Міністерство освіти і науки України НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ «ЛЬВІВСЬКА ПОЛІТЕХНІКА» Інститут комп'ютерних технологій, автоматики та метрології Кафедра СКС РЕФЕРАТ з дисципліни: «Спеціалізовані мікро- нанопроцесорні системи» на тему: «About some novel nanosensors and nanosensory systems/ Про деякі нові наносенсори та наносенсорні системи » Варіант № 7 Виконав: студент групи КІ-47 Грушецький Н.М. Прийняла: проф. каф. СКС Клим Г.І. Львів 2023 АНОТАЦІЯ Занепокоєння щодо наслідків сильного забруднення навколишнього середовища, особливо в атомній енергетиці та на військових базах, викликає зростаючий попит на відповідні засоби моніторингу ряду газів, парів, збагачених радіоактивними джерелами, на рівні та навколо лімітів професійного опромінення. Наприклад, радіоактивні забруднюючі речовини, що утворюються прямо чи опосередковано в результаті впливу ядерних відходів на різні речовини, що працюють на атомних електростанціях (вода, гази, метали тощо), або на наявні поблизу радіоактивних місць. Потрібні пристрої, які можуть досягти необхідної чутливості за ціною, яка заборонить їх широке розгортання, і з можливостями надання кількісної інформації, а також функцій сигналізації. Розробка нового асортименту сенсорних матеріалів забезпечила пристрої з підвищеною вибірковістю та чутливістю для моніторингу навколишнього середовища, забрудненого радіоактивними відходами. Нині існує широка потреба в недорогих засобах виявлення та моніторингу ядерного випромінювання, електричних і теплових властивостей ряду речовин, що впливають на агресивне середовище. Сьогодні існують системи виявлення ядерного випромінювання, які використовують різні твердотільні детектори. Твердотільні детектори засновані на напівпровідникових матеріалах, таких як кремній, германій, телурид кадмію, оксид цинку тощо. Основною перевагою таких систем виявлення є їх надзвичайно висока енергетична роздільна здатність. Тобто вони дуже добре вміють точно визначати енергію падаючого випромінювання. Недоліком є вартість: детектори досить дорогі, як і необхідна для них електроніка. Проектування та реалізація наносенсорних систем В епоху холодної війни існувало дві великі конкурентоспроможні дослідницькі групи, які виготовляли детектори гамма- та нейтронного випромінювання (сенсори): Група напівпровідників Національної лабораторії імені Лоуренса Берклі та Міністерство середнього машинобудування СРСР (включало Інститут атомної енергії імені І. Курчатова, Державний інститут рідкісних Метали – Гіредмет, Інститут радіаційних технологій та приладів та ін.). Обидва конкуренти були зосереджені на розробці напівпровідникових детекторів ядерного випромінювання та їх застосування. Найкращим сенсорним матеріалом для датчиків гамма-випромінювання був і залишається ультрачистий Ge і Si або Ge, легований домішками Ga з концентрацією акцептора до 1016 см−3. Для вимірювання нейтронного випромінювання ізотоп B містив кристали Si та готували тонкі плівки. Нині, у зв’язку з питаннями нерозповсюдження ядерної зброї та міжнародної безпеки, створено нові та значно суворіші вимоги до датчиків ядерного випромінювання та сенсорних систем. Проблема розробки нових датчиків, які відповідають новим вимогам, ставить перед дослідниками та інженерами цікаві технічні проблеми. Нові датчики повинні покладатися на один або кілька сенсорних механізмів і створювати сигнал, який вказує на значення ядерного/іонізуючого випромінювання. Також необхідно працювати з так званими розумними або інтелектуальними сенсорними системами, щоб мати точну інформацію про вимірювання ядерного/іонізуючого випромінювання. З метою розробки високочутливих вимірювачів гамма- та нейтронного випромінювання розроблено лазерно-плазмову технологію напівпровідникових тонких наноструктурованих плівок. Схема лазерно-плазмового процесу для чистих і легованих ізотопами бору наносенсорних матеріалів для чутливих елементів наведена на рисунку 1. Рис.1. Схема процесу лазерно-плазмового осадження. Протягом останніх десятиліть