｐ型への応答の移行）を引き起こすためにデバイス層の厚さを適切な範囲内に制御することの重要性を強調する。これにより、厚さもしくは材料またはその両方が異なるデバイスを製作することにより多感覚ガス・ソリューションによって生成されうるパターンの範囲も拡大しうる。
本発明の実施形態は、ｎ型ＭＯＸ材料（例えばＳｎＯ２、Ｉｎ２Ｏ３、ＷＯ３、ＺｎＯ、ＭｇＯ、ＴｉＯ２、．．．）とｐ型ＭＯＸ材料（例えばＮｉＯ、Ｃｏ３Ｏ４、ＰｄＯ、Ａｇ２Ｏ、．．．）との様々な組み合わせに適用されうる。このような組み合わせはそれぞれ、異なる応答プロファイルのセット（ｎ型支配、ｐ型支配、またはｎ型とｐ型との組み合わせ）を生じうる。したがって、本発明の実施形態により、ガス識別のための多感覚プラットフォームへの統合のための理想的な特性を備えた多種多様なガス・センサが可能になりうる。
ガス検出の構想は、以上に記載したｐ‐ｎの二層組み合わせに限定されないことが認識されねばならない。ある実施形態では、ｎ‐ｎまたはｐ‐ｐヘテロ接合（すなわち電気輸送特性が同じ多数キャリアに依存する異なるＭＯＸ材料）も、個々の層またはそれらの組み合わせに特徴的なプロファイルを提供することが可能でありうる。
なお、実施形態は二層ガス・センサ・デバイス構造体に限定されないことも認識されねばならない。他の実施形態では、三つ以上のＭＯＸ層が使用されてもよい。すなわち、より多数の層を有するこれらの実施形態は、多重化効果（すなわちスタック内の選ばれた層に特徴的な応答を選択する能力）を多層体（Ｎ＞２）に一般化することができ、異なる温度を用いて各層を「活性化」し、その検出特性にアクセスすることができる。
本明細書に記載される多層ガス・センサ・デバイスの実施形態は、有利なガス検出方法の実施を可能としうる。一つのデバイスに多様な応答パターン（このようなパターンは単に動作温度を変動させることによってアクセス可能である）を組み込むことによって、製造プロセスの改善、より低い電力消費、およびより小さなフットプリントを可能にしながらガス検出における選択性を改善することが可能になりうる。このデバイスの構想の柔軟性により、様々なＭＯＸ材料の組み合わせ、それぞれのＭＯＸ層の様々な厚さ、および様々な層数から生じるであろう多種多様なセンサ応答が可能になりうる。
次に図７を参照すると、本発明の実施形態が適用されうる例示的な処理システム５００が、一実施形態にしたがって示される。処理システム５００は、システム・バス５０２を介して他のコンポーネントに動作可能に連結された少なくとも一つのプロセッサ（ＣＰＵ）５０４を含む。キャッシュ５０６、リードオンリ・メモリ（ＲＯＭ：Ｒｅａｄ‐Ｏｎｌｙ Ｍｅｍｏｒｙ）５０８、ランダムアクセス・メモリ（ＲＡＭ：Ｒａｎｄｏｍ‐Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）５１０、入力／出力（Ｉ／Ｏ：ｉｎｐｕｔ／ｏｕｔｐｕｔ）アダプタ５２０、サウンド・アダプタ５３０、ネットワーク・アダプタ５４０、ユーザ・インタフェース・アダプタ５５０、およびディスプレイ・アダプタ５６０が、システム・バス５０２に動作可能に連結される。
第一記憶デバイス５２２および第二記憶デバイス５２４が、Ｉ／Ｏアダプタ５２０によってシステム・バス５０２に動作可能に連結される。記憶デバイス５２２および５２４は、ディスク記憶デバイス（例えば磁気または光ディスク記憶デバイス）、固体磁気デバイス等のいずれでありうる。記憶デバイス５２２および５２４は、同じタイプの記憶デバイスであっても異なるタイプの記憶デバイスであってもよい。
スピーカ５３２が、サウンド・アダプタ５３０によってシステム・バス５０２に動作可能に連結される。トランシーバ５４２が、ネットワーク・アダプタ５４０によってシステム・バス５０２に動作可能に連結される。ディスプレイ・デバイス５６２が、ディスプレイ・アダプタ５６０によってシステム・バス５０２に動作可能に連結される。
第一ユーザ入力デバイス５５２、第二ユーザ入力デバイス５５４、および第三ユーザ入力デバイス５５６が、ユーザ・インタフェース・アダプタ５５０によってシステム・バス５０２に動作可能に連結される。ユーザ入力デバイス５５２、５５４、および５５６は、キーボード、マウス、キーパッド、画像キャプチャ・デバイス、運動検出デバイス、マイクロフォン、前述のデバイスのうちの少なくとも二つの機能性を組み込んだデバイス、または任意の他の適切なタイプの入力デバイスのいずれかでありうる。ユーザ入力デバイス５５２、５５４、および５５６は、同じタイプのユーザ入力デバイスであっても異なるタイプのユーザ入力デバイスであってもよい。ユーザ入力デバイス５５２、５５４、および５５６は、システム５００との間で情報を入出力するために使用される。ある実施形態では、ガス・センサ応答出力の形状およびパターンを識別する能力をもつニューラル・ネットワーク・コンポーネント５９０が、システム・バス５０２に動作可能に連結される。すなわち、一つ以上のガスを識別するためにガス・センサ出力の形状およびパターンを学習するニューラル・ネットワーク・コンポーネント５９０としてＡＩまたは他のディープ・ラーニング・システムが使用されうる。
