Terahertz Radiation Detectors Using CMOS Compatible SOI Substrates
Notice bibliographique
Résumé
Abstract In recent years, silicon‐based room temperature Terahertz (THz) detectors have become the most optimistic research area because of their high speed, low cost, and unimpeded compatibility with mainstream complementary metal‐oxide‐semiconductor (CMOS) device technologies. However, Silicon (Si) suffers from low responsivity and high noise at THz frequencies. In this review, the recent advances in Si‐based THz detectors using silicon‐on‐insulator (SOI) substrates are presented. These offer several advantages over bulk counterparts, such as reduced parasitic capacitance, enhanced electric field confinement, and improved thermal isolation. The different types of THz detectors exploiting SOI substrate, such as conventional metal‐oxide‐semiconductor field effect transistors (MOSFETs), junction‐less MOSFETs, junction‐less nanowires field effect transistors (JLNWFETs), micro‐electromechanical system (MEMS), metal‐semiconductor‐metal (MSM) structures, and single electron transistor (SET), are discussed, and their key performances in terms of responsivity, noise equivalent power (NEP), bandwidth, and dynamic range are compared. The challenges and opportunities for further improvement of SOI THz detectors, such as device scaling, integration, and modulation, are also highlighted. This review may offer compelling evidence supporting the idea that SOI THz detectors have the potential to facilitate high performance, low power consumption, and scalability—qualities essential for advancing next‐level technologies.
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) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».