Conceptual design of inductive magnetic sensors using photolithography processes
Notice bibliographique
Résumé
Inductive magnetic sensors are needed for the operation of fusion devices to monitor high frequency (HF) fluctuations and as a back-up to the low-frequency (LF, still inductive) magnetic sensors used for the measurements leading to the reconstruction of the equilibrium. The technical specifications for these two types of inductive magnetic sensors are rather different: this is a major conceptual difficulty in the design of inductive magnetic sensors, and then most often different sets of inductive magnetic sensors are used, which significantly complicates R&D activities, prototyping and manufacturing. Most (∼500) of the inductive magnetic sensors currently being deployed in ITER have been produced with the Low-Temperature CoFired Ceramic (LTCC) technology. The LTCC technology is now at least 20 years old and new processes have been developed for industrial applications, essentially based on different photolithography (PL) processes. The main advantage of the PL processes is that a much smaller track width can be achieved: a smaller dd1 allows to “pack” more planar winding loops (=m) enclosing a larger area over a smaller geometrical surface, thus keeping the same overall effective are NA EFF ∝m while significantly reducing the sensors’ self-inductance L SELF ∝m 2 . Then, with PL techniques the same design could in principle be used for both high-frequency and low-frequency applications, the difference simply being the number of stacked-up layers (= n ) used to make-up the entire sensor. Continuing from our earlier work, in this paper we will present recent advances in our processes for producing inductive magnetic sensors using PL methods, most notably on the use of synthetic Sapphire wafers, on increasing the track thickness, on developing multi-layers sensors, on producing miniaturized saddle loops, and finally on developing packaging solutions for installing these inductive magnetic sensors in-vessel and ex-vessel.
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) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».