用于预测物质的性质的神经计算电化学感测设备

本发明涉及一种神经计算电化学感测设备，诸如基于晶体管的感测设备，用于预测物质的动态(生物)化学性质(即化学的并且可能与活体中发生的过程相关的动态性质)。该设备包括人工神经网络处理器，该处理器被配置来经过训练以补偿传感器漂移(sensordrift)和交叉敏感性(cross-sensitivity)。本发明同样涉及一种操作感测设备的方法。

背景技术：

1、生化分析系统的设想是感测和鉴定超出人类能力范围的生物和化学信息，其需求在不断增加以在健康、食品安全和环境保护等应用中帮助社会。在原位/活体中并且实时地预防和控制关键情况的需求将转导(transduction)推向纳米级，将多个传感器装到微型化、快速的芯片实验室设计中。随着传感器密度的增加，其输出的冗余度、互补性和维度也会增加。然而，随着规模缩小，噪声会增加同时稳定性会降低。这种影响增加了化学检测器长期承受的选择性限制，损害了最新微分析集成的可靠性。

2、在各种传感器中，以半导体技术制造的微电极和场效应晶体管(fet)呈现出诸如微型化、大规模制造、易于与读出电子电路集成等优势，这些优势使它们特别适合于纳入到阵列中用于现场测量。尽管这些设备的敏感度足以满足广泛的医疗保健应用(如生物流体分析)、环境应用(如水质监测)和工业应用(如食品质量控制)的需要，但它们在此类设置中的商业应用却受到老化和交叉敏感性的制约，这可能会严重损害设备的可靠性。老化主要是由于物质移入或移出感测表面，或表面的水合作用造成的污垢和漂移导致的。对温度和干扰种类的交叉敏感性也会限制测量的可靠性，特别是当传感器在现场工作时，脱离了受控实验设置。

3、在这种情况下，化学计量学是有希望提高测量的准确性，并且将其转化为实际的生化知识发现的工具。通过对化学系统的测量性质之间的潜在关系和结构建模，可以利用传感器测量中的交叉敏感性来校准诸如温度、老化或其他化学物种污染等的非理想状态。这些同样的模型可以进一步被用于预测复杂的生化参数、对未来样本进行分类以及识别关键片段。经典的化学计量解决方案是离线运行分析，在包含传感器阵列稳态响应或完整测量周期的数据批次上进行训练。为了促进机器学习，通常会通过无监督(如主成分分析(pca)、自组织图、t-分布随机邻域嵌入)或有监督(如偏最小二乘法)的方法将输入数据转换到中间空间中。诸如判别分析、k-方法、k-近邻、支持向量机和随机森林等线性和非线性算法在后续步骤中运行，以预测生化大数据中的分类变量或实值变量。深度人工神经网络(ann)提供了可扩展的多层表示法，以很高的计算要求的代价在单一模型中适应问题的复杂性。

4、大多数化学计量学，特别是深度ann解决方案，都是在高速时钟同步计算机上运行的。由于目前大多数集成的测量设备都是分别读出每个分析物的水平，因此在处理后阶段会出现存储和处理瓶颈。这导致更高的延迟、更高的能耗和受限的微型化。

5、为了在一定程度上克服一些上述挑战，提出了芯片上和芯片外补偿方法。然而，以前的方法都没有解决例如在监测传感器阵列的连续读数时，传感器对芯片上化学和热干扰的交叉敏感性问题。因此，这些分析系统在工业应用中的广泛采用仍然受到限制，主要是由于传感器的非理想状态，以及由于这些设备在紧凑性和能源自主性方面受到限制的可部署性。

6、目前的在线(生物)化学监测设备通常价格昂贵、体积庞大、非预测性、限于固定的几种性质组合、并且需要针对环境变化进行定期校准。这样的特定配备无法进行的测量则在实验室进行，其相关费用高昂并且会造成延误。如果使用预测模型，则它们被部署在云端中。这会转化为隐私问题，以及由于数据传输再次转化为延迟问题，以及转化为额外的存储和处理瓶颈问题，其随着信息量逐渐积累而加重。

7、us2020/138344a1公开了一种电化学传感器，包括对电极、可选地参比电极和多个工作电极的阵列，其中至少一个工作电极是涂膜电极，并且其中成膜材料具有重复单元，该重复单元包括六元非芳香环(six-membered non-aromatic ring)。还公开了一种包括该传感器(电化学舌)的用于电化学检测的设备和一种借助该传感器检测分析物的方法。

8、us2018/217086a1公开了一种与人工神经网络数据分析方法耦合的三电极混合电位电化学传感器，该传感器可以从电压中提取浓度信息并识别由no2、no、co和c3h8的单一和二元混合物组成的气流。通过使用来自偏置和非偏置模式下的传感器的数据，可以用大于98％的准确率识别单一和二元混合物。该传感器适用于柴油和汽油发动机、涡轮机、蒸汽发电厂和其他燃烧技术的控制和监测。

9、a.a.maschenko等人发表的“on the feasibility to apply a neural networkprocessor for analyzing a gas response of a multisensor microarray”描述为了对电子鼻型多传感器微阵列生成的信号进行样式识别，实施硬件神经网络处理器的工作。

技术实现思路

1、因此，本发明的目的是克服与生物(化学)分析系统相关的上述局限性中的至少一些局限性。

2、根据本发明的第一方面，提供了一种如权利要求1所述的用于预测物质的性质的神经计算电化学感测设备。

3、所提出的设备集成了多个电化学传感器(如固态电化学微传感器)，这些传感器对有利于预测物质的感兴趣性质组的感测属性敏感，并且其与读出电路和ann处理器一起操作。读出电路对传感器进行偏置，并将传感器的响应转化成信号，该信号被调整以促进随后的ann处理，形成对感兴趣的(生物)化学性质的预测。传感器、读出电路和/或ann处理器可以集成到共同的系统基板(如硅)。电化学感测设备还可以集成自动化、微型化的流体技术(如微/纳米流体技术)，以实现对流体精确的操纵和控制，并且用低体积的流体、化学品和试剂实现高通量分析。

4、所提出的电化学感测分析设备提供以下优点中的至少一些优点：

5、可靠性：本发明提供对多传感器非理想状态(如老化、交叉敏感性)的自校准校正(self-calibrated correction)，以延长传感器在受控实验室设置之外运行时的寿命。

6、微型化：固态电化学(如场效应晶体管(fet)、微电极)微型传感器和处理电路可以被容易地集成到标准的互补金属氧化物半导体(cmos)超大规模集成电路(vlsi)技术中。

7、低成本：本发明实现固态电化学监测，旨在使用标准cmos电子集成技术在晶圆级实现具有成本效益的大规模制造。

8、能效：该设备被配置为执行有效的本地读出编码，作为早期相关特征以促进目标属性的预测。还实现了根据输入信号和神经网络的动态，而不是以外部时钟提供的固定频率，在连续时间内进行信号处理，以避免冗余信息和计算周期。

9、因此，本发明解决了制造能够精确感测、能够在微小/移动位置实时操作、并且能够以低维护成本预测多个点对点参数(ad-hoc parameter)的多参数分析设备的技术问题。

10、根据本发明的第二个方面，提供了一种如权利要求13所述的操作该设备的方法。

11、本发明的其他方面在本文所附的从属权利要求中叙述。