処理システム５００は、当業者によって容易に予期されるように他の要素（図示せず）も含むことができるだけでなく、ある要素を省略することもできる。例えば、通常の技術を有する当業者に容易に理解されるように、様々な他の入力デバイスもしくは出力デバイスまたはその両方が、処理システム５００にその特定の実施態様に応じて含まれうる。例えば、様々なタイプの無線もしくは有線またはその両方の入力デバイスもしくは出力デバイスまたはその両方が使用されうる。さらに、通常の技術を有する当業者に容易に認識されるように、様々な構成の追加のプロセッサ、コントローラ、メモリなどが利用されることもできる。処理システム５００のこれらおよび他のバリエーションは、本明細書中に提供される本開示の教示を前提として通常の技術を有する当業者によって容易に予期される。
本開示は、クラウド・コンピューティングの詳細な説明を含むが、本明細書に記載の教示の実施態様は、クラウド・コンピューティング環境に限定されないことを理解されたい。むしろ、本発明の実施形態は、現在知られているかまたは後に開発される他の任意のタイプのコンピューティング環境と連動して実施されることができる。
クラウド・コンピューティングは、最小限の管理労力またはサービスのプロバイダとのインタラクションで迅速にプロビジョニングおよびリリースされうる、構成可能なコンピューティング・リソース（例えばネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、ストレージ、アプリケーション、仮想機械、およびサービス）の共有プールへの簡便なオンデマンド・ネットワーク・アクセスを可能にするためのサービス配信のモデルである。このクラウド・モデルは、少なくとも五つの特徴、少なくとも三つのサービス・モデル、および少なくとも四つの展開モデルを含みうる。
特徴は以下の通りである。
オンデマンド・セルフ・サービス：クラウド・コンシューマは、サービスのプロバイダとの人的やり取りを要せずに必要に応じて自動的にサーバの時間およびネットワーク・ストレージなどのコンピューティング能力を一方的に設定しうる。
幅広いネットワーク・アクセス：能力はネットワーク上で利用可能であり、異種のシンまたはシック・クライアント・プラットフォーム（例えば携帯電話、ラップトップ、およびＰＤＡ）による利用を促進する標準的機構を通じてアクセスされる。
リソースのプール：プロバイダのコンピューティング・リソースは、マルチテナント・モデルを使用して複数のコンシューマに提供されるようにプールされ、様々な物理的リソースおよび仮想リソースが需要に応じて動的に割り当ておよび再割り当てされる。コンシューマは通常、提供されたリソースの正確な場所についての制御力または知識を有しないが、より抽象的なレベル（例えば国、州、またはデータセンタ）で場所を特定しうるという点で、場所にとらわれない感覚が存在する。
スピーディな拡張性：能力は、スピーディに弾力的に、場合によっては自動的に提供されて即座にスケール・アウトし、スピーディに解放されて即座にスケール・インしうる。コンシューマにとって、提供のために利用可能な能力は多くの場合無限に見え、いつでも任意の量で購入されうる。
測定されるサービス：クラウド・システムは、サービスの種類（例えばストレージ、処理、帯域幅、およびアクティブなユーザ・アカウント）に適した何らかの抽象レベルで計測能力を活用することにより、リソースの利用を自動的に制御および最適化する。リソースの利用状況は、監視、制御、および報告されることができ、利用されるサービスのプロバイダおよびコンシューマの両方に透明性を提供する。
サービス・モデルは以下の通りである。
サービスとしてのソフトウェア（ＳａａＳ：Ｓｏｆｔｗａｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ）：コンシューマに提供される能力は、クラウド・インフラストラクチャ上で実行されるプロバイダのアプリケーションを使用することである。アプリケーションは、ウェブ・ブラウザなどのシン・クライアント・インタフェース（例えばウェブベースの電子メール）を通じて、様々なクライアント・デバイスからアクセス可能である。コンシューマは、限られたユーザ固有のアプリケーション構成設定を場合によっては除いて、ネットワーク、サーバ、オペレーティング・システム、ストレージまたは個々のアプリケーション能力をも含む基礎的クラウド・インフラストラクチャを管理または制御しない。
