Когда на следующей неделе Samsung Electronics представит свою последнюю технологию для смартфонов, одним из нововведений может быть то, о чем мало кто думал: гнущееся стекло.

На мероприятии Samsung Galaxy Unpacked 11 февраля в Сан-Франциско будет представлен второй складной смартфон технологического гиганта. Но в отличие от своего предшественника, Galaxy Fold, который дебютировал в прошлом году с пластиковой пленкой, способной к царапинам, на складном экране, в новой версии, как ожидается, будет использоваться специальное стекло, достаточно тонкое, чтобы его можно было сгибать, называемое ультратонким стеклом (UTG).

Использование устойчивого к царапинам стекла, которое уже знакомо потребителям, поможет Samsung улучшить свой телефон премиум-класса — возможность продемонстрировать свое технологическое лидерство на конкурентном рынке смартфонов, а также в сфере производства важнейших компонентов.

Подробнее о Forbes: Обзор Samsung Galaxy Fold: только для энтузиастов, но это, несомненно, будущее

Хотя технология UTG еще не сформировалась, она может стать важным элементом складных интеллектуальных устройств, говорит Бойс Фан, директор по исследованиям в WitsView, входящей в исследовательскую компанию TrendForce, занимающуюся производством дисплеев.По сравнению с пластиковыми пленками, «UTG обладает большей твердостью и хорошей прозрачностью», — отмечает Фан. «Что еще более важно, потребители уже привыкли к внешнему виду стеклянных крышек на смарт-устройствах».

Samsung недавно вторгся в UTG. В декабре она подала заявку на регистрацию товарного знака Samsung Ultra Thin Glass в Ведомство интеллектуальной собственности Европейского Союза. В том же месяце южнокорейские СМИ сообщили, что дочерняя компания Samsung по производству дисплеев инвестировала 11,6 миллиона долларов в контрольный пакет акций местного производителя стеклянных подложек Dowoo Insys, чтобы помочь со складными телефонами.

Ожидается, что вместе с утечками Макса Вайнбаха и Ice Universe, Samsung будет использовать UTG для своего следующего складного телефона. Если это произойдет, и это сработает, другие производители смартфонов могут последовать этому примеру, говорит Фан. «UTG станет важным материалом в будущем только в том случае, если Samsung успешно представит UTG в своих новых устройствах», — говорит он, прогнозируя, что к 2024 году рынок складных устройств с новой технологией стекла будет составлять от 4% до 5%.

Посетители смотрят на смартфон Samsung Galaxy Fold на выставке бытовой электроники и техники IFA 2019… [+] выставка 5 сентября 2019 г. в Берлине, Германия.

В настоящее время Samsung, похоже, единственный, кто может производить складные смартфоны с UTG, что и является целью технологического гиганта. Huawei и Motorola — единственные производители смартфонов, которые могут массово производить складные смартфоны (Mate X и Razr соответственно), но не со стеклом.

Подробнее о Forbes: Samsung и Motorola: складные телефоны должны быть больше, а не меньше

Компания Corning, поставляющая защитные стекла для iPhone и других смартфонов, еще не разработала технологию стекла для складных телефонов, которая была бы коммерчески жизнеспособной.«Хотя стекло все еще находится в разработке, мы полагаем, что оно может быть готово в ближайшие 12 месяцев», — сказал представитель компании.

Различные дисплеи

Samsung и раньше стремилась дифференцировать свои смартфоны с помощью дисплеев. В течение многих лет корейская компания была единственным крупным производителем смартфонов, использующим OLED-дисплеи, которые тоньше ЖК-панелей и имеют более четкие цвета. Даже Apple, которая традиционно сопротивлялась тенденциям, начатым ее конкурентами, в 2017 году начала использовать OLED-дисплеи для своих iPhone.

Выделение на насыщенном рынке смартфонов становится все более важным, поскольку рост в течение многих лет замедлялся. Согласно данным IDC, опубликованным на прошлой неделе, в четвертом квартале прошлого года поставки смартфонов во всем мире снизились на 1,1% по сравнению с аналогичным периодом прошлого года до 368,8 миллиона.

В то время как Samsung в настоящее время получает большую часть своей прибыли от полупроводников, смартфоны по-прежнему важны для конгломерата. В отчете о прибылях и убытках за четвертый квартал, опубликованном на прошлой неделе, операционная прибыль мобильного подразделения Samsung Electronics выросла на 67% до 2.52 триллиона вон (около 2 миллиардов долларов) по сравнению с тем же периодом прошлого года, что позволило компенсировать 34% -ное снижение операционной прибыли компании по сравнению с аналогичным периодом прошлого года до 6 миллиардов долларов.

Подробнее о Forbes: Ставка Samsung на 116 миллиардов долларов усиливает конкуренцию с Chip Giants

Падение квартальной операционной прибыли Samsung было в значительной степени замедлено падением цен на микросхемы памяти и слабым спросом на дисплейные панели. Операционная прибыль подразделения дисплеев в четвертом квартале упала на 77% до 189 миллионов долларов.

Но UTG в складных устройствах может стать критически важным для бизнеса дисплеев в долгосрочной перспективе. В заявлении о прибылях и убытках Samsung назвал три способа повышения прибыльности мобильных дисплеев. Первый из трех? «Отличный дизайн».

