MétaCan
Menu
Retour à la cohorte
Enregistrement W3018510411 · doi:10.22323/1.370.0074

KARATE - a setup for high rate tests on the CMS Outer Tracker 2S module readout chain

2020· article· en· W3018510411 sur OpenAlexaff
S. Maier, A. Dierlamm, U. Husemann, Thomas Müller

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensInstitute of Particle Physics
Organismes subventionnairesnon disponible
Mots-clésLarge Hadron ColliderTracking (education)UpgradePhysicsDetectorComputer hardwarePhotodiodeChipLuminosityNuclear electronicsComputer scienceElectrical engineeringOpticsEngineeringNuclear physicsOperating system

Résumé

récupéré en direct d'OpenAlex

E-mail: s.maier@kit.edu KARATE (KArlsruhe high RAte TEst) is a new test system to stress test the readout chain of detector modules for the upgrade of the CMS Outer Tracker for the high-luminosity LHC. Modules consisting of two silicon strip sensors, called 2S modules, are deployed in the outer regions of the Outer Tracker. The readout chain of a 2S module consists of 16 CMS Binary Chips (CBC) each connected to two stacked silicon strip sensors. The CBC contributes data to the first trigger level by identifying particles with large transverse momenta. The output is sparsified on two concentrator chips which in turn are connected to a Gigabit transceiver that prepares the data for output through an optical module. Standard test systems such as test beams or radioactive source measurements need a track reconstruction or do have Gaussian distributed hit profiles and do not reach the occupancy or trigger rates expected in the future Outer Tracker of CMS. KARATE uses a combination of LEDs and photodiodes to inject hit patterns with varying pulse heights, occupancies and trigger rates into the front-end of the CBC, giving full control on 48 channels at 40 MHz. This offers the opportunity to directly compare injection patterns with readout patterns. This contribution introduces the test system and summarizes measurements on a CBC that is read out electrically.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,585
Score d'incertitude au seuil0,801

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,032
Tête enseignante GPT0,244
Écart entre enseignants0,212 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetParticle Detector Development and PerformanceTravaux en français237 207