サービスとしてのプラットフォーム（ＰａａＳ：Ｐｌａｔｆｏｒｍ ａｓ ａ Ｓｅｒｖｉｃｅ）：コンシューマに提供される能力は、プロバイダによってサポートされるプログラミング言語およびツールを使用して作成されるコンシューマが作成または入手したアプリケーションをクラウド・インフラストラクチャ上に展開することである。コンシューマは、ネットワーク、サーバ、オペレーティング・システム、またはストレージを含む基礎的クラウド・インフラストラクチャを管理または制御しないが、展開されたアプリケーションおよび場合によってはアプリケーション・ホスティング環境構成を制御できる。
サービスとしてのインフラストラクチャ（ＩａａＳ：Ｉｎｆｒａｓｔｒｕｃｔｕｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ）：コンシューマに提供される能力は、処理、ストレージ、ネットワーク、および他の基本的なコンピューティング・リソースを提供することであり、コンシューマは、オペレーティング・システムおよびアプリケーションを含みうる任意のソフトウェアを配置して実行させることができる。コンシューマは、基礎的クラウド・インフラストラクチャを管理または制御しないが、オペレーティング・システム、ストレージ、配置されたアプリケーションを制御でき、場合によっては選抜されたネットワーキング・コンポーネント（例えばホスト・ファイアウォール）を限定的に制御できる。
配置モデルは以下の通りである。
プライベート・クラウド：クラウド・インフラストラクチャは、ある組織専用に運用される。クラウド・インフラストラクチャは、その組織または第三者によって管理されることができ、構内または構外に存在することができる。
コミュニティ・クラウド：クラウド・インフラストラクチャは、いくつかの組織によって共有され、共有の懸念事項（例えばミッション、セキュリティ要件、ポリシー、およびコンプライアンスの考慮事項）を有する特定のコミュニティをサポートする。クラウド・インフラストラクチャは、これらの組織または第三者によって管理されることができ、構内または構外に存在することができる。
パブリック・クラウド：クラウド・インフラストラクチャは、一般大衆または大きな業界グループに利用可能にされ、クラウド・サービスを販売する組織によって所有される。
ハイブリッド・クラウド：クラウド・インフラストラクチャは、固有のエンティティであり続けるがデータおよびアプリケーションのポータビリティを可能にする標準化されたまたは専用の技術（例えばクラウド間の負荷平衡のためのクラウド・バースティング）によって一緒に結び付けられた二つ以上のクラウド（プライベート、コミュニティ、またはパブリック）の合成物である。
クラウド・コンピューティング環境はサービス指向であり、状態非依存性、低結合度、モジュール性、およびセマンティックな相互運用性に重点を置く。クラウド・コンピューティングの中心には、相互接続されたノードのネットワークを含むインフラストラクチャがある。
次に図８を参照すると、例示的なクラウド・コンピューティング環境６５０が示される。図示のように、クラウド・コンピューティング環境６５０は、例えばパーソナル・デジタル・アシスタント（ＰＤＡ：ｐｅｒｓｏｎａｌ ｄｉｇｉｔａｌ ａｓｓｉｓｔａｎｔ）もしくは携帯電話６５４Ａ、デスクトップ・コンピュータ６５４Ｂ、ラップトップ・コンピュータ６５４Ｃ、もしくは自動車コンピュータ・システム６５４Ｎまたはそれらの組み合わせなどのクラウド・コンシューマにより使用されるローカル・コンピューティング・デバイスが通信しうる一つ以上のクラウド・コンピューティング・ノード６１０を含む。ノード６１０は、互いに通信しうる。これらは、本明細書に上述したプライベート、コミュニティ、パブリックもしくはハイブリッド・クラウドまたはそれらの組み合わせなど、一つ以上のネットワークにおいて物理的または仮想的にグループ化されうる（図示せず）。これにより、クラウド・コンピューティング環境６５０は、クラウド・コンシューマがローカル・コンピューティング・デバイス上にリソースを維持する必要がないサービスとしてインフラストラクチャ、プラットフォームもしくはソフトウェアまたはそれらの組み合わせを提供することが可能になる。図６に示されるコンピューティング・デバイスのタイプ６５４Ａ～Ｎは、例示を意図したものにすぎず、コンピューティング・ノード６１０およびクラウド・コンピューティング環境６５０は、任意のタイプのネットワークもしくはネットワークアドレス可能な接続またはその両方により（例えばウェブ・ブラウザを使用して）任意のタイプのコンピュータ化デバイスと通信しうるものと理解される。
