Ioniselektiiviset kanavatransistorit

Abstract

Viime aikoina erilaisten sensoreiden ja biosensoreiden määrä on lisääntynyt. Nykyaikana sensoreilta vaaditaan tarkkuutta, energiatehokkuutta, pientä kokoa ja vakautta pitkällä ajalla. Monilta sensoreilta myös vaaditaan yhteyttä internetiin. Näiden vaatimusten täyttäminen edellyttää yleensä puolijohdepohjaista rakennetta. Puolijohdepohjaiset ioniselektiiviset kanavatransistorit (ISFET, engl. ion-sensitive field-effect transistor) ovatkin nousseet yhdeksi suosituimmista biosensoreista. ISFET:ien avulla voidaan tarkastella liuoksessa esiintyvien ionien tai biomolekyylien konsentraatioita. Kandidaatintyön tarkoituksena on perehtyä ISFET-sensoreihin ja luoda käsitys niiden käytettävyydestä biosensoreina. Työssä perehdytään ISFET:ien toimintaan, rakenteeseen ja erilaisiin käyttökohteisiin tutustumalla ISFET:ejä käsittelevään kirjallisuuteen. ISFET:ien toiminta on pitkälti samanlaista muiden kanavatransistoreiden kanssa, mutta niissä metallinen hila on korvattu ioniherkällä kalvolla. Herkkyys on yksi ISFET:ien keskeisimmistä ominaisuuksista, ja siihen voidaan vaikuttaa esimerkiksi erilaisilla hilarakenteilla ja hilamateriaaleille. Yleisimpiä ISFET-sovelluksia ovat pH- ja DNA-ISFET:t. Näitä sovelluksia verrataan muihin olemassa oleviin pH:n ja DNA:n mittaamiseen käytettyihin ratkaisuihin. Lisäksi työssä käsitellään erilaisia tapoja sulauttaa ISFET osaksi elektroniikkaa, tarkastelemalla erilaisia mittauspiirejä ja koneoppimisen hyödyntämistä mittausvirheen korjaamisessa. Yleisimmin ISFET:ejä käytetään sensoriryhmässä, jolloin sillä saadaan mitattua suuria datamääriä kerralla. Sensoriryhmä mahdollistaa mittaustulosten keskiarvottamisen, mikä vähentää transistoreiden aiheuttaman poikkeaman vaikutusta mittaustulokseen. Työssä myös tuodaan esille ISFET-sensoreihin liittyviä haasteita ja niiden ratkaisemiseen kehiteltyjä keinoja. ISFET:ien suurin haaste on pitkän ajan ryöminnän aiheuttama virhe mitattavassa datassa. Kirjallisuudessa ryöminnän aiheuttaman virheen korjaamista on tutkittu koneoppimismallien avulla, ja havaittu sen tuottavan hyviä tuloksia. ISFET:ien haasteista huolimatta niiden todettiin olevan käytännöllisempiä muihin ratkaisuihin verrattuna. Niiden suurimmaksi eduksi havaittiin mittausdatan reaaliaikaisuus ja miniaturisointimahdollisuudet. Tulevaisuudessa ISFET-sensoreita pyritään yhdistämään internetiin ja kehittämään erilaisia puettavia laitteita, jotka mahdollistaisivat jatkuvan terveysseurannan. ISFET:ien uskotaan pysyvän merkityksellisenä biosensorina ja niiden yhdistämisen internettiin uskotaan lisäävän niiden suosiota entisestään.