Ga2O3深紫外图像传感器研究取得进展

2022-07-11 10:13:39来源：中国科学院关键词：图像传感器传感器阅读量：23061

导读：Ga2O3是一种透明的氧化物半导体材料，在光电子器件方面有广阔的应用前景，被用作于Ga基半导体材料的绝缘层，以及紫外线滤光片，它还可以用作O2化学探测器。

　　中国科学院微电子研究所重点实验室与中国科学技术大学合作，首次实现基于超宽禁带半导体材料Ga2O3的背照式主动紫外图像传感器阵列，并在极弱光照条件下实现了成像。

　　紫外成像在航天与医疗等领域颇具应用价值。目前，高性能、低成本的紫外成像芯片难以获得。同时，基于Ⅲ-Ⅴ/Ⅱ-Ⅵ等宽禁带半导体的紫外探测器难以与Si基读出电路实现大规模集成，这限制了高性能紫外成像芯片的制造与应用。

　　氧化镓是一种无机化合物，化学式为Ga2O3。别名三氧化二镓，是一种宽禁带半导体，其导电性能和发光特性长期以来一直引起人们的注意。Ga2O3是一种透明的氧化物半导体材料，在光电子器件方面有广阔的应用前景，被用作于Ga基半导体材料的绝缘层，以及紫外线滤光片，它还可以用作O2化学探测器。

　　研究采用CMOS工艺兼容的IGZO TFT驱动Ga2O3紫外探测器，实现单片集成32×32紫外成像阵列。IGZO TFT器件表现出极低的漏电和驱动能力以及在正负偏压下良好的稳定性。Ga2O3探测器具有极低的噪声，对紫外光表现出极高的灵敏度，可实现对低至1pW/cm2的紫外光进行探测。

　　通过外围电路进行信号读取和处理，该图像传感器实现了在弱光下的成像应用。该成果为基于Ⅲ-Ⅴ/Ⅱ-Ⅵ等材料的可扩展、高密度图像传感器集成与应用提供了新的思路和解决方法。

　　相关研究成果(First Demonstration of High-Sensitivity (NEP<1fW·Hz-1/2) Back-Illuminated Active-Matrix Deep UV Image Sensor by Monolithic Integration of Ga2O3 Photodetectors and Oxide Thin-Film-Transistors)入选2022 VLSI。

上一篇：国外打造出首款自校准光子芯片，或将颠覆数据传输

下一篇：M1 Mac mini实例现已在亚马逊AWS云服务中普遍可用

我要评论

昵称

匿名

文明上网，理性发言。（您还可以输入200个字符)

表情

所有评论仅代表网友意见，与本站立场无关。

磁传感器市场持续升温，相关供应商加码布局
Allegro有约73%收入来自汽车市场(如电动车电机控制、ADAS系统)，21%来自工业领域(如工厂自动化)，其余为消费电子和通信。
磁传感器传感器
2025-04-16 16:50:07
L4级自动驾驶！埃安滴滴合作新车亮相
最近，广汽埃安与滴滴自动驾驶合作开发的首款L4级自动驾驶车型正式亮相。据悉，滴滴自动驾驶的硬件平台配备了33个传感器，包括激光雷达、摄像头、4D毫米波雷达、红外相机和声音传感器等。
L4级自动驾驶广汽埃安滴滴传感器
2025-04-14 10:58:48
人形机器人加速产业“进化” 传感器品类和数量将迎来双增长
传感器作为人形机器人感知系统的核心组件，作为人形机器人实现检测和控制的首要环节，是机器人系统获取外界状态和自身状态的重要途径，也是机器人迈向自主化、智能化的基础。
人形机器人传感器具身智能
2025-03-31 11:00:22
这家惯性传感器企业2024营收突破4亿元，净利润2.22亿元！
芯动联科的高性能的谐振式加速度计(FM加速计),可取代石英加速计,相较于传统加速度计产品提升了一个量级,报告期内已形成量产能力并开始小批量出货。
惯性传感器传感器
2025-03-19 15:23:39
2025年我国工业机器人核心零部件有望在多个关键领域打破“卡脖子”瓶颈，实现国产化
随着国内工业机器人产业链的不断完善，上游核心零部件、中游本体制造和下游系统集成的协同效应逐渐显现。2025年，我国工业机器人核心零部件有望在多个关键领域实现突破，加速国产化进程，打破“卡脖子”瓶颈。
工业机器人核心零部件传感器
2025-02-20 14:08:35
选对图像传感器，AI工业内窥镜检测效率倍增！
作为工业内窥镜的核心部件，图像传感器负责将光线转化为电信号，供计算机系统深入解析。当前主流的图像传感器主要分为金属氧化物半导体(CMOS)和电荷耦合器件(CCD)。
图像传感器工业内窥镜检测
2025-01-26 09:58:30

版权与免责声明：

凡本站注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本站授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：智能制造网”。违反上述声明者，本站将追究其相关法律责任。

本站转载并注明自其它来源（非智能制造网）的作品，目的在于传递更多信息，并不代表本站赞同其观点或和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、平台或个人从本站转载时，必须保留本站注明的作品第一来源，并自负版权等法律责任。如擅自篡改为“稿件来源：智能制造网”，本站将依法追究责任。

鉴于本站稿件来源广泛、数量较多，如涉及作品内容、版权等问题，请与本站联系并提供相关证明材料：联系电话：0571-89719789；邮箱：1271141964@qq.com。