ここで図９を参照すると、クラウド・コンピューティング環境６５０（図８）によって提供される機能抽象層の集合が示される。図９に示されるコンポーネント、層、および機能は例示を意図したものにすぎず、本発明の実施形態はそれらに限定されないことが予め理解されねばならない。図示されるように、以下の層および対応する機能が提供される。
ハードウェアおよびソフトウェア層７６０は、ハードウェアおよびソフトウェア・コンポーネントを含む。ハードウェア・コンポーネントの例は、メイン・フレーム７６１、ＲＩＳＣ（Ｒｅｄｕｃｅｄ Ｉｎｓｔｒｕｃｔｉｏｎ Ｓｅｔ Ｃｏｍｐｕｔｅｒ：縮小命令セット・コンピュータ）アーキテクチャ・ベース・サーバ７６２、サーバ７６３、ブレード・サーバ７６４、記憶デバイス７６５、ならびにネットワークおよびネットワーキング・コンポーネント７６６を含む。いくつかの実施形態では、ソフトウェア・コンポーネントは、ネットワーク・アプリケーション・サーバ・ソフトウェア７６７およびデータベース・ソフトウェア７６８を含む。
仮想化層７７０は、仮想サーバ７７１、仮想ストレージ７７２、仮想プライベート・ネットワークを含む仮想ネットワーク７７３、仮想アプリケーションおよびオペレーティング・システム７７４、ならびに仮想クライアント７７５という仮想エンティティの例が提供されうる抽象層を提供する。
一例では、管理層７８０は、以下に説明される機能を提供しうる。リソース・プロビジョニング７８１は、クラウド・コンピューティング環境内でタスクを行うために利用されるコンピューティング・リソースおよび他のリソースの動的調達を提供する。計測および価格設定７８２は、クラウド・コンピューティング環境内でリソースが利用される際のコスト追跡、およびこれらのリソースの消費についての課金または請求を提供する。一例では、これらのリソースはアプリケーション・ソフトウェア・ライセンスを含みうる。セキュリティは、クラウド・コンシューマおよびタスクの識別検証、ならびにデータおよびその他のリソースの保護を提供する。ユーザ・ポータル７８３は、コンシューマおよびシステム管理者にクラウド・コンピューティング環境へのアクセスを提供する。サービス水準管理７８４は、必要なサービス水準に達するようにクラウド・コンピューティング・リソースの割り当ておよび管理を提供する。サービス水準合意（ＳＬＡ：Ｓｅｒｖｉｃｅ Ｌｅｖｅｌ Ａｇｒｅｅｍｅｎｔ）の計画および履行７８５は、ＳＬＡにしたがって将来の必要が見込まれるクラウド・コンピューティング・リソースの事前手配および調達を提供する。
作業負荷層７９０は、クラウド・コンピューティング環境が利用されうる機能性の例を提供する。この層から提供されうる作業負荷および機能の例は、マッピングおよびナビゲーション７９１、ソフトウェア開発およびライフサイクル管理７９２、仮想学級教育配信７９３、データ分析処理７９４、トランザクション処理７９５、ならびにニューラル・ネットワーク・ガス検出処理７９６を含む。
ここで図１０を参照すると、この図は、人工知能（ＡＩ）モデルの訓練およびＡＩモデルのガス・センサ・データへの適用のプロセス１０００を示したフローチャートである。動作１００２で、ガス・センサ・デバイス（例えば図１のガス・センサ・デバイス１００）の抵抗率訓練データが得られる。これは、様々な異なる温度での任意のガス（またはガスの組み合わせ）のデータでありうる。訓練モデルに含まれうる他のファクターは、ガス・センサのＭＯＸ薄膜の異なる層の厚さ、およびＭＯＸ薄膜のそれぞれの材料組成である。動作１００４で、ガス・センサ（単数または複数）の抵抗率訓練データを使用して一つ以上のＡＩモデルを訓練するために、ディープ・ラーニング人工知能（ＡＩ）システム（例えば図７に示すニューラル・ネットワーク・コンポーネント５７０）が使用されうる。動作１００４でＡＩモデルが訓練されると、動作１００６でガス・センサの新たな抵抗率データが得られる。動作１００８で、訓練されたＡＩモデルが新たな抵抗率データに適用されて、一つ以上のガスの存在が判断される。上述のように、ガス・センサ・データに基づくこれらの抵抗率曲線は、一つ以上の分析物ガスの存在を判断するために識別されうるあるパターンを有しうる。ある実施形態では、ＡＩシステムおよびディープ・ラーニング・ニューラル・ネットワークを利用して、ガスの存在が判断されうる。ある実施形態では、動作１００８でガス・センサ・デバイスの抵抗率データに基づいてリアルタイムのガス検出を行い、これらのガスの正体を自動的に（すなわちユーザ入力を必要とせずに）発見するように構成されるシステムが提供される。
