MétaCan
Menu
Retour à la cohorte
Enregistrement W4281764113 · doi:10.1088/1361-6463/ac6e9c

Fluctuations in the collected charge in integrating photoconductive detectors under small and large signals: the variance problem

2022· article· en· W4281764113 sur OpenAlexafffund
Kieran Oliver Ramaswami, Richard J. Curry, Ian Hinder, Robert E. Johanson, Safa Kasap

Notice bibliographique

RevueJournal of Physics D Applied Physics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Semiconductor Detectors and Materials
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesEngineering and Physical Sciences Research CouncilNatural Sciences and Engineering Research Council of CanadaUniversity of ManchesterUniversity of Saskatchewan
Mots-clésAlgorithmDetectorCharge (physics)Computer scienceDatabaseArtificial intelligencePhysicsTelecommunicationsParticle physics

Résumé

récupéré en direct d'OpenAlex

Abstract Charge collection efficiency (CE) η 0 under small signal conditions, corresponding to a uniform field in the detector medium, has been widely used in evaluating the performance of photoconductive detectors. The present paper answers the question, ‘What is the variance of the collected charge in an integrating detector as a function of photoinjection level and what are the errors if we continue to use the small signal equations?’ The variance <?CDATA $\sigma _0^2$?> σ 0 2 in η 0 under small signals has been theoretically derived in the literature and has been a key factor in the detective quantum efficiency modeling of integrating detectors based on various semiconductors. <?CDATA $\sigma _0^2$?> σ 0 2 is a noise source and can degrade the detector performance under incomplete charge collection. The statistical variance <?CDATA $\sigma _0^2$?> σ 0 2 in the CE η 0, under small signals and the variance <?CDATA $\sigma _r^2$?> σ r 2 in the CE ηr under an arbitrary injection level r (injected charge divided by charge on the electrodes) have been studied using the Monte Carlo simulation model developed in this work to evaluate the difference between <?CDATA $\sigma _r^2$?> σ r 2 and <?CDATA $\sigma _0^2$?> σ 0 2 from small to large signals. Initial injection of electron and hole pairs and their subsequent transport and trapping in the presence of an electric field, which is calculated from the Poisson equation, is used to calculate the photocurrent. Each injected carrier is tracked as it moves in the semiconductor until it is either trapped or reaches the collection electrode. Trapped carriers do not contribute to the photocurrent but continue to contribute to the field through the Poisson equation. The instantaneous photocurrent i ph(t) is calculated from the drift of the free carriers through the Shockley–Ramo theorem. i ph(t) is integrated over the duration of the photocurrent to calculate the total collected charge and hence the CE ηr . The variance <?CDATA $\sigma _r^2$?> σ r 2 in ηr is found from multiple simulations of ηr . The ηr and <?CDATA $\sigma _r^2$?> σ r 2 have been generated over varying charge injection ratios r, the electron and hole ranges μτ, mean photoinjection depths δ and drift mobility ratios b. At full injection, the deviation <?CDATA $\Delta \sigma _r^2$?> Δ σ r 2 of the CE variance <?CDATA $\sigma _r^2$?> σ r 2 from the uniform field case <?CDATA $\sigma _0^2$?> σ 0 2 ( <?CDATA ${\text{i}}.{\te

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)0,005
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,018
Tête enseignante GPT0,229
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 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'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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Physics D Applied PhysicsMême sujetAdvanced Semiconductor Detectors and MaterialsTravaux en français237 207