MétaCan
Menu
Retour à la cohorte
Enregistrement W1618835985 · doi:10.1109/nssmic.1995.504225

A pipeline controller for the ATLAS calorimeter

2002· article· en· W1618835985 sur OpenAlexaff
D. M. Gingrich, J.C. Hewlett, L. Holm, J. L. Pinfold

Notice bibliographique

Revue1995 IEEE Nuclear Science Symposium and Medical Imaging Conference Record · 2002
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPipeline (software)Computer scienceComputer hardwarePipeline transportController (irrigation)Atlas (anatomy)DetectorRandom accessElectrical engineeringEmbedded systemReal-time computingEngineeringOperating systemTelecommunications

Résumé

récupéré en direct d'OpenAlex

One approach to the front-end readout of the ATLAS liquid argon calorimeter is to store data locally in analog pipeline memories at the LHC beam-crossing frequency of 40 MHz. Proto-type pipeline chips using switched capacitor arrays which meet the ATLAS readout requirements exist. These new chips are capable of simultaneous read and write operations, and allow random access to storage locations. To utilize these essential design features requires a substantial amount of fast control and address bookkeeping logic. We have designed a controller capable of operating the pipelines as analog random access memories and that satisfies the ATLAS readout requirements. The pipeline controller manages the data of 256 time samples and provides dead-time free operation up to a trigger rate of 100 kHz, when reading out five time samples per event. This operation allows 2 /spl mu/s for the output reconstruction amplifiers to settle and should be sufficient to achieve the required 13-bit resolution. We are currently proto-typing a second PC-board version of our controller. The implementation of an integrated version based on the same design is in progress.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,130

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0390,007

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,253
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue1995 IEEE Nuclear Science Symposium and Medical Imaging Conference RecordMême sujetParticle Detector Development and PerformanceTravaux en français237 207