Sci‐Sat AM: Radiation Dosimetry and Practical Therapy Solutions ‐ 01: Optimization of an organic field effect transistor for radiation dosimetry measurements
Notice bibliographique
Résumé
Purpose: To use Monte Carlo simulations to optimize the design of an organic field effect transistor (OFET) to maximize water‐equivalence across the diagnostic and therapeutic photon energy ranges. Methods: DOSXYZnrc was used to simulate transport of mono‐energetic photon beams through OFETs. Dose was scored in the dielectric region of devices and used for evaluating the response of the device relative to water. Two designs were considered: 1. a bottom‐gate device on a substrate of polyethylene terephthalate (PET) with an aluminum gate, a dielectric layer of either PMMA or CYTOP (a fluorocarbon) and an organic semiconductor (pentacene). 2. a symmetric bilayer design was employed in which two polymer layers (PET and CYTOP) were deposited both below the gate and above the semiconductor to improve water‐equivalence and reduce directional dependence. The relative thickness of the layers was optimized to maximize water‐equivalence. Results: Without the bilayer, water‐equivalence was diminished relative to OFETs with the symmetric bilayer at low photon energies (below 80 keV). The bilayer's composition was designed to have one layer with an effective atomic number larger than that of water and the other with an effective atomic number lower than that of water. For the particular materials used in this study, a PET layer 0.1mm thick coupled with a CYTOP layer of 900 nm provided a device with a water‐equivalence within 3% between 20 keV and 5 MeV. Conclusions: organic electronic devices hold tremendous potential as water‐equivalent dosimeters that could be used in a wide range of applications without recalibration.
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 | 0,000 |
| 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 ».