Low Noise Frequency-Domain Multiplexing of TES Bolometers Using SQUIDs at Sub-Kelvin Temperature
Notice bibliographique
Résumé
Abstract Digital Frequency-Domain Multiplexing (DfMux) is a technique that uses MHz superconducting resonators and Superconducting Quantum Interference Device (SQUID) arrays to read out sets of transition edge sensors. DfMux has been used by several Cosmic Microwave Background experiments, including most recently POLARBEAR-2 and SPT-3 G with multiplexing factors as high as 68, and is the baseline readout technology for the planned satellite mission LiteBIRD. Here, we present recent work focused on improving DfMux readout noise, reducing parasitic impedance, and improving sensor operation. We have achieved a substantial reduction in stray impedance by integrating the sensors, resonators, and SQUID array onto a single-carrier board operated at 250 mK. This also drastically simplifies the packaging of the cryogenic components and leads to better-controlled crosstalk. We demonstrate a low readout noise level of 8.6 $$\mathrm{pA/Hz}1^{1/2}$$ pA / Hz 1 1 / 2 , which was made possible by operating the SQUID array at a reduced temperature and with a low dynamic impedance. This is a factor of two improvement compared to the achieved readout noise level in currently operating Cosmic Microwave Background experiments using DfMux and represents a critical step toward maturation of the technology for the next generation of instruments.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».