Silicon-Based Single Photon Avalanche Diode Technologies: Structures, Performance, and Challenges
Notice bibliographique
Résumé
Solid-state Single Photon Avalanche Diodes (SPADs) have emerged as versatile photodetectors, playing a pivotal role in cutting-edge technologies such as photon counting, timing, and imaging. Their exceptional characteristics — high timing resolution, fast response, high gain, excellent quantum efficiency, and immunity to magnetic fields — make them a compelling alternative to traditional Photomultiplier Tubes (PMTs). SPADs' unique ability to detect single photons, combined with their digital output and compact size, has positioned them as a superior choice for a wide range of applications in engineering, environmental monitoring, and healthcare. This review provides a comprehensive analysis of SPAD technology, focusing on its design principles, performance metrics, and applications. We begin by exploring the fundamental operating principles of SPADs and their key performance metrics. Next, we examine various SPAD structures across different technology nodes, offering a comparative analysis to highlight the latest advancements. Based on our review, we identify several techniques to enhance SPAD performance, including: doping profile engineering, such as using high-voltage layers and doping compensation layers, upgrading optical stacks, and integration of high-speed front-end circuitry. We then introduce application-specific figures-of-merit and assess their relevance to the reviewed structures. Additionally, we address emerging trends in SPAD design, such as leveraging mask layer technology to achieve significant advancements. Finally, we conclude with an overview of research challenges, potential solutions, and future directions in SPAD technology, providing valuable insights to drive further innovations in this dynamic field.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».