були успішно розроблені нові сенсорні матеріали ядерного випромінювання. Основні фізичні ефекти, які були основою для розробки нових датчиків і сенсорних систем, присвячених властивостям ізотопів бору, зокрема ізотоп 11B дуже малий поперечний переріз захоплення нейтронів і ізотоп 10B дуже великий поперечний переріз захоплення нейтронів у широкому спектрі енергетичного діапазону нейтронів. Завдяки фізикохімічним властивостям бору та його сполук, а також високій механічній і хімічній міцності в різних корозійних середовищах нові наносенсорні елементи на основі бору для датчиків температури та нейтронів можуть працювати в суворих умовах. Використовуючи електронні параметри бору – бор є високотемпературним напівпровідником широкого діапазону із забороненою енергетичною зоною близько 1, еВ; карбід бору (B4C) та деякі інші збагачені бором сполуки мають подібну заборонену енергетичну щілину, яка визначає їхній електричний опір – це підходить для створення сенсорних пристроїв і сенсорних систем, які можуть відповідати новим суворим вимогам до потужних і точних вимірювальних приладів для ядерного випромінювання. Можливість змінювати вміст ізотопу практично в кожному діапазоні концентрацій дозволяє підвищити радіаційну стійкість сенсорів і наносистем на основі бору. Ще однією перевагою бору та його сполук є можливість створювати сенсорні елементи з кераміки, тонких плівок і технології плавлення, які дозволяють отримати різні властивості матеріалу та чутливість елементів. Існує кілька різних підходів до виготовлення сенсорних елементів з бору та його сполук: порошкова металургія, керамічні технології, гаряче ущільнення при спіканні, високотемпературний синтез із саморозповсюдженням і газостатичне пресування. З використанням таких підходів були виготовлені компактні гранули з бору, карбіду бору та додекабориду алюмінію тощо. Як правило, гранули мали форму циліндричного або товстого диска, високу щільність, низьку концентрацію металевих домішок і електричний опір при кімнатній температурі в діапазоні 106 – 108 Ом·м. Один із найпростіших прикладів сенсорного пристрою, виготовленого із згаданого бору або гранул карбіду бору, показаний на малюнку 2. Рис.2. Сенсорний інструмент на основі матеріалу, збагаченого бором: (1) пластина у формі диска, що містить бор; (2) Нікелеві омічні контакти; (3) Електроди; (4) Хімічно стійкий лак (для захисту сенсорного елемента, контактів і електродів від дії вологи та корозійного середовища); (5) Корпус датчика. Сучасні методи та інструменти молекулярних нанотехнологій дозволяють маніпулювати наномасштабними порушеннями та створювати принципово нові матеріали та пристрої для інформаційних технологій, що працюють як зарядові, так і спінові ступені свободи носіїв. Центральним завданням таких досліджень є створення наноструктурованих матеріалів з різними електромагнітними властивостями, в тому числі феромагнітних напівпровідників, базових речовин для організації процесу спінового транспорту. Фізичні ефекти повністю змінюються, коли масштаб системи зменшується від мікро до нано та піко, пов’язаних із змінами в електронній зонній структурі металевої частинки через її малий розмір та наявність високої частки координаційно та електронно ненасичених атомів . Вони дозволяють створювати нові молекулярні (квантові) пристрої, які використовують обертання електронів, а магнітна пам’ять обчислювальної машини спирається на магнітні властивості, створені спіном електронів. Водночас за допомогою цих підходів можна визначити зв'язок між матерією та інформацією, який найбільш наочно проявляється молекулярною будовою у будівництві молекул, що з'єднуються в заданому порядку. Початкове формування спрямовує синтез послідовностей, які логічно не є випадковими; відбувається оптимізація структури всередині системи. Така оптимізація повинна бути виражена в термінах нечіткої ентропії, і вона має безпосереднє відношення до визначення інформації. Формування моделей такого роду систем базується на двох типах зв'язків між атомами і структурними