本発明の実施形態は、任意の可能な技術的詳細レベルの統合におけるシステム、方法、もしくはコンピュータ・プログラム製品またはそれらの組み合わせでありうる。コンピュータ・プログラム製品は、プロセッサに本発明の態様を実施させるためのコンピュータ可読プログラム命令を有するコンピュータ可読記憶媒体（単数または複数）を含みうる。
コンピュータ可読記憶媒体は、命令実行デバイスにより使用するための命令を保持および記憶しうる有形のデバイスでありうる。コンピュータ可読記憶媒体は、例えば電子記憶デバイス、磁気記憶デバイス、光記憶デバイス、電磁記憶デバイス、半導体記憶デバイス、または以上の任意の適切な組み合わせでありうるがこれらに限定されない。コンピュータ可読記憶媒体のさらなる具体的な例の非網羅的なリストは、ポータブル・コンピュータ・ディスケット、ハードディスク、ランダムアクセス・メモリ（ＲＡＭ：ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、リードオンリ・メモリ（ＲＯＭ：ｒｅａｄ‐ｏｎｌｙ ｍｅｍｏｒｙ）、消去可能でプログラム可能なリードオンリ・メモリ（ＥＰＲＯＭ：ｅｒａｓａｂｌｅ ｐｒｏｇｒａｍｍａｂｌｅ ｒｅａｄ‐ｏｎｌｙ ｍｅｍｏｒｙすなわちフラッシュ・メモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ：ｓｔａｔｉｃ ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、ポータブル・コンパクト・ディスク・リードオンリ・メモリ（ＣＤ‐ＲＯＭ：ｃｏｍｐａｃｔ ｄｉｓｃ ｒｅａｄ‐ｏｎｌｙ ｍｅｍｏｒｙ）、デジタル多用途ディスク（ＤＶＤ：ｄｉｇｉｔａｌ ｖｅｒｓａｔｉｌｅ ｄｉｓｋ）、メモリスティック、フレキシブルディスク、パンチカードまたは命令が記録された溝内の隆起構造などの機械的にエンコードされたデバイス、および以上の任意の適切な組み合わせを含む。本明細書で使用されるコンピュータ可読記憶媒体は、電波もしくは他の自由に伝播する電磁波、導波路もしくは他の伝送媒体を通じて伝播する電磁波（例えば光ファイバ・ケーブルを通過する光パルス）、またはワイヤを通じて伝送される電気信号など、それ自体が一時的信号と解釈されてはならない。
本明細書に記載されるコンピュータ可読プログラム命令は、コンピュータ可読ストレージ媒体からそれぞれのコンピューティング／処理デバイスに、または、ネットワーク、例えばインターネット、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワークもしくは無線ネットワークまたはその組み合わせを介して外部コンピュータもしくは外部ストレージ・デバイスにダウンロードされうる。ネットワークは、銅線伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ、もしくはエッジ・サーバまたはその組み合わせを含みうる。各コンピューティング／処理デバイス内のネットワーク・アダプタ・カードまたはネットワーク・インタフェースは、ネットワークからコンピュータ可読プログラム命令を受け取り、それぞれのコンピューティング／処理デバイス内のコンピュータ可読記憶媒体への記憶のためにコンピュータ可読プログラム命令を転送する。
本発明の動作を実施するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セット・アーキテクチャ（ＩＳＡ：ｉｎｓｔｒｕｃｔｉｏｎ‐ｓｅｔ‐ａｒｃｈｉｔｅｃｔｕｒｅ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、集積回路のための構成データ、または、Ｓｍａｌｌｔａｌｋ（Ｒ）、Ｃ＋＋などのオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語もしくは類似のプログラミング言語などの手続き型プログラミング言語を含む一つ以上のプログラミング言語の任意の組み合わせで書かれたソース・コードもしくはオブジェクト・コードでありうる。コンピュータ可読プログラム命令は、全体的にユーザのコンピュータ上で、部分的にユーザのコンピュータ上で、スタンド・アロンのソフトウェア・パッケージとして、部分的にユーザのコンピュータ上で、および部分的にリモート・コンピュータ上で、または全体的にリモート・コンピュータもしくはサーバ上で、実行しうる。