Биомиметические и гибкие пьезоэлектрические мобильные акустические датчики с мультирезонансными ультратонкими структурами для биометрии машинного обучения

Abstract

Гибкие резонансные акустические датчики привлекли значительное внимание как важный компонент для интуитивного взаимодействия человека с машиной (HMI) в будущем голосовом пользовательском интерфейсе (VUI). ).Сообщалось о нескольких исследованиях, имитирующих базилярную мембрану, но все еще имеющих размерный недостаток из-за ограничения управления многочастотным диапазоном и расширения резонансного спектра для фонетических частот полного покрытия. Здесь демонстрируется высокочувствительный пьезоэлектрический мобильный акустический датчик (PMAS), использующий ультратонкую мембрану для биомиметического контроля полосы частот. Результаты моделирования доказывают, что резонансную полосу пропускания пьезоэлектрической пленки можно расширить, применив мембрану из цирконата-титаната свинца (PZT) на ультратонком полимере для покрытия всего спектра голоса.Биометрическая аутентификация на основе машинного обучения демонстрируется встроенным модулем акустического датчика с процессором алгоритмов и настраиваемым приложением для Android. Наконец, исключительное снижение частоты ошибок при идентификации говорящего достигается с помощью модуля PMAS с небольшим объемом обучающих данных по сравнению с обычным микрофоном микроэлектромеханической системы.

ВВЕДЕНИЕ

В наступающую эру искусственного интеллекта (AI) и Интернета вещей (IoT) голосовой пользовательский интерфейс (VUI) привлекает значительный интерес для виртуального секретаря, умной бытовой техники, мобильной электроники и биометрии из-за интуитивное взаимодействие человека и машины (HMI) в гиперсвязанном обществе ( 1 — 4 ). Акустические датчики преобразуют аналоговую звуковую волну в цифровые сигналы, которые необходимы для голосовой связи HMI с помощью алгоритмов машинного обучения ( 5 — 7 ). Коммерческие конденсаторные и пьезоэлектрические микрофоны представляют собой плоскую частотную характеристику с низкой чувствительностью за счет размещения резонансной частоты выше звукового спектра ( 8 — 10 ). Одноканальные емкостные микрофоны также имеют недостатки, такие как высокое энергопотребление и нестабильная работа схемы из-за низкой чувствительности предварительного усиления.Напротив, человек может обнаружить резонансный звук, используя ~ 15 000 каналов волосковых клеток, что позволяет удаленно и точно распознавать ( 11 ).

Недавно несколько исследовательских групп сообщили о мультирезонансных пьезоэлектрических акустических датчиках, имитирующих базилярную мембрану улитки человека ( 5 , 12 — 16 ). Наша группа также разработала высокочувствительный гибкий пьезоэлектрический акустический датчик (f-PAS) с много настраиваемой полосой частот с использованием неорганического перовскита Pb (Zr _{0. 52} Ti _0,48 ) O ₃ [свинец-цирконат-титанат (PZT)] тонкая пленка ( 5 , 17 — 19 ). Резонансные электрические сигналы от f-PAS имели в четыре-восемь раз более высокую чувствительность, чем у эталонного конденсаторного микрофона в диапазоне голосовых частот. В этом новом типе акустического датчика самая сложная задача — охватить весь голосовой спектр за счет расширения резких резонансных пиков от ограниченных каналов. Также было продемонстрировано распознавание говорящего на основе машинного обучения, что позволило снизить уровень ошибок на 75% по сравнению с обычным акустическим датчиком конденсаторного типа.Однако большой размер устройства (35 мм на 20 мм) ограничивает интеграцию f-PAS в небольшой микрочип для мобильных систем и систем Интернета вещей. Широко известно, что чувствительность и резонансная частота обратно пропорциональны размеру уменьшения; следовательно, эти негативные синергетические влияния затрудняют создание высокочувствительного резонансного мобильного акустического датчика. Технология масштабирования акустического датчика основана на управлении полосой частот ультратонкой пьезоэлектрической мембраны при сохранении высокой чувствительности при миниатюрных размерах.Чтобы повысить чувствительность, mini f-PAS должен преодолеть обратную зависимость между масштабированием и чувствительностью, например, имитируя человеческую природу обнаружения резонансного звука ( 20 ).

В улитке человека крошечная трапециевидная базилярная мембрана (ширина ~ 1 мм) имеет в среднем ультратонкую структуру 10 мкм с постепенным изменением толщины ( 21 ). Удлиненная область тонкой базилярной мембраны резонирует на низких частотах, тогда как укороченная более толстая область базилярной мембраны отвечает на высоких частотах ( 22 ).Волосковые клетки преобразуют механические мембранные колебания резонансного звука в электрические импульсы, аналогичные гибкому пьезоэлектрическому механизму ( 21 ). Эти ультратонкие биомиметические структуры для механоэлектрической биоконверсии могут быть использованы для масштабирования резонансных пьезоэлектрических акустических датчиков для мобильных приложений.

Здесь мы сообщаем о высокочувствительном и гибком пьезоэлектрическом мобильном акустическом датчике (PMAS) с биомиметическим контролем полосы частот. Мультирезонансный голосовой спектр был достигнут за счет использования тонкой пленки PZT на ультратонкой полимерной мембране для акустического датчика мобильного размера (130 мм ² ).Наше моделирование теоретически доказало, что ультратонкий полимер может расширить резонансную полосу пропускания неорганической пьезоэлектрической пленки до фонетических частот полного покрытия, что является важным фактором гибкого акустического датчика. Биомиметическая пьезоэлектрическая мембрана PMAS показала выдающуюся добротную чувствительность (FOM) 52 мВ / Па на 130-миллиметровой площади ² , что превосходит предыдущие отчеты. Чувствительность PMAS в уменьшенном масштабе была улучшена за счет регулировки внутреннего напряжения и увеличения боковых диполей мембраны PZT.Электрические сигналы отношения сигнал / шум (SNR) и линейности к уровню звукового давления (SPL) были проанализированы, чтобы представить превосходную частотную характеристику резонансного PMAS. Биометрическая аутентификация для мобильных смартфонов также была продемонстрирована путем интеграции мини-PMAS, процессора машинного обучения и беспроводного передатчика в модуль мобильного акустического датчика. Модуль PMAS достиг 90% скорости идентификации говорящего с 56% снижением частоты ошибок по сравнению с обычным конденсаторным микрофоном с использованием алгоритма гауссовой модели смеси (GMM) с небольшим объемом обучающих данных.Биометрический модуль PMAS продемонстрировал коммерческое мобильное приложение f-PAS для удаленного и точного распознавания голоса.

