MétaCan
Menu
Retour à la cohorte
Enregistrement W4401863137 · doi:10.23977/jeeem.2024.070217

Characterization of Charge Collection Properties of High Time-Resolution Silicon Carbide Detectors

2024· article· en· W4401863137 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Electrotechnology Electrical Engineering and Management · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueCCD and CMOS Imaging Sensors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSilicon carbideCharacterization (materials science)Charge (physics)DetectorMaterials scienceHigh resolutionSiliconOptoelectronicsNanotechnologyPhysicsRemote sensingOpticsGeologyParticle physicsComposite material

Résumé

récupéré en direct d'OpenAlex

The charge collection characteristics of silicon carbide detectors in the field of high time resolution detection are studied in this paper. Aiming at the limitations of traditional silicon detectors in high temperature and high radiation environment, a high time resolution detector design based on 4H-SiC material is proposed. Due to its wide band gap, high carrier mobility, and excellent radiation resistance, 4H-SiC is ideal for extreme detection environments. By optimizing the process, high charge collection efficiency (CCE) and excellent temporal resolution were achieved, with CCE reaching 90% and temporal resolution reaching 35±0.2ps at 100V reverse bias. The experimental results show that the SiC detector has a series of excellent properties compared with the silicon-based detector. In addition, the charge collection characteristics of SiC detectors with different bias and the saturation behavior of charge collection in the range of 150~350V are also discussed. Finally, the application prospects of SiC detector in nuclear radiation monitoring, medical imaging and space exploration are prospected. With the advancement of technology and the reduction of cost, SiC detectors will demonstrate their unique value in more fields.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,225
Score d'incertitude au seuil0,470

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,003
Tête enseignante GPT0,154
Écart entre enseignants0,152 · 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 tête enseignante, 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Electrotechnology Electrical Engineering and ManagementMême sujetCCD and CMOS Imaging SensorsTravaux en français237 207