елементами (молекулами). Найсуттєвіші механізми, що відповідають за транспортні властивості, електронні та магнітні структури цих сплавів, послужили основою для створення практичних спінелектронних сенсорних пристроїв. Гігантський ефект магнітострикції також пов'язаний з квантовими властивостями в звичайних композитах з магнітними частинками розміром порядку 100-300 нм. Інша можливість застосування магнітних нанокомпозитів пов'язана з ефектом гігантського негативного магнітоопору. Практичне застосування цих матеріалів пов'язане з їх величезною чутливістю до механічного тиску і деформацій, оскільки провідність таких матеріалів визначається в основному квантовим процесом тунелювання електронів між провідними наночастинками. Імовірність такого процесу експонентоподібно залежить від міжчастинкових відстаней. Іншим цікавим застосуванням магнітних квантових процесів у напівпровідниках є стійкі до пам’яті сенсори, відомі як мемристори. На основі моделі Ходжкіна–Хакслі аксона та термістора при постійній температурі навколишнього середовища було описано мемристивні системи з точки зору накопичення енергії та спостережено їхні електричні характеристики, які є відповідністю резистивної оперативної пам’яті та фазоперехідної пам’яті. Перший, як випливає з назви «резистор пам’яті», призначений для типу енергонезалежної пам’яті з довільним доступом або NVRAM. Така пам’ять мала б дуже корисні властивості, оскільки вона не «забувала б» дані, які вона зберігає, коли живлення вимкнено. Ми вважаємо, що NVRAM, виготовлена з матеріалів мемристорів, які зараз вивчаються багатьма групами в усьому світі, може стати сильним конкурентом на ринку флеш-пам’яті приблизно через п’ять років. Чудова річ полягає в тому, що різні оксиди металів, які були визначені як такі, що мають функцію пам’яті, дуже сумісні з поточними потужностями виготовлення мікросхем, тому їх можна виготовляти на існуючих ливарних цехах без значних змін. Ще одне цікаве застосування — «штучний синапс» у схемі, призначеній для аналогових обчислень. Інтерес до мемристора відновився в 2008 році, коли Р. Стенлі Вільямс з Hewlett Packard повідомив про експериментальну твердотільну версію. Стаття була першою, яка продемонструвала, що твердотільний пристрій може мати характеристики мемристора на основі поведінки нанорозмірних тонких плівок. Пристрій не використовує магнітний потік, як припускав теоретичний мемристор, і не зберігає заряд, як це робить конденсатор, натомість досягає опору, що залежить від історії струму. Для деяких мемристорів прикладений струм або напруга призведе до значної зміни опору. Такі пристрої можна охарактеризувати як датчики, досліджуючи час і енергію, які необхідно витратити, щоб досягти бажаної зміни опору. Тут ми припустимо, що прикладена напруга залишається постійною, і розрахуємо розсіювання енергії під час одного перемикання. Щоб мемристор переключився з Ron на Roff за час T on до T off, заряд повинен змінитися на ∆Q = Qon −Qoff. Щоб отримати остаточний вираз, замініть V = I(Q)R(Q), а потім dQ /V = ∆Q /V ∫ замість константи V . Ця характеристика потужності принципово відрізняється від характеристики металооксидного напівпровідникового транзистора, який є пристроєм на основі конденсатора. На відміну від транзистора кінцевий заряд мемристора не залежить від напруги зміщення. Зазвичай мемристивний сенсорний пристрій із діоксиду металу складається з тонкої напівпровідної плівки між двома електродами товщиною 5 нм. Спочатку є два шари плівки діоксиду металу, один з яких має незначне збіднення атомами кисню. Кисневі вакансії діють як носії заряду, що означає, що збіднений шар має набагато нижчий опір, ніж незбіднений шар. Коли прикладається електричне поле, кисневі вакансії дрейфують, змінюючи межу між високоомним і низькоомним шарами. Таким чином, опір плівки в цілому залежить від того, скільки заряду пройшло через неї в певному напрямку, що є оборотним шляхом зміни напрямку струму. Оскільки пристрій демонструє швидку іонну провідність на нанорозмірі, його вважають