РЕЗУЛЬТАТЫ

Биомиметическая PMAS и мобильная биометрическая аутентификация

схематично иллюстрирует общую концепцию биомиметического управления полосой частот и биометрической мобильной аутентификации миниатюрных PMAS. Ниже приведены подробные процедуры: (i) Ультратонкая пьезоэлектрическая мембрана была использована для имитации базилярной мембраны в улитке человека.Базилярная мембрана крошечной асимметричной трапециевидной формы использует ультратонкую мембрану средней толщины 10 мкм для обнаружения мультирезонансных частот ( 21 ). Этот биомиметический механизм позволяет управлять многочастотным диапазоном для масштабирования резонансного акустического датчика. Резонансная частота обратно пропорциональна размеру масштабирования PMAS, который определяется уравнением. 1 ( 23 )

, где f _R — резонансная частота, l и t — длина и толщина PMAS, а E и ρ — модуль упругости и плотность.Миниатюрный PMAS с многочастотным диапазоном был изготовлен с использованием биомиметической мембраны толщиной 10 мкм, аналогичной по толщине базилярной мембране. Резонансные частоты PMAS систематически настраивались на голосовой спектр, по которому распределяется большая часть вокальной энергии. (ii) PMAS состоял из ультратонкой полиэтилентерефталатной (ПЭТ) подложки, пьезоэлектрической мембраны с регулируемым напряжением и многоканальных встречно-штыревых электродов (IDE). Полимерная мембрана толщиной 4,8 мкм с низким коэффициентом добротности (Q-фактор) смогла покрыть весь диапазон частот голоса за счет расширения резонансной полосы пропускания PMAS ( 24 — 26 ). Для PMAS использовался метод лазерного подъема на неорганической основе (ILLO), как показано в разделе «Материалы и методы» и на рис. S1A ( 19 , 27 — 32 ). Чтобы увеличить чувствительность PMAS, внутреннее остаточное напряжение PZT-мембраны было скорректировано для улучшения дипольного выравнивания вдоль направления IDE ( 33 , 34 ). Мультирезонансная полоса PMAS продемонстрировала выдающуюся частотную чувствительность, превосходящую таковую у нерезонансного конденсаторного микрофона в голосовом спектре от 100 Гц до 4 кГц.(iii) Биометрическая аутентификация на основе машинного обучения была продемонстрирована путем интеграции PMAS с процессором алгоритмов и передатчиком сигналов. Многоканальные данные из PMAS, вставленного в смартфон, передавались по беспроводной сети в процессор машинного обучения и индивидуальное биометрическое приложение. Наконец, разрешение и запрет доступа к мобильному смартфону контролировалось алгоритмом GMM, сравнивающим входные многоканальные сигналы модуля PMAS с предварительно обученной базой данных.

( A ) Схематическая иллюстрация биомиметического управления многочастотным диапазоном и мобильной биометрической аутентификации миниатюрных PMAS: (i) Биомиметический ультратонкий PMAS, имитирующий базилярную мембрану улитки человека, чтобы локализовать мультирезонансную частоту в голосовом диапазоне от 100 Гц до 4 кГц . (ii) Высокочувствительная частотная характеристика PMAS для полного фонетического спектра за счет использования ультратонкого полимера с низкой добротностью, пьезоэлектрической мембраны с регулируемым напряжением и многоканального электрода.(iii) Биометрическая аутентификация для мобильного приложения с использованием встроенного акустического модуля, состоящего из мини-PMAS, процессора машинного обучения и беспроводного передатчика. ( B ) Фотография ультратонкой многоканальной мембраны PMAS, плавающей на хрупких пузырьках. На вставке показано изображение поперечного сечения тонкой пленки PZT и адгезионного слоя на ультратонком полимере, полученное с помощью сканирующей электронной микроскопии. Фото: Хи Сын Ван, Корейский передовой институт науки и технологий. ( C ) Сравнение чувствительности FOM (FOM _sens ) между высокочувствительными миниатюрными PMAS и ранее зарегистрированными резонансными пьезоэлектрическими акустическими датчиками.

показывает фотографию ультратонкого многоканального PMAS, который достаточно гибок, чтобы конформно контактировать с небольшими пузырьками. Эта ультратонкая мембрана чрезвычайно важна для преобразования крошечной входной звуковой волны в максимальные резонансные смещения. Как показано на вставке поперечного сечения изображения, полученного с помощью сканирующей электронной микроскопии, была получена подложка из ПЭТ толщиной 4,8 мкм для управления многочастотным диапазоном PMAS в диапазоне звуковых частот. Прямоугольную мембрану PZT толщиной 3 мкм с клеевым слоем толщиной 1 мкм использовали для изготовления биомиметического PMAS толщиной 10 мкм.отображает сравнение чувствительности FOM (FOM _sens ) между высокочувствительными мини-PMAS и ранее заявленными пьезоэлектрическими акустическими датчиками ( 5 , 12 — 17 ). Характеристики датчика на единицу размера являются важным фактором в акустических устройствах, поскольку чувствительность пропорциональна активной пьезоэлектрической площади ( 20 ). FOM _sens , который определяется как чувствительность на площадь, использует пиковое напряжение стандартного состояния 94 дБ, которое преобразуется по формуле.2 ( 15 )

Чувствительность = VP = VP0 × 10Lp20

(2)

где P ₀ — эталонное звуковое давление 0,00002 Па, L _p — УЗД в единицах дБ, а В — пиковое напряжение в децибелах L _p . Биомиметическая пьезоэлектрическая мембрана показала превосходный FOM _sens 40 мВ / Па · см ² , выше, чем у других резонансных акустических датчиков, как показано в таблице S1.По сравнению с предыдущим отчетом f-PAS (45 мВ / Па в области 450 мм ² ; l = 35 мм, w ₁ = 5 мм, w ₂ = 20 мм, и t = ~ 50 мкм), миниатюрный PMAS достиг не только уменьшения размера на 70%, но и улучшения чувствительности на 20% (52 мВ / Па на площади 130 мм ² ; l = 20 мм, w ₁ = 3 мм, w ₂ = 10 мм и t = ~ 10 мкм), как показано на рис.S1B ( 17 ).

