New Single-Source Surface Integral Equation for Magneto-Quasi-Static Characterization of Transmission Lines Situated in Multilayered Media
Notice bibliographique
Résumé
We recently proposed a novel single-source integral equation (SSIE) for accurate broadband resistance and inductance extraction and current flow modeling in 2-D conductors. The new surface integral equation is advantageous compared with the traditional volume electric field integral equation (V-EFIE) used for the inductance extraction, since the unknown function is defined on the surface of conductors as opposed to the volumetric unknown current density in V-EFIE. The new SSIE is also more suitable for the solution of inductance extraction problems than the traditional surface integral equation formulations, as it features only a single unknown surface function as opposed to having the unknown equivalent electric and magnetic surface current densities. The new equation also features only the electric field Green's functions unlike the previously known SSIE formulations. The latter property makes the new SSIE equation particularly suitable to the inclusion of the multilayered substrate effect into the inductance extraction model. This paper describes the generalization of the new SSIE formulation to the case of transmission line models embedded into the multilayered lossy substrates. This paper also shows how the matrix sparsity in the method of moments discretization of the novel integral equation can be exploited to accelerate its numerical solution and reduce associated memory use. This sparsity arises due to the skin-effect-based attenuation of the fields in conductors' cross sections leading to vanishing levels of the matrix elements corresponding to the distant interactions. Typical examples of inductance extraction in complex interconnects situated in lossy substrate are considered to validate the proposed techniques against traditional approaches.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».