наноіонним сенсором. Опір пам'яті відображається лише тоді, коли допований шар і збіднений шар сприяють опору. Коли через мемристор пройшло достатньо заряду, щоб іони більше не могли рухатися, пристрій переходить у гістерезис. Застосування пам'яті тонкоплівкових оксидів було областю активних досліджень протягом деякого часу. Незважаючи на те, що мемристор є головним відкриттям для теорії електротехніки, він ще не був продемонстрований у роботі на практичних швидкостях і щільності, і показує роботу перемикання лише при ~ 1 Гц. Хоча невеликі розміри пристрою, здається, передбачають швидку роботу, носії заряду рухаються дуже повільно, з рухливістю іонів 10-10 см2 / В · с. Нещодавно відкриті спінові мемристивні системи засновані на фізичних явищах, згідно з якими опір спричинений обертанням електронів в одній секції пристрою, що спрямовано в іншому напрямку, ніж в іншій секції, створюючи «доменну стінку», межу між двома станами. Електрони, що надходять у пристрій, мають певний спін, який змінює стан намагніченості пристрою. Зміна намагніченості, у свою чергу, переміщує доменну стінку та змінює опір пристрою. Механізм мемристивної поведінки в спіново-мемристивних наносистемах повністю базується на ступеню свободи спіну електрона, що забезпечує більш зручний контроль, ніж іонний транспорт у наноструктурах. Коли зовнішній контрольний параметр (наприклад, напруга) змінюється, регулювання поляризації спіну електрона затримується через процеси дифузії та релаксації, що спричинюють поведінку типу гістерезису. Цей результат очікувався при вивченні виділення спіну на інтерфейсі напівпровідник/феромагнетик, але не був описаний у термінах мемристивної поведінки. У короткому часовому масштабі ці структури поводяться майже як ідеальний мемристор. Цей результат розширює можливий діапазон застосувань напівпровідникової спінтроніки та робить крок вперед у майбутньому практичному застосуванні мемристивних наносенсорних систем. Хоча це не описується словом «мемристор», дослідження двошарових оксидних плівок на основі манганіту для енергонезалежної пам’яті було проведено дослідниками з Х’юстонського університету в 2001 році. Деякі з графіків вказують на регульований опір на основі кількості прикладених імпульсів напруги, подібних до ефектів, виявлених у матеріалах мемристора з діоксиду титану, описаних у статті Nature «Знайдений відсутній мемристор». Рис.3. Зображення схеми з 17 мемристорами, отримане за допомогою атомносилового мікроскопа. Кожен мемристор складається з двох шарів TiO2, з’єднаних дротом. Твердотільні мемристори (Рис.3) можна поєднувати в сенсорні пристрої для різних застосувань, і вони можуть замінити транзистори в майбутніх комп’ютерах, займаючи набагато меншу площу. Їх також можна перетворити на енергонезалежну твердотільну пам’ять, що забезпечить більшу щільність даних, ніж жорсткі диски. Як нелінійні резистивні елементи мемристори повинні з'явитися в пристроях програмованої логіки, обробки сигналів, нейронних мережах і системах керування. Нещодавно також було показано, що електронна схема, яка піддається серії періодичних імпульсів, вивчає та передбачає наступний імпульс, подібно до поведінки слизових грибків Physarum polycephalum, які піддаються періодичним змінам середовища. Така схема навчання-сенсор може знайти застосування, наприклад, у розпізнаванні образів. Системи наномікросенсорів об’єднують і поєднують кілька основних технологій і пов’язаних пристроїв для реалізації різноманітних функцій. Вони можуть бути реалізовані за допомогою масштабованих однорідних або гетерогенних технологій інтеграції апаратного забезпечення, щоб покращити мініатюризацію, функціональність і надійність сенсора, процесора, виконавчого механізму та функцій зв’язку. Автономність електроенергії (споживання та постачання) є поширеною проблемою. У середньостроковій перспективі зростає промисловий інтерес до інтеграції наносенсорів у розумні (інтелектуальні) мікросистеми, головним чином через підвищення чутливості, спрощення пристрою та пов’язане з цим