後者のシナリオにおいて、リモート・コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ：ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ）またはワイド・エリア・ネットワーク（ＷＡＮ：ｗｉｄｅ ａｒｅａ ｎｅｔｗｏｒｋ）を含む任意のタイプのネットワークを通じてユーザのコンピュータに接続されることができ、または（例えばインターネット・サービス・プロバイダを使用してインターネットを通じて）外部コンピュータに接続がなされうる。いくつかの実施形態において、例えばプログラム可能論理回路、フィールド・プログラム可能ゲート・アレイ（ＦＰＧＡ：ｆｉｅｌｄ‐ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、またはプログラム可能ロジック・アレイ（ＰＬＡ：ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ａｒｒａｙ）を含む電子回路は、本発明の態様を行うためにコンピュータ可読プログラム命令の状態情報を利用して電子回路をパーソナライズすることによってコンピュータ可読プログラム命令を実行しうる。
本発明の態様は、本発明の実施形態による方法、装置（システム）、およびコンピュータ・プログラム製品のフローチャート図もしくはブロック・ダイヤグラムまたはその両方を参照して本明細書で説明される。フローチャート図もしくはブロック・ダイヤグラムまたはその両方の各ブロック、およびフローチャート図もしくはブロック・ダイヤグラムまたはその両方のブロックの組み合わせは、コンピュータ可読プログラム命令によって実装されうることが理解されよう。
これらのコンピュータ可読プログラム命令は、コンピュータまたは他のプログラム可能データ処理装置のプロセッサを介して実行する命令がフローチャートもしくはブロック・ダイヤグラムまたはその両方の一つまたは複数のブロックに指定された機能／行為を実施するための手段を生み出すように、コンピュータまたは他のプログラム可能データ処理装置のプロセッサに提供されて機械を生成しうる。これらのコンピュータ可読プログラム命令は、命令が記憶されたコンピュータ可読記憶媒体がフローチャートもしくはブロック・ダイヤグラムまたはその両方の一つまたは複数のブロックに指定された機能／行為の態様を実施する命令を含む製造品を含むように、コンピュータ、プログラム可能データ処理装置もしくは他のデバイスまたはそれらの組み合わせに特定の様式で機能するように指示しうるコンピュータ可読記憶媒体に記憶されてもよい。
コンピュータ可読プログラム命令は、コンピュータ、他のプログラム可能装置、または他のデバイス上で実行する命令がフローチャートもしくはブロック・ダイヤグラムまたはその両方の一つまたは複数のブロックに指定された機能／行為を実施するように、コンピュータ実施プロセスを生成するために、コンピュータ、他のプログラム可能データ処理装置、または他のデバイスにロードされてコンピュータ、他のプログラム可能装置、または他のデバイス上で一連の動作行為を行わせることもできる。
図面のフローチャートおよびブロック・ダイヤグラムは、本発明の様々な実施形態によるシステム、方法、およびコンピュータ・プログラム製品の可能な実施態様のアーキテクチャ、機能性、および動作を示す。この点に関して、フローチャートまたはブロック・ダイヤグラムの各ブロックは、指定された論理機能（単数または複数）を実施するための一つ以上の実行可能命令を含むモジュール、セグメント、または命令の部分を表しうる。いくつかの代替的実施態様では、ブロックに記された機能は、図面に記された順序とは異なる順序で生じうる。例えば、連続して示される二つのブロックは、実際には、関連する機能性に応じて一つのステップとして遂行されてもよく、同時に、実質的に同時に、部分的にもしくは完全に時間的に重なる様式で実行されてもよく、またはブロックは逆の順序で実行されうる場合もある。ブロック・ダイヤグラムもしくはフローチャート図またはその両方の各ブロック、およびブロック・ダイヤグラムもしくはフローチャート図またはその両方のブロックの組み合わせは、指定された機能を行う専用ハードウェアベースのシステムによって実施されうることにも留意されたい。
様々な実施形態の説明が例示の目的で提示されているが、網羅的であることも、開示された実施形態に限定されることも意図していない。通常の技術を有する当業者には、説明された実施形態の範囲から逸脱することなく、多数の修正例およびバリエーションが明らかであろう。本明細書で使用される用語は、実施形態の原理、実際の応用例または市場で見られる技術に対する技術的改善を最もよく説明するために、または通常の技術を有する他の当業者が本明細書に開示される実施形態を理解できるようにするために選択された。

