MétaCan
Menu
Retour à la cohorte
Enregistrement W4403390273 · doi:10.1109/jsen.2024.3476431

A Feasibility Examination Using Microwave Stripline Resonators for Low-Temperature Sensing

2024· article· en· W4403390273 sur OpenAlexaff
Brent Leier, Rashid Mirzavand, Masoud Baghelani, Ashwin K. Iyer

Notice bibliographique

RevueIEEE Sensors Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave Engineering and Waveguides
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésStriplineResonatorMicrowaveMaterials scienceAcousticsElectronic engineeringOptoelectronicsTemperature measurementElectrical engineeringEngineeringTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

A stripline transmission-line-based temperature sensor is designed and fabricated for examination of use in low-temperature environments. A custom-built chassis encloses the stripline, shielding the low-temperature sensor from environmental disturbances such as frost and condensation, which would otherwise disrupt temperature measurement. The base resonator geometry is a 6.05-mm ring, modified with a split and transmission lines (TLs) extended inward to operate at frequencies between 910 and 927 MHz over temperatures from$- 70~^{\circ }$C to$10~^{\circ }$C. The one-port sensor exploits the thermal coefficient of dielectric constant (TCD) of −459 ppm/°C of a commercial dielectric substrate. As temperature changes, so does the dielectric constant of the substrate, correlating to a shift in resonant frequency. A series of thermal cycling and stability experiments demonstrate repeatable and stable resonant frequency and temperature measurements. Several independent temperature step experiments between$- 70~^{\circ }$C and$10~^{\circ }$C are performed, resulting in a repeatable linear sensitivity of$\approx ~199$kHz/°C. The results confirm the feasibility of using microwave (MW) stripline resonant sensors on commercial substrates for low-temperature sensing.

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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,022
Tête enseignante GPT0,259
Écart entre enseignants0,238 · 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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetMicrowave Engineering and WaveguidesTravaux en français237 207