An Extended <i>L</i>–2<i>L</i> De-Embedding Method for Modeling and Low Return-Loss Transition of Millimeter Wave Signal Through Silicon Interposer
Notice bibliographique
Résumé
This article presents a new modeling and optimization approach for low return-loss transition of millimeter wave signals in flip-chip die-to-die interconnects using silicon interposer technology. TheL–2Lde-embedding method is used and extended by carefully selecting appropriate structures and designs to model and characterize micro/millimeter-wave bumps and vias. Initially, theL–2Lmethod is employed to analyze microstrip line die-to-die interconnects, including trace and microbumps. Subsequently, theL–2Lde-embedding method is extended to examine the stripline signaling scheme and extract the model of vias. It is shown that the proposed approach can extract the model of stacked vias between the different layers of a silicon interposer stack-up. Also, the adopted method is utilized to analyze various parts of the transition in the case-study signaling schemes with ground shields. The validity of the proposed strategy is verified by employing the commercial full-wave simulation tool Ansys HFSS to analyze die-to-die interconnects at different stages. The effectiveness of the method in optimizing test structures is also investigated, with the optimized structures exhibiting insertion losses below 1 dB and return losses better than 25 dB from dc to 60 GHz. Using the proposed modeling method provides room for significant improvements in the prelayout design stages.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».