Claims (20)

  1. ガスを識別する方法であって、
    少なくとも二つの積層された金属酸化物層を備えるガス・センサ・デバイスを提供するステップであって、ガスの存在下での前記ガス・センサ・デバイスのコンダクタンスの変化が、前記積層された金属酸化物層の温度によって変動する、ステップと、
    前記ガスを前記積層された金属酸化物層に近接させるステップと、
    温度‐コンダクタンス・プロファイルを生成するために、前記ガスが複数の温度の前記積層された層に近接しているときに前記ガス・センサ・デバイスの前記コンダクタンスを測定するステップと、
    前記温度－コンダクタンス・プロファイルに基づいて目的のガスを識別するステップと
    を含む方法。
  2. 前記金属酸化物層の一つはｐ型層であり、前記金属酸化物層のもう一つはｎ型層である、請求項１に記載の方法。
  3. 前記ｐ型層の厚さは前記ｎ型層の厚さよりも小さい、請求項２に記載の方法。
  4. 前記温度－コンダクタンス・プロファイルは、前記層の厚さに依存し、前記温度－コンダクタンス・プロファイルは、前記層のある厚さで前記目的のガスを識別する前に判断される、請求項１に記載の方法。
  5. 前記温度‐コンダクタンス・プロファイルは、１００℃～５００℃の温度範囲で生成される、請求項１に記載の方法。
  6. （ｉ）前記温度範囲の第一部分にわたって、前記デバイスのコンダクタンスは前記積層された層のうちの第一層に特徴的であり、
    （ｉｉ）前記温度範囲の第二部分にわたって、前記デバイスのコンダクタンスは前記積層された層のうちの第二層に特徴的である、
    請求項５に記載の方法。
  7. 前記温度範囲の前記第一部分と前記温度範囲の前記第二部分との間の前記温度範囲の第三部分にわたって、前記デバイスのコンダクタンスは前記積層された層のうちの前記第一層と前記積層された層のうちの前記第二層との両方に特徴的である、請求項６に記載の方法。
  8. 前記積層された層のうちの前記第一層はｎ型の金属酸化物層であり、
    前記積層された層のうちの前記第二層はｐ型の金属酸化物層である、
    請求項６記載の方法。
  9. 前記ガス・センサ・デバイスは、少なくとも三つの積層された金属酸化物層を含む、請求項１に記載の方法。
  10. 前記金属酸化物層の一つはｐ型層であり、前記金属酸化物層のもう一つは異なるｐ型層である、または
    前記金属酸化物層の一つはｎ型層であり、前記金属酸化物層のもう一つは異なるｎ型層である、
    請求項１に記載の方法。
  11. 基板と、
    前記基板の上に形成された少なくとも二つの電極と、
    前記基板および前記電極の上に形成された第一金属酸化物層と、
    前記第一金属酸化物層の上に形成された第二金属酸化物層と
    を備えた多機能ヘテロ接合金属酸化物ガス・センサ・デバイスであって、
    ガスの存在下での前記ガス・センサ・デバイスのコンダクタンスの変化は、前記第一および第二金属酸化物層の温度によって変動する、
    多機能ヘテロ接合金属酸化物ガス・センサ・デバイス。
  12. 前記第一金属酸化物層はｐ型層であり、前記第二金属酸化物層はｎ型層である、請求項１１に記載の多機能ヘテロ接合金属酸化物ガス・センサ・デバイス。
  13. 前記ｐ型層の厚さは前記ｎ型層の厚さよりも小さい、請求項１２に記載の多機能ヘテロ接合金属酸化物ガス・センサ・デバイス。
  14. 前記第一金属酸化物層は、ＮｉＯ、Ｃｏ３Ｏ４、ＰｄＯ、およびＡｇ２Ｏからなる群より選択される少なくとも一つを含む、請求項１１に記載の多機能ヘテロ接合金属酸化物ガス・センサ・デバイス。
  15. 前記第二金属酸化物層は、ＳｎＯ２、Ｉｎ２Ｏ３、ＷＯ３、ＺｎＯ、ＭｇＯ、およびＴｉＯ２からなる群より選択される少なくとも一つを含む、請求項１１に記載の多機能ヘテロ接合金属酸化物ガス・センサ・デバイス。
  16. 前記第一金属酸化物層と前記第二金属酸化物層との組み合わせた膜厚は、１０～２００ｎｍの範囲である、請求項１１に記載の多機能ヘテロ接合金属酸化物ガス・センサ・デバイス。
  17. 前記基板に隣接して配置された加熱素子をさらに備える、請求項１１に記載の多機能ヘテロ接合金属酸化物ガス・センサ・デバイス。
  18. 前記ガス・センサ・デバイスは、少なくとも三つの積層された金属酸化物層を含む、請求項１１に記載の多機能ヘテロ接合金属酸化物ガス・センサ・デバイス。
  19. 前記第一金属酸化物層はｐ型層であり、前記第二金属酸化物層は異なるｐ型層である、請求項１１に記載の多機能ヘテロ接合金属酸化物ガス・センサ・デバイス。
  20. 前記第一金属酸化物層はｎ型層であり、前記第二金属酸化物層は異なるｎ型層である、請求項１１に記載の多機能ヘテロ接合金属酸化物ガス・センサ・デバイス。
JP2023517912A 2020-09-24 2021-09-16 多機能ヘテロ接合金属酸化物ガス・センサ Pending JP2023542166A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/030,675 US11686697B2 (en) 2020-09-24 2020-09-24 Multifunctional heterojunction metal oxide gas sensor
US17/030,675 2020-09-24
PCT/CN2021/118729 WO2022063018A1 (en) 2020-09-24 2021-09-16 Multifunctional heterojunction metal oxide gas sensor