зниження вартості. Серед переваг інтелектуального датчика: величезна кількість інформації, яку можна зібрати з процесу, щоб зменшити час простою та підвищити якість; повне знання стану системи, підсистеми чи компонента в потрібному місці та в певний час дозволяє приймати «оптимальні» рішення щодо управління процесом; здатність передавати інформацію поза базовими сигналами зворотного зв’язку, які виходять із її застосування. Інтелектуальні датчики можуть самостійно контролювати будь-який аспект своєї роботи, включно з забрудненням ока на фото, поза межами допуску або невдалим перемиканням; інтелектуальний сенсорний пристрій повинен стежити за собою та своїм оточенням, а потім приймати рішення автоматично компенсувати зміни або сповіщати когось про необхідну увагу. Інтелектуальні датчики мають численні переваги. Оскільки вартість вбудованої обчислювальної потужності продовжує знижуватися, «розумні» пристрої будуть використовуватися в більшій кількості програм. Тільки внутрішня діагностика може швидко повернути інвестиції, допомагаючи уникнути дорогих простоїв. Недорогі мережі, датчики та складне керування переміщують процес прийняття рішень у точку дії, а додаткові функції програмного забезпечення сприяють розповсюдженню вбудованих систем у дедалі ширшому діапазоні застосувань. Останні тенденції в розробці вбудованих систем включають удосконалені компоненти та методології, засновані на моделях, або високонадійні системи, здатні подолати складність і, як наслідок, низьку продуктивність. Обчислювальні системи переходять до багатоядерних і поліморфних архітектур, де для подолання складності потрібне радикальне переосмислення системного програмного забезпечення, парадигм програмування та абстракцій. Розробка великих розподілених систем все більше потребує кооперативних мережевих систем управління, методів і інструментів оптимізації та підтримки прийняття рішень, які використовуються для модернізації фізичної інфраструктури, керування складними процесами, а також для моніторингу та контролю продуктивності систем. Бульбашкова діаграма розробки представляє діапазон датчиків і сенсорних систем, можливостей і видів діяльності та охоплює діапазон від базової науки до інженерних розробок, необхідних для доставки пристроїв, інструментів і систем. У той же час, існування інтегрованих технологій полегшує передачу інформації для вдосконалення відповідних сенсорних механізмів і пристроїв. Механізми чутливості (рис. 4) зазвичай базуються на природних ефектах і взаємодіях, які дозволяють виявляти та вимірювати різні параметри, такі як: генерація вільних носіїв у матеріалах, оптична сцинтиляція, створення оптично активних дефектів у детекторах тощо. Відповідно, сенсорні пристрої повинні виявляти та вимірювати будь-які Зовнішній вплив активується навколишнім середовищем. Датчик покладається на один або більше сенсорних механізмів і виробляє сигнал, який вказує на різне значення електромагнітного впливу. Чутливий механізм Перехід від науки до техніки Сенсорний пристрій Датчик Сенсорні системи Потребує Інформації Вимірювання і система контролю Рис.4. Огляд сенсорної технології. Сенсорна система зазвичай включає датчик із пов’язаними компонентами (часто електронікою та пристроями введення/виведення користувача), які можуть перетворювати необроблений сигнал датчика на корисну інформацію про ціль. Це можуть бути автономні прилади або сенсорний модуль для включення в більш комплексну систему. Багато проблем вимагають широкого розпорошення величезної кількості датчиків для ефективного зондування (це називається сенсоризацією системи, що контролюється). До цього часу вважалося, що датчики в сенсорній мережі підключаються звичайним способом, і робота над розробкою таких сенсорних мереж була зосереджена на технічних аспектах, наприклад, чи потрібно їх підключати до центральної точки збору даних бездротовим або електричним способом. або з оптичними волокнами. Нещодавно ми запропонували новий підхід, заснований на біоміметичній збірці складових одиниць, наприклад