Hot spot visual evaluation of breakdown locations in ATLAS18 ITk strip sensors and test structures
Notice bibliographique
Résumé
An important characteristic of silicon-based particle detectors, such as those used for the forthcoming ATLAS ITk upgrade for the HL-LHC, is the leakage current. This characteristic is evaluated in the quality control stage of the new ITk strip sensors by performing an IV measurement, where the sensors are biased up to − 700 V , typically showing low and stable leakage current. However, some sensors can exhibit a sudden leakage current increase during the IV measurement, so-called early breakdown, making the sensor unusable. The analysis of these early breakdown conditions typically consists of visual inspection of the sensors using a microscope, as often this is caused by physical damage, such as a deep scratch, chipping on the edges of the sensor, or other damage. However, the association of the observed damage with the early breakdown is not definitive. Rather, this is an association by correlation, due to the limits of verification by observation with standard equipment. A hot spot imaging setup has proven to be a valuable diagnostic tool to identify and understand these early breakdown conditions and elaborate on former understandings of these emissions. The regions responsible for the breakdown can be properly located by imaging the near infra-red light emissions produced by them in breakdown conditions. These regions of interest can also be imaged at magnification to evaluate the more precise structure of the breakdown to better understand the damage. The regions discovered, which have improved our understanding of breakdown damage and its symptoms, include scratches, chipping, static charge buildup and fabrication defects in the ATLAS18 strip sensors and test structures.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».