MétaCan
Menu
Retour à la cohorte
Enregistrement W2897704647 · doi:10.48550/arxiv.1810.04030

A Complete Surface Integral Method for Broadband Modeling of 3D Interconnects in Stratified Media

2018· preprint· en· W2897704647 sur OpenAlexaff
Shashwat Sharma, Utkarsh R. Patel, Sean V. Hum, Piero Triverio

Notice bibliographique

RevuearXiv (Cornell University) · 2018
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueElectromagnetic Scattering and Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésIntegral equationElectric-field integral equationSolverMethod of moments (probability theory)ComputationElectrical conductorComputer scienceMathematical analysisRange (aeronautics)Bessel functionAdmittanceFinite element methodElectronic engineeringMathematicsMathematical optimizationAlgorithmPhysicsElectrical engineeringEngineeringElectrical impedance

Résumé

récupéré en direct d'OpenAlex

A surface integral equation solver is proposed for fast and accurate simulation of interconnects embedded in stratified media. A novel technique for efficient computation of the multilayer Green's function is proposed. Using the Taylor expansion of Bessel functions, the computation of Sommerfeld integrals during the method of moments procedure is reduced to simple algebraic operations. To model skin effect in conductors, the single-source differential surface admittance operator is extended to conductors in stratified media. To handle large realistic structures, the adaptive integral method is developed for a multilayer environment in a generalized manner that poses no restrictions on layout of conductors, and requires no special grid refinement, unlike previous works. The proposed method is made robust over a wide frequency range with the augmented electric field integral equation. Realistic structures of different shapes and electrical sizes are successfully analyzed over a wide frequency range, and results are validated against a commercial finite element tool.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: Empirique
Score de désaccord entre enseignants0,417
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,075
Tête enseignante GPT0,228
Écart entre enseignants0,153 · 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 tête enseignante, pas un consensus.

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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetElectromagnetic Scattering and AnalysisTravaux en français237 207