MétaCan
Menu
Retour à la cohorte
Enregistrement W2582053586 · doi:10.1117/1.oe.56.2.024103

Modeling of hybridized infrared arrays for characterization of interpixel capacitive coupling

2017· article· en· W2582053586 sur OpenAlexaff
Kevan Donlon, Zoran Ninkov, Stefi A. Baum, Linpeng Cheng

Notice bibliographique

RevueOptical Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueCCD and CMOS Imaging Sensors
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésPixelCoupling (piping)DetectorCapacitive couplingSIGNAL (programming language)OpticsCapacitancePhysicsComputer scienceMaterials scienceVoltage

Résumé

récupéré en direct d'OpenAlex

Interpixel capacitance (IPC) is a deterministic electronic coupling resulting in a portion of signal incident on one pixel of a hybridized detector array being measured in adjacent pixels. Data collected by light sensitive HgCdTe arrays that exhibit this coupling typically goes uncorrected or is corrected by treating the coupling as a fixed point spread function. Evidence suggests that this coupling is not uniform across signal and background levels. Subarrays of pixels using design parameters based upon HgCdTe indium hybridized arrays akin to those contained in the James Webb Space Telescope’s NIRcam have been modeled from first principles using Lumerical DEVICE Software. This software simultaneously solves Poisson’s equation and the drift diffusion equations yielding charge distributions and electric fields. Modeling of this sort generates the local point spread function across a range of detector parameters. This results in predictive characterization of IPC across scene and device parameters that would permit proper photometric correction and signal restoration to the data. Additionally, the ability to visualize potential distributions and couplings as generated by the models yields insight that can be used to minimize IPC coupling in the design of future detectors.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,215
Écart entre enseignants0,203 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptical EngineeringMême sujetCCD and CMOS Imaging SensorsTravaux en français237 207