MétaCan
Menu
Retour à la cohorte
Enregistrement W3021969131 · doi:10.1149/09705.0165ecst

Readout Circuit Design Using Experimental Data of Line-TFET Devices

2020· article· en· W3021969131 sur OpenAlexaff
Walter Gonçalez, Roberto Rangel, João Antônio Martino, Paula Ghedini Der Agopian

Notice bibliographique

RevueECS Transactions · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Semiconductor Devices and Circuit Design
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTransistorSubthreshold conductionResistorLine (geometry)AmplifierElectrical engineeringCapacitorElectronic circuitLinearityCircuit designPhysicsOptoelectronicsComputer scienceElectronic engineeringVoltageCMOSEngineering

Résumé

récupéré en direct d'OpenAlex

By considering the analog characteristics of Line Tunneling Field Effect Transistors (Line-TFETs) that are suitable for small-signal amplification, this paper studies the design of a readout circuit with these devices while making comparisons with conventional MOSFET designs. The results show that the Line-TFET design exhibits high gain and low reading error (51dB open loop gain) while using a simple one-stage amplifier and results in a huge reduction in circuit area by using pseudo feedback resistors that have their differential resistance increased for smaller dimensions, achieving up to 50Gohm in a 120nm x 100nm device. This enables cutoff frequencies below 1Hz while using nanometer devices and smaller capacitors. Moreover, the readout circuit achieves 33nW of power consumption even though the Line-TFET devices are not biased in the subthreshold regime.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil0,695

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)0,0000,000

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 Opus0,242
Tête enseignante GPT0,317
Écart entre enseignants0,075 · 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'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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetAdvancements in Semiconductor Devices and Circuit DesignTravaux en français237 207