MétaCan
Menu
Retour à la cohorte
Enregistrement W4403190768 · doi:10.1088/1748-0221/19/10/p10009

Application of the VMM ASIC for SiPM-based calorimetry

2024· article· en· W4403190768 sur OpenAlexaff
I. G. Bearden, Valentin Dimitrov Buchakchiev, A.R. Buhl, L. Dufke, T. Isidori, S. Jia, V. Kozhuharov, C. Loizides, H. Müller, D. Pfeiffer, Max Philip Rauch, Alexandru Rusu, R. Simeonov

Notice bibliographique

RevueJournal of Instrumentation · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensInstitute of Particle Physics
Organismes subventionnairesOffice of ScienceNuclear PhysicsDanmarks Frie ForskningsfondEuropean CommissionCERNU.S. Department of Energy
Mots-clésSilicon photomultiplierApplication-specific integrated circuitCalorimeter (particle physics)Large Hadron ColliderPhysicsMicroMegas detectorElectronicsDetectorDynamic rangeEnergy (signal processing)Electrical engineeringComputer hardwareComputer scienceNuclear physicsOpticsEngineeringScintillator

Résumé

récupéré en direct d'OpenAlex

Abstract Highly integrated multichannel readout electronics is crucial in contemporary particle physics experiments. A novel silicon photomultiplier readout system based on the VMM3a ASIC was developed, for the first time exploiting this chip for calorimetric purposes. To extend the dynamic range the signal from each SiPM channel was processed by two electronics channels with different gain. A fully operational prototype system with 256 SiPM readout channels allowed the collection of data from a prototype of the ALICE Forward Hadron Calorimeter (FoCal-H Prototype 2). The design and the test beam results using high energy hadron beams are presented and discussed, confirming the applicability of VMM3a-based solutions for energy measurements in a high rate environment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,272
Écart entre enseignants0,262 · 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 source (Gemma direct ou Codex distillé), 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 InstrumentationMême sujetParticle Detector Development and PerformanceTravaux en français237 207