спосіб, у який сенсорні нейрони з’єднані в живому організмі, має перевагу в тому, що він може мати справу з проблемами принципово необмеженої складності, тоді як звичайний підхід страждає від від «стелі складності». Теорія моделювання самоорганізації виросла з різних дисциплін, включаючи термодинаміку, кібернетику та інформатику. Самоорганізацію можна визначити як спонтанне створення глобально узгодженої моделі з локальних взаємодій. Динаміка системи, що самоорганізується, як правило, є нелінійною. Складність системи можна описати з точки зору моделювання кількох взаємодіючих агентів, які зумовлені існуванням високорозмірних, нечітких факторів, відповідно з дуже високим ступенем свободи поведінки. Проблеми, які важко або неможливо вирішити окремому агенту або монолітній системі, неможливо описати без системного підходу, такого як аналіз живих систем, автопоезис, соціокібернетика, синергетика та теорія складності. Загалом, кожну багатоагентну систему або її компоненти можна розглядати як так звану нейронну модель. «Аксон-дендритна модель» є прикладом багатоагентної системи, яку можна представити у вигляді багатовимірного графа. Поведінка системи визначається в області зовнішньої і внутрішньої свободи. Зв'язок між нейронами реалізується синапсами. В результаті синапсів відбувається злиття нейронів, утворення нового ансамблю, який складається з синергічно-ентропійного об'єднання. Кожен синапс або взаємодія між будь-якими двома кластерами формує новий об'єднаний кластер, який провокує перерозподіл синергії-ентропії, її баланс і пристосованість. Необхідною умовою єдності нейронного графа є сумісність синапсів. Для мультисенсорних мереж для моніторингу навколишнього середовища дуже підходить використання підходу на основі нечіткої ентропії, яка відповідає сумісності синапсів. Стійкість або гомеостаз системи в даний момент часу визначається як різниця синергізму та ентропії графа. Аналіз показує, що процес притягання та відштовхування між агентами можна описати нелінійним зростанням або спаданням синергії. При цьому самоорганізація мультиагентних систем може бути реалізована в такій послідовності: Конфронтація → Співпраця → Консолідація. Поведінка багатоагентної системи може бути представлена алгоритмом, наведеним нижче (рис. 5). Агент А Агент Б Взаємодія Yes МА,Б µ=0 No МА = МБ Yes No Співпраця > МА + МБ Yes Розділення No МА > МБ Консолідація Протистояння No Yes Об'єднання підпорядкування А та збільшення ентропії Оптимізація Рисунок 5. Приклад моделювання поведінки багатоагентної системи. Це деструктивна (антагоністична або конфронтаційна) і корисна (кооперативна) форми взаємодії. Сама суть будь-якої синергетичної поведінки полягає в тому, що обидві частини виграють, а у великих системах усі учасники мають отримати вигоду. У кожному конкретному випадку за критерієм максимізації стійкості можлива реалізація наступних варіантів оптимізації. Основним напрямком цієї теми є розробка модулів і мереж управління штучним інтелектом, які забезпечують можливість побудови високоефективних сенсорних мереж для моніторингу довкілля. Протягом останніх років використання інтелектуальних систем у різних промислових мережах суттєво зросло, забезпечуючи нову перспективу завдяки їхній здатності обробляти великі обсяги даних і імітувати складні моделі. Застосування штучного інтелекту включають скринінг, оцінку ризиків, управління даними, аналіз роїв, виявлення сигналів, контроль доступу до даних і достовірності, а також управління безпекою. Найпоширеніші застосування інтелектуальних сенсорних мереж включають опорні векторні машини, байєсівські підходи, логістичну регресію, штучну нейронну мережу, нечітку логіку та генетичні алгоритми, експертні системи та інтелектуальні агенти, оптимізацію мурашиних колоній та роїв частинок. Їх часто використовують у поєднанні один з одним. Агенти взаємодіють (спілкуються, координують, домовляються) один з одним і зі своїм оточенням. Кожна взаємодія між будь-якими двома агентами може бути описана певною нечіткою ентропією, яка