Мультирезонансная полоса и повышенная чувствительность для полного фонетического спектра

отображает квадратичное поведение резонансной частоты по сравнению с уменьшением PMAS с использованием моделирования методом конечных элементов (FEM) с экспериментально идентичным материалом и формой пьезоэлектрика. Размеры PMAS были уменьшены в направлении x — y при сохранении трапециевидной формы и постоянной толщины мембраны 40 мкм (такой же, как у устройства f-PAS в предыдущем отчете) ( 17 ).Третья резонансная частота 130 мм ² была расположена выше диапазона частот голоса 10 кГц, что не подходит для резонансного акустического датчика ( 35 ). Чтобы расположить мультирезонансные частоты в пределах голосового спектра, для миниатюрной PMAS следует использовать ультратонкую полимерную мембрану, вдохновленную базилярной мембраной человека. показывает линейную корреляцию между резонансной частотой и толщиной мембраны в пределах фиксированной активной области 130 мм ² (те же размеры, что и у реального устройства PMAS) с помощью метода конечных элементов.Первая, вторая и третья резонансные частоты в мембране толщиной 10 мкм были распределены в диапазоне от 100 Гц до 4 кГц, что имеет решающее значение для выделения многорезонансных частотных полос в голосовом спектре. демонстрирует эффект расширения полосы пропускания PMAS за счет использования полимерной мембраны под неорганической тонкой пленкой. Частотный сигнал только тонкой пленки PZT представлял резкий и дискретный резонансный пик (∆ f ~ 40 Гц) из-за низкого коэффициента потерь ~ 0,0005. Напротив, ЦТС на ультратонком полимере с высоким коэффициентом потерь (~ 0.2) показал широкую резонансную полосу пропускания (∆ f ~ 300 Гц). Эти результаты моделирования можно интерпретировать так, что ультратонкая полимерная мембрана с упругим демпфированием и низкой добротностью (~ 16,6) генерировала дополнительные колебания около резонансной частоты PMAS ( 24 — 26 ). Коэффициент Q определяется следующим уравнением. 3

, где f ₀ — резонансная частота мембраны PMAS, а ∆ f — ширина полосы частот ниже 3 дБ от пикового значения.Кроме того, только тонкая пленка PZT показала непреднамеренный сдвиг резонансной частоты с 830 до 3410 Гц из-за более высокого модуля Юнга (~ 344 ГПа), чем у ультратонкого полимера (~ 2 ГПа) ( 23 , 35 ). В дополнение к управлению резонансной частотой, показанному на рисунке, расширение полосы пропускания за счет полимерной мембраны может предоставить инструмент для покрытия всего спектра человеческого голоса. Взаимосвязь между потенциалом и шириной резонансной полосы как функцией отношения полимера к пьезоэлектрической мембране также была смоделирована, чтобы доказать пригодность ультратонкого полимера для расширения частотной характеристики пленки PZT толщиной 3 мкм, как показано на рис.S2. Результат компромисса показал, что соотношение ультратонкого полимера к пьезоэлектрической пленке от 1 до 20 было достаточным для поддержки PZT-мембраны толщиной 3 мкм для покрытия целевого частотного спектра.

( A ) Расчет МКЭ для квадратичного поведения резонансных частот в соответствии с уменьшенным размером PMAS с толщиной 40 мкм ( l ‘ < l ). ( B ) Распределение резонансных частот в 130-миллиметровой активной области ² в зависимости от толщины PMAS, рассчитанной методом МКЭ ( t ‘ < t ).( C ) Сравнение резонансной ширины полосы только между тонкой пленкой PZT и PZT на ультратонком полимере. Результаты моделирования демонстрируют широкую полосу пропускания PZT на ультратонком полимере с низкой добротностью в диапазоне звуковых частот по сравнению с резким и дискретным резонансным спектром только тонкой пленки PZT. а.е., условные единицы. ( D ) Схемы и расчеты FEM для выравнивания диполей и пьезоэлектрического потенциала в плоскости при остаточном напряжении (растягивающем и сжимающем) в структуре IDE.( E ) Сравнение сжимающего напряжения при каждой толщине пьезоэлектрического элемента, рассчитанного путем изменения шага d в ​​зависимости от ориентации Psi в пике (110). ( F ) Значения насыщенности и остаточной поляризации в зависимости от толщины мембраны PZT путем измерения петель гистерезиса P-E. На нижней вставке показано изображение канала IDE, полученное оптическим микроскопом.

