A New Approach to Enhancing Radiation Hardness in Advanced Nuclear Radiation Detectors Subjected to Fast Neutrons
Notice bibliographique
Résumé
Low-Gain Avalanche Diodes (LGADs) are critical sensors for the ATLAS and CMS timing detectors at the High Luminosity Large Hadron Collider (HL-LHC), offering enhanced timing resolution with gain factors of 20 to 50. However, their radiation tolerance is hindered by the Acceptor Removal Phenomenon (ARP), which deactivates boron in the gain layer, reducing gain below the threshold for accurate timing. This study investigates the radiation hardness of thin, carbon-doped LGAD sensors developed by Brookhaven National Laboratory (BNL) to address ARP-induced limitations. Active dopant profiles in the gain layer, junction, and bulk were measured using a Spreading Resistance Probe (SRP) profilometer, and the effects of annealing and neutron irradiation at fluences of 3 × 1014, 1 × 1015, and 3 × 1015 neq/cm2 (1 MeV equivalent) were analyzed. Low carbon dose rates showed minimal improvement due to enhanced deactivation, while higher doses improved radiation hardness, demonstrating a non-linear dose–response relationship. These findings highlight the potential of optimizing gain layers with high carbon doses and low-diffusion boron to extend LGAD lifetimes in high-radiation environments. Future research will refine carbon implantation strategies and explore alternative approaches to further enhance the radiation hardness of LGADs.
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 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 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 ».