MétaCan
Menu
Retour à la cohorte
Enregistrement W3217233231 · doi:10.1109/tdmr.2021.3131345

CMOS Reliability From Past to Future: A Survey of Requirements, Trends, and Prediction Methods

2021· article· en· W3217233231 sur OpenAlexafffund
Ian E. J. Hill, Parvez Anwar Chanawala, Rohit K Singh, S. Arash Sheikholeslam, A. Ivanov

Notice bibliographique

RevueIEEE Transactions on Device and Materials Reliability · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSemiconductor materials and devices
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésReliability (semiconductor)Reliability engineeringComputer scienceProduct (mathematics)Government (linguistics)EngineeringRisk analysis (engineering)Business

Résumé

récupéré en direct d'OpenAlex

Developments in IC fabrication, emerging high-reliability markets, and government regulations indicate potential for significant shifts in how reliability fits within IC development and product life-cycles. This survey takes a comprehensive look at trends in IC reliability and investigates the methods used to predict failures. A background overview of recent and expected advances in IC fabrication is provided, along with reliability requirements for different markets and review of key aging mechanisms affecting modern ICs. The survey of reliability trends captures the body of research examining degradation across process nodes, changes in transistor architecture, and changes to device materials. High-level analysis of conclusions reveals significant uncertainty with regards to many changes and a diverse range of topics warranting further research. A critical look at current reliability prediction methods used to characterize product reliability is followed by a survey of research developing novel prediction methods to enhance and improve on existing techniques. These topics come together to illustrate the state of IC reliability characterization and potential paths to overcome upcoming challenges.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,004
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,029
Tête enseignante GPT0,294
Écart entre enseignants0,265 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Device and Materials ReliabilityMême sujetSemiconductor materials and devicesTravaux en français237 207