представляет схематические диаграммы и FEM-расчеты распределения пьезоэлектрического потенциала в ультратонкой 3-мкм мембране из PZT в зависимости от остаточного напряжения.Поляризованные диполи могут быть выровнены в поперечном или продольном направлениях посредством растягивающих или сжимающих напряжений в пленочной конфигурации, соответственно ( 33 ). Обратите внимание, что характеристики пьезоэлектрической мембраны могут быть улучшены за счет предпочтения бокового выравнивания диполя (то есть минимизированного напряжения сжатия) из-за геометрического соответствия с направлением IDE. Эта методология подтверждает, что чувствительность и производительность PMAS можно оптимизировать, применив к пьезоэлектрической мембране метод контроля внутреннего напряжения.представляет исследование остаточных напряжений в ультратонкой мембране из PZT с использованием метода дифракции рентгеновских лучей. Внутреннее напряжение было рассчитано на пике (110) с углом 2θ, равным 31 °, для оценки параметра расстояния d в соответствии с ориентацией sin ² φ, как показано на рис. S3. Сжимающее напряжение наблюдалось в мембране PZT с диапазоном толщины от 1 до 6 мкм из-за отклонения коэффициента теплового расширения между сапфировой подложкой (α _sap = 7,5 ppm / K) и мембраной PZT (α _PZT = 5.5 частей на миллион / К) ( 33 ). Кроме того, тенденция остаточного напряжения по толщине соответствовала постепенному изменению кристаллографической ориентации в плоскости (110) PZT, как показано на рис. S4. PZT-мембрана толщиной 3 мкм показала наименьшее напряжение сжатия (~ 587,9 МПа) и наибольшую предпочтительную ориентацию пика (110). Обратите внимание, что ориентация (110) PZT-мембраны может быть инициализирована и усилена до толщины 3 мкм, чтобы минимизировать несоответствие решетки с сапфировой подложкой c -плоскостью ( 36 ).Это наблюдение предполагает, что остаточное напряжение сжатия может быть уменьшено за счет предпочтительной кристаллографической ориентации PZT в зависимости от толщины мембраны. В результате максимальное значение поляризации может быть представлено в PZT толщиной 3 мкм с наименьшим сжимающим напряжением из-за предпочтительных боковых диполей в направлении IDE. Кристаллографическая ориентация в плоскости (110) была уменьшена из-за эффекта зажима подложки во время последующего осаждения PZT-мембраны после толщины 3 мкм ( 37 ).отображает поляризацию насыщения ( P _s ) и остаточную ( P _r ) поляризацию для оценки сегнетоэлектрических свойств ультратонкой PZT-мембраны в зависимости от толщины. На вставке показано изображение IDE, нанесенного на пьезоэлектрическую мембрану, с помощью оптического микроскопа. Петли гистерезиса поляризация-электрическое поле (P-E) в зависимости от толщины мембраны PZT показаны на рис. S5, демонстрирующий насыщение значения поляризации в пленке PZT толщиной 3 мкм.На основании этих результатов мы использовали PZT-мембрану толщиной 3 мкм для изготовления высокочувствительных миниатюрных PMAS.

Резонансная характеристика PMAS

показывает нанометровые и мультирезонансные смещения мембраны PMAS, измеренные лазерным доплеровским виброметром (LDV) в условиях белого шума с уровнем звукового давления 94 дБ. Во время качания частоты от 100 Гц до 4 кГц на вибрирующую ультратонкую мембрану облучали свет лазера LDV с длиной волны 632,8 нм. Вибрационное смещение измерялось частотным интервалом между падающим и отраженным лазерным светом.Частотное разделение многоканального PMAS было охарактеризовано с помощью резонансных колебаний через канал 2 вершины для низких частот и канал 6 базы для высоких частот ( 38 ). Смещения мембраны PMAS производились на несколько десятков нанометров во всем диапазоне звуковых частот. Частотные компоненты, оцененные с помощью LDV, согласовывались с резонансными частотами теоретического расчета с помощью моделирования методом конечных элементов в. представляет частотную характеристику миниатюрной PMAS с многорезонансной полосой в голосовом спектре.Входной белый шум определяется как смесь широкополосных частот с одинаковой интенсивностью. Безэховая камера с акустическим поглотителем использовалась для подавления внешнего шума и отражения волн при измерении электрических сигналов в условиях свободного поля ( 39 ). Частотная характеристика PMAS была построена путем выбора наивысшей относительной чувствительности среди семи каналов с помощью системы сбора динамического сигнала (DSA). Значение относительной чувствительности — это сравнение частотной характеристики PMAS и эталонного микрофона в одинаковых условиях.Подробные частотные характеристики семи каналов PMAS от 100 Гц до 4 кГц показаны на рис. S6. PMAS с мембраной PZT толщиной 3 мкм был оптимизирован путем сравнения частотных характеристик в зависимости от толщины PZT (рис. S7), что доказало, что вышеупомянутая зависимость напряжение-пьезопотенциал может поддерживаться аналогичной тенденцией максимальной чувствительности с поляризацией. кривая. Максимальная относительная чувствительность PMAS была на 50 дБ выше, чем у эталонного микрофона конденсаторного типа (G.R.A.S. 46BE) при 830 Гц. Наблюдалось линейное распределение в первой, второй и третьей резонансных полосах из-за изогнутой структуры PMAS ( 17 ). Коэффициент электромеханической связи и модель эквивалентной схемы Баттерворта-Ван Дайка также были рассчитаны анализатором импеданса, чтобы показать электромеханические характеристики PMAS, как показано на рис. S8. На вставке дисплеев размер PMAS сравнивался с литий-кнопочной ячейкой диаметром 2,4 см. Криволинейное звуковое отверстие было спроектировано в печатной плате (PCB) мембраны PMAS для микрофона нижнего порта.Как показано на фиг.4, миниатюрный PMAS покрывает общий фонетический спектр за счет расширения полосы резонансной частоты благодаря низкой добротности биомиметического ультратонкого полимера.

