MétaCan
Menu
Retour à la cohorte
Enregistrement W3023731733 · doi:10.3390/app10093018

Developing a Universal Mirror–mirror Laser Mapping System for Single Event Effect Research

2020· article· en· W3023731733 sur OpenAlexaff
Cheng Gu, George Belev, Haonan Tian, Shuting Shi, Issam Nofal, Shi-Jie Wen, Li Chen

Notice bibliographique

RevueApplied Sciences · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueRadiation Effects in Electronics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésLaserComputer scienceSensitivity (control systems)Attenuator (electronics)AmplifierSoftwareOpticsComputer hardwareElectronic engineeringEngineeringPhysicsBandwidth (computing)Telecommunications

Résumé

récupéré en direct d'OpenAlex

Research on single event effects (SEEs) is significant to the design and manufacture of modern electronic devices. By applying two photon absorption (TPA) ultra-fast pulsed lasers, extra electron-hole pairs (EHPs) are generated in a desired location on a chip, simulating the process that could occur in the circuit by energetic particles. In this study, a SEE sensitivity mapping system is described which uses this method to generate real-time sensitivity maps for various electronic devices. The system hardware includes an attenuator to control the energy, a Pockels cell as a fast-optical switcher and a mirror–mirror module to project the laser beam into a certain location. The system software developed for this application controls the laser system, automatically generates sensitivity maps, communicates with the testing devices and logs the SEE results. The two main features of this laser mapping system are: high scanning velocity for large area scanning (about 1 × 1 mm) and high spatial resolution for small area scanning (about 1 × 1 μm). To verify this mapping system, sensitivity maps were generated for static random access memory (SRAM) built with 65 nm technology and for commercial operational amplifiers (op-amps). The achieved sensitivity maps were compared with circuitry analysis and laser testing results, confirming this mapping system to be effective.

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)0,001
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 enseignants0,427
Score d'incertitude au seuil0,532

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,072
Tête enseignante GPT0,305
Écart entre enseignants0,233 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetRadiation Effects in ElectronicsTravaux en français237 207