в результаті оцінює поточний стан системи. Стан мережі зумовлений векторами поведінки агентів, які, зі свого боку, визначаються аксон-дендритною моделлю кожного нейрона. Будь-яку оптимізаційну дію системи можна описати як перехід з одного стану в інший, який тісно пов'язаний зі зміною ентропії. Представлена нова концепція ентропії як внутрішньої поведінкової несумісності (резистентності) або антагонізму між поведінковими векторами дезорієнтованого агента представляє новий підхід до управління та контролю сенсорних систем. У даному контексті критерій системного ризику або безпеки асоціюється зі стабільністю, а в системологічній точці зору з ідеєю придатностіфункції. Побудова моделі та її оптимізація можлива за критерієм мінімізації ентропії. З точки зору оптимізації може бути зручним використання евристичних алгоритмів синергетичної (нейронної) реконфігурації графа з метою мінімізації ентропії. Алгоритм оптимізації на основі ентропії (EO) як еволюційний метод створює ринкову модель на основі агентів, яка заповнюється тисячами агентів, кожен із власними технічними правилами торгівлі. Потім EO крок за кроком розвиває цю модель, у той час як ентропія зменшується. Після всіх ітерацій конфігурація моделі розвивається відповідно до градієнта ентропії, тобто структура моделі ринку на основі агентів трансформується з однієї конфігурації в іншу. ВИСНОВКИ Унікальні властивості добре відомих напівпровідників: германію, кремнію, оксидів металів і т.д. досягаються шляхом точного легування різними домішками (ізотопів бору, 3d-металів і т.д.), що дозволяє створювати різні високочутливі пристрої, серед яких гамма і датчики нейтронного випромінювання високої роздільної здатності; датчики температури, що працюють в жорстких умовах; резистивні наносенсори з пам'яттю та ін. Ці інтелектуальні інструменти повинні бути інтегровані в інтелектуальні мережі, що нещодавно розвиваються, в тому числі на основі квантових інформаційних технологій, що визначає їх високі сенсорні характеристики та можливість точного управління та контролю в широкому спектрі застосувань. СПИСОК ВИКОРИСТАНОЇ ЛІТЕРАТУРИ 1. C. Canta, M. Cisternino, F. de Cristofaro, C. Malvicino. In: Proc. Sensor’ 95 Cong. 1995, Nuremberg, 159. 2. V. Vlasov. In: Proc. Sensor’ 97 Cong., 2. 1997, Nuremberg, 135. 3. P. Kervalishvili. In: Proc. Int. Conf. MMEM’ 04 – Georg. Eng. News. 2004, 3 (Spec. Issue), 152. 4. P. Kervalishvili, G. Gavrilov. In: Proc. SU Conf. “Novel Physical Principles of Analitical Devices Fabrication”. 1980, Kiev: KPI Press, 14. 5. P. Kervalishvili, G. Karumidze, G. Kalandadze, S. Shalamberidze. Sensors & Actuators A. 1993, 36, 43. 6. Yu. A. Bykovskii, P. Kervalishvili, I. N. Nikolaev. Tech. Phys. Lett. 1993, 19, 457. 7. P. Kervalishvili, G. Kalandadze, G. Karumidze. Semicond. 1978, 12, 1145. 8. P. Kervalishvili, S. Shalamberidze, G. Esadze, P. Porta. Le Vide, les Couches Minces. 1993, 267, 189. 9. G. Kalandadze, I. Bairamashvili, P. Kervalishvili, A. Eristavi. In Coll. Reps.: Georg. Symp. Project Development & Conversion. 1995, Tbilisi, 103. 10. P. Kervalishvili. In: Int. Conf. “Material Science Day”. 2009, Tbilisi: CNRS–TSU 11. S. Bush. Electronics Weekly. 2008, 05-02. 12. L. Chua. IEEE Trans. Circ. Theo. 1971, 18, 507. 13. J. Tour, T. He. Nature. 2008, 453, 42. 14. M. di Ventra, Yu. Pershin, L. Chua. Proc. IEEE. 2009, 97, 1717. 15. Sh. Liu, N.-J. Wu, X. Chen, A. Ignatiev. In: Electric Pulse. 2001, Presentations. 16. D. Strukov, G. Snider, D. Stewart, S. Williams. Nature. 2008, 453, 80. 17. T. Saigusa, A. Tero, T. Nakagaki, Y. Kuramoto. Phys. Rev. Lett. 2008, 100 18. P. Kervalishvili, B. Meparishvili, G. Janelidze. In: Summary Proc. 21st CODATA Int. Conf. “Scientific Information for Society – from Today to the Future”. 2008, Kyiv: NTUU-KPI. 19. P. Kervalishvili, B. Meparishvili. Georg. Chem. J. 2010, 10, 169. 20. P. Kervalishvili, B. Meparishvili. In: ERA-2 Proc. The Contribution of Information Technology in Science, Economy, Society & Education. 2008, T.E.I. PIREAUS, 453.