( A ) Мультирезонансные смещения ультратонкой мембраны PMAS, измеренные с помощью LDV при качании частоты от 100 Гц до 4 кГц. ( B ) Частотная характеристика PMAS, построенная при выборе наивысшей чувствительности среди множества каналов ( f _R2 = 2.1 f _R1 , f _R3 = 3,2 f _R1 ). На вставке показано сравнение размеров PMAS с коммерческим Li-button элементом (масштабная полоса 2 см). Фото: Хи Сын Ван, Корейский передовой институт науки и технологий. ( C ) Пьезоэлектрические выходы напряжения наиболее чувствительного канала при первом, втором и третьем резонансах и низкой частоте. На вставке показаны увеличенные электрические сигналы размаха напряжения при монохроматическом синусоидальном звуке, демонстрирующие выдающуюся чувствительность PMAS, превосходящую эталонный микрофон.( D ) Чувствительность каждой резонансной частоты, преобразованная в единицы дБВ для звуковой волны одной частоты. Красные, синие и голубые прямоугольные линии — это основные частоты первого, второго и третьего резонансов, а другие пики — гармонические частоты. ( E ) SNR, рассчитанные путем вычитания чувствительности каждой резонансной частоты и базовой линии шума. На верхней вставке показаны мультирезонансные местоположения изогнутой мембраны PMAS, смоделированные расчетом МКЭ. ( F ) Линейное поведение напряжения канала 2 при первом резонансе как функция давления.На вставке показана синфазная характеристика сигнала PMAS, идентичная синусоидальному входу.

показывает пьезоэлектрическое выходное напряжение высокочувствительного PMAS под монохроматической звуковой волной 94 дБ SPL. Самый высокий электрический сигнал среди семи каналов PMAS был измерен при первом, втором и третьем резонансах и низкой частоте. Сигналы 200 и 830 Гц были записаны с канала 2, а выходы 1840 и 2890 Гц характеризовались каналами 5 и 7 соответственно.Увеличенные синусоидальные напряжения при первом резонансе представлены со ссылкой на коммерческий G.R.A.S. микрофон во вставке. Максимальное размах напряжения PMAS (~ 103 мВ) на первом резонансе было в 28 раз выше, чем у эталонного микрофона (~ 3,7 мВ). Подробные сигналы напряжения каждой резонансной частоты показаны на рис. S9. отображает чувствительность PMAS в единицах логарифмического опорного уровня звука (дБВ) на каждой резонансной частоте. Основные частоты каждого резонанса были представлены на уровне 830, 1840 и 2890 Гц, за которыми следовали последовательные гармонические частоты с целыми кратными.Чувствительность, измеренная под монохроматической звуковой волной, была преобразована в сигнал напряжения в соответствии с формулой. 4

, где Sens. (ДБВ) — чувствительность, В, — среднеквадратичное значение напряжения, а В ₀ — эталонный 1 вольт, определенный как 0 дБВ. Выдающаяся максимальная чувствительность -28 дБВ без усилителя была измерена по сигналу напряжения многоканального PMAS на первой резонансной частоте. Высокочувствительный PMAS для удаленного обнаружения голоса может устранить ограничение низкочувствительного микрофона микроэлектромеханической системы (MEMS) с нестабильным усилением шума ( 40 ).

представляет отношения сигнал / шум PMAS под звуковыми волнами на каждой резонансной частоте. Акустический датчик с высоким SNR важен для четкого распознавания звука с меньшими шумовыми помехами ( 41 ). Отношения сигнал / шум резонансных частот были получены по отклонению пиковой чувствительности и базовой линии шума. PMAS продемонстрировал превосходные отношения сигнал / шум 92, 85 и 78 дБВ на резонансных частотах, что указывает на шумоустойчивые характеристики PMAS по сравнению с 63 дБ для коммерческого конденсаторного микрофона ( 40 ).Первое, второе и третье резонансные места в изогнутой мембране были проанализированы с помощью моделирования методом конечных элементов, как показано на верхних вставках. отображает линейность между давлением и выходным напряжением канала 2 на первой резонансной частоте. Пьезоэлектрическое напряжение PMAS увеличивается с 1 мВ до 0,43 В при уровнях давления от 0,03 до 20,4 Па. Линейное поведение PMAS демонстрирует резонансную способность в широком диапазоне акустического давления для распознавания голоса. На вставке показано синфазное соотношение между синусоидальным входным и выходным сигналом PMAS.Кроме того, была проанализирована чувствительность PMAS в зависимости от расстояния и угла падения для исследования характеристики направленности, как показано на рис. S10.

Мобильная биометрическая аутентификация на основе машинного обучения

схематично описывает процесс биометрической аутентификации на основе AI для идентификации говорящего с использованием мобильного сенсорного модуля. Интегрированный модуль PMAS состоит из мини-PMAS, передатчика сигналов и процессора машинного обучения. Многоканальный PMAS был подключен к блоку микроконтроллера (MCU; Raspberry Pi 3 Model B ⁺ ) для беспроводной передачи входной голосовой информации.Переданные резонансные сигналы анализировались алгоритмом машинного обучения для процедур обучения и тестирования ( 42 , 43 ). Алгоритм GMM использовался для регистрации и проверки говорящего с набором голосовых данных из 60 выступлений трех мужчин и двух женщин (всего 300 данных) для сравнения точности идентификации модуля PMAS с коммерческим микрофоном. Каждое из 150 данных было включено в процедуры обучения и тестирования для принятия решения спикером. Индивидуальное биометрическое приложение для Android было объединено со встроенным в смартфон модулем PMAS для демонстрации двустороннего HMI для управления доступом, как показано на рис.S11. представляет резонансное распознавание голоса модуля PMAS путем сравнения формы волны и частотных составляющих во временной области с исходным звуковым сигналом (женщины, голос 0597168). Сигналы напряжения как функция времени были преобразованы в частотную область с использованием методов быстрого преобразования Фурье (БПФ) и кратковременного преобразования Фурье (STFT) ( 44 ). При анализе БПФ канал 2 модуля PMAS показал частотные составляющие, идентичные исходному звуковому сигналу. Спектрограмма STFT для нескольких кадров FFT также показала соответствие частотного диапазона между сигналом PMAS и исходными данными в изменяющихся во времени характеристиках.Алгоритм STFT использовался в обработке машинного обучения на основе GMM для мобильного биометрического приложения PMAS.

