Optimum Temperatures for Enhanced Power Conversion Efficiency (PCE) of Zero-Bias Diode-Based Rectifiers
Notice bibliographique
Résumé
Ambient power rectifiers are pivotal for batteryless or self-powered internet of things architectures and self-sustained communication/sensor platforms. The core of rectifiers, a nonlinear device, has been subject to significant research and improvements recently, especially at a low-power level, where rectifying efficiency is so limited. Current responsivity (the key rectification parameter describing the nonlinearity) is known to be impacted by the operating temperature, as predicted by William Shockley's law. However, no work has been carried out to quantify the impact of temperature in the RF rectification process, nor to relate existing diodes with their optimum operating temperature range. To address those missing links, this article first develops an analytical method to predict power conversion efficiency (PCE) of rectifiers from approximate milli-watt down to nano-watt level. Next, it identifies the optimum operating temperature of rectifiers corresponding to peak PCE. It also reports that the previous PCE ceiling of 15% (at an input power level below -30 dBm) can be broken when rectifiers operate at their optimum temperatures. Enhanced PCE results are then validated experimentally on SMS7630 and HSMS-2850-based rectifiers when operating at their optimum temperatures. Noticeably, the SMS7630-based rectifier delivers efficiency of 17.5% at -30 dBm and 41.7% at -20 dBm, showing respectively comparable and better PCE than that of tunnel diode-based counterparts at similar power levels. This article also indicates that rectifier design should consider the operating temperature when selecting diodes to maximize rectifying potential.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».