(Invited) Large Area Ion Sensitive Graphene Field Effect Transistors for Potassium, Sodium and Chlorine Sensing
Notice bibliographique
Résumé
We review our work on large-area graphene based ion sensitive field effect transistors (ISFETs), employing metal oxide layers or ionophore based membranes. Unlike traditional silicon based ISFETs, our work is focused on macroscopic graphene devices fabricated using chemical vapour deposition methods. Large-area graphene ISFETs benefit from the combination of high mobility charge transport, reduced low-frequency noise with increasing transistor channel area, and facile integration with ion sensitive layers. Graphene ISFETs with an active area of approximately 1cm x 1cm are characterized by an rms current noise as low as 5 ~ nA in a 60 Hz bandwidth, field effect mobilities up to 5000 cm 2 V -1 s -1 and quantum capacitance limited coupling between graphene channel and the solid/electrolyte interface. We have demonstrated graphene ISFETs selectively sensitive to H + , K + , Na + and Cl - . In the case of H + sensing, metal oxides such as Ta 2 O 5 and Al 2 O 3 deposited by atomic layer deposition can be used to achieve Nernstian limited sensitivity with a 0.1 mpH resolution. Ion sensitive membranes based on ionophores can be used for selective sensing of other ionic species. For example, in the specific case of the K + , real-time sensing was achieved using potassium ionophore III with a detection limit of 10 -9 M [K + ], equivalent to 39~ng/L, and a resolution of 1.5×10 -3 log[K + ]. Spiking experiments reveal good reversibility and stability. The cross-sensitivity has been measured to be: 2.5 mV/decade for Na + , 4.2 mV/decade for Ca 2+ , 1.5 mV/decade for Mg 2+ and 9.0 mV/decade for NH 4 + . Graphene ISFETs are sufficiently robust to measure the K + content of common beverages and blood samples. We will conclude our talk with a discussion of open questions concerning graphene ISFET performance and their potential applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».