( A ) Принципиальная схема мобильной биометрической аутентификации на основе машинного обучения (ML) с использованием модуля PMAS. Многоканальные сигналы PMAS передавались по беспроводной сети в базу данных алгоритмов для управления доступом к смартфону. ( B ) Сравнение характеристик голоса между исходным звуком и сигналом модуля PMAS.Графики включают сигнал напряжения во временной области, реакцию БПФ и спектрограмму STFT. ( C ) Блок-схема алгоритма GMM для процедур обучения и тестирования говорящего, состоящего из усреднения сигнала, выделения признаков и формирования слоев. Решение о говорящем было выполнено путем сравнения входящей голосовой информации с предварительно обученным набором данных. ( D ) Частота ошибок идентификации динамика модуля PMAS по сравнению с коммерческим микрофоном MEMS в условиях обучения 150 данных, тестирования 150 данных и семи комбинаций.( E ) Мобильная биометрическая аутентификация в реальном времени, демонстрируемая модулем PMAS и настраиваемым приложением для смартфона для разрешения и запрета доступа при условии пяти обучающих и одного проверочного слова. Фото: Хи Сын Ван, Корейский передовой институт науки и технологий.

отображает блок-схему процедур обучения и тестирования на основе GMM для многоканального модуля PMAS. После преобразования сигналов семи каналов методом STFT было использовано усреднение сигнала путем выбора двух наиболее чувствительных каналов на каждой частоте и объединения в одну частотную область данных для точной идентификации говорящего, как показано на рис.S12 ( 18 ). Входной голосовой сигнал модуля PMAS использовался для выделения признаков и формирования слоев, в то время как процедура обучения использовалась для записи голосовой информации отдельного говорящего в базу данных. Впоследствии решение о говорящем было принято путем сравнения предварительно обученной голосовой информации и входных данных для тестирования. показывает точность идентификации говорящего в модуле PMAS, превосходящую коммерческий микрофон MEMS, на основе сравнения частот ошибок. Для расчета скорости биометрической аутентификации используется смесь распределений Гаусса, называемая алгоритмом GMM ( 45 ).Выдающееся снижение коэффициента ошибок на 56% было достигнуто для семи смесей (10% для модуля PMAS и 18% для коммерческого микрофона). Небольшой объем обучающих данных имеет решающее значение для биометрической мобильной аутентификации, поскольку сокращает время обработки и упрощает настройку модуля. Как показано в нашем предыдущем отчете, мы полагаем, что коэффициент ошибок модуля PMAS можно дополнительно снизить, увеличив количество обучающих данных ( 18 ). представляет биометрическую аутентификацию в реальном времени с помощью модуля PMAS, вставленного в смартфон.Многоканальные голосовые сигналы модуля PMAS передавались по беспроводной сети на процессор машинного обучения для алгоритма GMM, как показано в видеоролике S1 и фиг. S13 и S14. Чрезвычайно небольшой объем данных из пяти обучающих слов и одного тестового слова был вставлен во входные данные мобильного приложения для регистрации говорящего в реальном времени и проверки доступа. Точная голосовая биометрия была успешно продемонстрирована с использованием многосигнальных характеристик модуля PMAS с этими небольшими объемами данных обучения и тестирования.

ОБСУЖДЕНИЕ

Мы улучшили масштабирование резонансного пьезоэлектрического акустического датчика и повысили эффективность обработки алгоритма идентификации говорящего для полнофункциональных систем на базе искусственного интеллекта. Хотя высокочувствительный резонансный тип f-PAS имеет отличное значение отношения сигнал / шум из-за ненужности подачи питания на интегральную схему считывания, уменьшение масштаба датчика ограничено отрицательными синергетическими влияниями чувствительности и резонансной частоты. Чтобы преодолеть ограничения масштабирования, был использован технический прорыв, имитирующий крошечную базилярную мембрану в улитке человека, путем изготовления ультратонкой неорганической пьезоэлектрической пленки с толщиной PMAS 10 мкм.Мы достигли PMAS, интегрированного в смартфон, используя биомиметическую структуру настройки резонансной полосы в фонетическом спектре и конструкцию материала для управления внутренним напряжением пьезоэлектрической пленки для IDE. Кроме того, чтобы охватить полный фонетический спектр, мы теоретически сформулировали взаимосвязь между эффектом расширения добротности и пьезоэлектрической ультратонкой мембраной. Мы подчеркнули важную роль ультратонкого полимера под неорганической пьезоэлектрической тонкой пленкой для увеличения добротности; Объединив многоканальные модели с низкой добротностью, мы успешно достигли PMAS, которая имеет гораздо более высокую чувствительность во всем диапазоне голосовых частот, чем обычные микрофоны.Интегрированный продукт мультирезонансного PMAS с превосходной всенаправленностью и отношением сигнал / шум может быть применен для обнаружения звука на большом расстоянии без традиционного подхода к формированию луча, как у коммерческой микрофонной решетки. Высокочувствительный PMAS с низким уровнем шума также может использоваться для высококачественной трехмерной акустической записи, в ответ на которую поступает пространственный голос на 360 градусов.

Помимо масштабирования и теоретического проектирования высокочувствительного акустического датчика, мы продемонстрировали резонансный модуль PMAS, интегрировав систематизированные интегральные микросхемы в единый продукт и применив оптимизированный алгоритм к небольшому количеству обучающих данных.Общеизвестно, что степень точности идентификации говорящего пропорциональна количеству голосовых тренировок; следовательно, тяжелая программа большой серверной базы данных не может быть совместима с компактным коммерческим продуктом. Мы повысили эффективность обработки алгоритма идентификации говорящего (150 обучающих слов) и добавили функцию отличия предварительно зарегистрированного человека от неизвестного по сравнению с предыдущим распознаванием говорящего (2800 обучающих слов) ( 18 ). Вышеупомянутые нововведения позволили в реальном времени видеодемонстрацию биометрической аутентификации, автономно выполняемой в MCU, с чрезвычайно малым объемом обучающих данных (пять слов) для коммерческого мобильного приложения.Наш миниатюрный резонансный PMAS может вызвать огромный интерес в области обработки сигналов с множеством входов для высокоточной идентификации громкоговорителей на основе искусственного интеллекта, поскольку каждый канал эквивалентен одному обычному микрофону; Таким образом, PMAS собирает речевую информацию в семь раз больше, чем коммерческий микрофон. Многоканальные сигналы PMAS могут использоваться для разделения голоса и шумоподавления, когда перекрывающиеся звуки из разных каналов генерируются одним датчиком.