Publications (1)

Publication Number Publication Date
JP2023542166A true JP2023542166A (ja) 2023-10-05

Family

ID=80740187

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023517912A Pending JP2023542166A (ja) 2020-09-24 2021-09-16 多機能ヘテロ接合金属酸化物ガス・センサ

Country Status (6)

Country Link
US (1) US11686697B2 (ja)
JP (1) JP2023542166A (ja)
CN (1) CN116235044A (ja)
DE (1) DE112021004292T5 (ja)
GB (1) GB2613523B (ja)
WO (1) WO2022063018A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024161739A1 (ja) * 2023-01-30 2024-08-08 Tdk株式会社 金属酸化物半導体ガスセンサ

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5250170A (en) 1990-03-15 1993-10-05 Ricoh Company, Ltd. Gas sensor having metal-oxide semiconductor layer
JP3191544B2 (ja) 1994-01-13 2001-07-23 富士電機株式会社 厚膜型ガスセンサ
US6627959B1 (en) 2002-04-16 2003-09-30 Boston Microsystems, Inc. P-n junction sensor
US7460958B2 (en) 2004-10-07 2008-12-02 E.I. Du Pont De Nemours And Company Computer-implemented system and method for analyzing mixtures of gases
WO2006068142A1 (ja) 2004-12-21 2006-06-29 Matsushita Electric Industrial Co., Ltd. ガス検知センサおよびガス検知装置
JP2006184252A (ja) 2004-12-28 2006-07-13 Tdk Corp ガスセンサ
US8234906B2 (en) 2006-10-19 2012-08-07 Societe de Chimie Inorganique et Organique en abrege “Sochinor” Sensor for gases emitted by combustion
CN104569061B (zh) 2015-01-26 2017-06-30 苏州纳格光电科技有限公司 金属氧化物半导体气体传感器及其制备方法
ES2629446B1 (es) 2015-10-02 2018-05-29 Universitat Politécnica de Catalunya Método de control para sensores químicos de gases y sistema de detección de gases
KR20180065493A (ko) 2016-12-08 2018-06-18 한국과학기술원 다공성 금속유기구조체를 이용하여 나노 크기의 이종 촉매가 결착된 금속산화물 나노튜브 및 이를 이용한 가스센서용 부재, 가스센서 및 그 제조방법

Also Published As

Publication number Publication date
US20220091060A1 (en) 2022-03-24
GB2613523A (en) 2023-06-07
US11686697B2 (en) 2023-06-27
WO2022063018A1 (en) 2022-03-31
CN116235044A (zh) 2023-06-06
DE112021004292T5 (de) 2023-06-15
GB2613523B (en) 2024-09-25

Similar Documents

Publication Publication Date Title
Dodda et al. All-in-one, bio-inspired, and low-power crypto engines for near-sensor security based on two-dimensional memtransistors
Zhang et al. High-throughput phase-field simulations and machine learning of resistive switching in resistive random-access memory
Wang et al. HfOx/AlOy Superlattice‐Like Memristive Synapse
Huang et al. Flexible, transparent, and wafer‐scale artificial synapse array based on TiOx/Ti3C2Tx film for neuromorphic computing
Mullani et al. Surface Modification of a Titanium Carbide MXene Memristor to Enhance Memory Window and Low‐Power Operation
Lee et al. Understanding of proton induced synaptic behaviors in three-terminal synapse device for neuromorphic systems
Bousoulas et al. Emulating artificial neuron and synaptic properties with SiO2-based memristive devices by tuning threshold and bipolar switching effects
JP2023542166A (ja) 多機能ヘテロ接合金属酸化物ガス・センサ
Poehls et al. Review of manufacturing process defects and their effects on memristive devices
Chen et al. Hafnium Oxide‐Based Ferroelectric Devices for Computing‐in‐Memory Applications
Sugawara et al. Low‐Frequency‐Noise Spectroscopy of TaOx‐based Resistive Switching Memory
Qin et al. Heterosynaptic plasticity achieved by highly anisotropic ionic migration in layered LixMoO3 for neuromorphic application
US11724354B2 (en) Apparatus and method for determining parameters of process operation
Min et al. Performance improvement in reservoir computing by using HfZrO2 FeFETs through operating voltage optimization
Kuśmierczyk et al. Electrochemical behavior of Pt-Au alloys
Lin et al. Low-k dielectrics characterization for damascene integration
Kim et al. Three-dimensional vertical structural electrochemical random access memory for high-density integrated synapse device
US20240098094A1 (en) Role assignment for intelligent virtual assistants
Bang et al. Fabrication and characterization of silicon nano-tip memristor for low-power neuromorphic application
US11864474B2 (en) ReRAM analog PUF using filament location
Kowalska et al. Influence of substrate type on structure of C-Pd thin films
Grandidier et al. Thin‐Film Solar Cells: Light Absorption Enhancement in Thin‐Film Solar Cells Using Whispering Gallery Modes in Dielectric Nanospheres (Adv. Mater. 10/2011)
Liu et al. Optical Transmission: Enhanced Optical Transmission through MacEtch‐Fabricated Buried Metal Gratings (Adv. Mater. 7/2016)
Jakubik Hydrogen Sensor with Palladium and Metal-Free Phthalocyanine Bilayer Structures in Surface Phthalocyanine Bilayer Structures in Surface Acoustic Wave Attenaution on Ferrofluid
Dhere et al. CIGS2 thin films on large area ultralightweight Ti/SiO/sub 2/substrates

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230327

RD16 Notification of change of power of sub attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7436

Effective date: 20230419

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240215