MétaCan
Menu
Retour à la cohorte
Enregistrement W2900587044 · doi:10.23919/eumic.2018.8539919

Fully Automated RF-Thermal Stress Workbench with S-Parameters Tracking for GaN Reliability Analysis

2018· preprint· en· W2900587044 sur OpenAlexaff
Damien Saugnon, Jean-Guy Tartarin, B. Franc, Hassan Maher, François Boone

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueGaN-based semiconductor devices and materials
Établissements canadiensInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésWorkbenchReliability (semiconductor)High-electron-mobility transistorComputer scienceTracking (education)Radio frequencyElectronic engineeringRadarReliability engineeringSIGNAL (programming language)Stress (linguistics)Power (physics)Electrical engineeringEngineeringTransistorTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

The rapid development of III-V technologies for telecommunication and radar markets need the meeting of performances (power, frequency) criteria as well as reliability assessment. Nitride HEMT technologies are known to reveal a large variety of failure electrical signatures, and it is also largely accepted that multi-tools (multi physics) approaches is the only suitable way to understand the failure mechanisms and to improve the technologies. Experimental stress workbenches usually allow to track a given number of static/dynamic parameters, but specific characterization are only performed at initial and final steps on the devices. This paper proposes a new approach with S-parameters measurement performed during RF stresses without removing the devices under test (in a thermally controlled oven). Then intermediate knowledge of the electrical (small signal) behavior of the devices can be assessed, and crossed with large-signal and static time-dependent signatures.

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), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,566
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,277
Écart entre enseignants0,257 · 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'étudeObservationnel
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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGaN-based semiconductor devices and materialsTravaux en français237 207