Таким образом, мы разработали высокочувствительный и миниатюрный PMAS для многорезонансного управления полосой частот с использованием биомиметической ультратонкой пьезоэлектрической мембраны.Канал PMAS на ультратонком полимере толщиной 4,8 мкм позволил расширить резонансную полосу пропускания с низкой добротностью (~ 16,6) на частотах 830, 1840 и 2890 Гц, покрывая весь диапазон частот голоса от 100 Гц до 4 кГц. Биомиметическая пьезоэлектрическая мембрана PMAS достигла не только выдающегося FOM _sens 103 мВ / Па на 130-миллиметровой площади ² , но также уменьшила размер на 70% по сравнению с предыдущим отчетом (90 мВ / Па на 450-миллиметровой площади). мм ² площадь). Частотная характеристика PMAS была улучшена за счет минимизации остаточного сжимающего напряжения пьезоэлектрической мембраны 3 мкм, таким образом выравнивая боковые диполи вдоль направления IDE.Превосходная чувствительность и отношение сигнал / шум были измерены и составили -28 и 92 дБВ при монохроматическом синусоидальном звуке на первой резонансной частоте 830 Гц. Биометрическая аутентификация на основе машинного обучения была продемонстрирована с использованием встроенного в смартфон сенсорного модуля, состоящего из PMAS, процессора алгоритмов и беспроводного передатчика. Частота ошибок идентификации динамика модуля PMAS была уменьшена до 56% по сравнению с коммерческим микрофоном MEMS в условиях небольшого объема 150 обучающих данных и 150 тестовых данных.Наконец, голосовая биометрия в реальном времени для мобильных приложений была успешно продвинута даже в пяти обучающих словах и одном тестовом слове с помощью настраиваемого приложения для Android. В настоящее время мы исследуем процесс обработки сигналов для обеспечения равномерности многоканальных частотных характеристик для достижения однородности и неискаженного звука на выходе.

МАТЕРИАЛЫ И МЕТОДЫ

Изготовление миниатюрного PMAS

Метод, используемый для изготовления миниатюрного PMAS, использует протоколы, аналогичные тем, которые использовались в наших предыдущих исследованиях.Вкратце, 0,4 М раствор золь-гель PZT (QUINTESS Co. Ltd.) наносили центрифугированием на сапфировую подложку (Hi-Solar Co.) с последующим пиролизом и кристаллизацией с использованием быстрого термического отжига. Процедуры осаждения были повторены для получения PZT-мембраны желаемой толщины. Впоследствии биомиметический ультратонкий ПЭТ (толщиной 4,8 мкм), приклеенный к обрабатываемому субстрату через полидиметилсилоксан, был покрыт чувствительным к ультрафиолету полиуретаном (Norland Optical Adhesive, № 89) для прикрепления к верхней поверхности PZT-мембраны.Эксимерный лазер XeCl облучали сапфировую подложку для переноса пьезоэлектрической мембраны на гибкую подложку. После ILLO на многоканальный IDE был нанесен узор Cr / Au (толщиной 15 и 150 нм соответственно) с использованием обычного радиочастотного распыления и фотолитографии. Сила Ван-дер-Ваальса между биомиметической ультратонкой мембраной и обрабатывающим субстратом была устранена путем растворения адгезионного полидиметилсилоксанового слоя. Многоканалы мини-PMAS были электрически соединены с печатной платой с помощью токопроводящей пасты.Жесткая подложка печатной платы является механической опорой для установки ультратонкой гибкой мембраны и обработки электрических сигналов. Наконец, пьезоэлектрические диполи мембраны PZT были выровнены вдоль направления электрода с использованием процесса полирования под высоким напряжением.

Измерение механических и электрических сигналов

Механические смещения PMAS были измерены с помощью LDV с гелий-неоновым лазером и развертки частоты имитатора рта (тип 4227-A, Bruel & Kjaer) от 100 Гц до 4 кГц.Электрические сигналы характеризовались звуковым модулем National Instruments в условиях белого шума и монохроматических синусоидальных звуковых волн, индуцированных функциональным генератором. Коммерческий эталонный микрофон (G.R.A.S. 46BE) сравнивался с миниатюрным PMAS в тех же условиях, 94 дБ SPL.

Характеристики

Кристаллографическая ориентация и внутреннее остаточное напряжение PZT-мембраны были исследованы с помощью тонкопленочного (Ultima IV, RIGAKU) и универсального тонкопленочного (D / MAX-2500, RIGAKU) рентгеновского дифрактометра.Пьезоэлектрическая поляризация характеризовалась петлями гистерезиса P-E с использованием сегнетоэлектрической измерительной системы (Precision Premier II, Radiant Technologies). Морфологические изображения получали с помощью оптического микроскопа (VHX-1000E, Keyence) и сканирующего электронного микроскопа со сфокусированным ионным пучком (Helios Nanolab 450 F1, компания FEI).

Моделирование и моделирование резонансной частоты

Моделирование методом конечных элементов (программа COMSOL Multiphysics 5.2) использовалось для расчета резонансной частоты, ширины полосы спектра и пьезоэлектрического потенциала.Конструкция PMAS была аналогична фактической криволинейной форме (3 мм для w ₁ , 10 мм для w ₂ и 20 мм для l ).