Testing Complex Circuits with Radio-Frequency Reflectometry
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Driving automation systems rely heavily on sophisticated electronics to function effectively, and economic pressure poses new challenges in manufacturing. Tightly integrated sensors, processors, and communication modules monitor and control the vehicle's operation at any time. Size, weight, power, and cost constraints put pressure on manufactures to reduce stack electronics, miniaturize boards, and innovate over the traditional sequential assemble/test cycle. Consequently, designers and manufacturers reduce access to boards, remove test points, co-locate RF with other components, and break the sequential SMT line. Radio-frequency (RF) reflectometry is a mature and reliable technology essential for characterizing materials, components, and analog circuits. It provides precise insights into electromagnetic properties like impedance and permittivity, crucial for optimizing RF and microwave designs. Widely used in fields from material science to quantum computing, RF reflectometry is key to fine-tuning circuit performance and enhancing antenna design. Our technology provides fundamental innovation to test methods by leveraging RF reflectometry to identify hard-to-detect defects in highly integrated, critical electronics products at any point in the manufacturing line. The team demonstrated detecting critical and latent defects in systems with a just a few test points, and readiness to test at any state of manufacturing (i.e., bare boards, fully assembled, inaccessible regions) when traditional test methods such as in-circuit testing or optical inspection would be inapplicable. The team validated the technology on units under test of varying complexity, from sub-assemblies to even full control units. Furthermore, the team also demonstrated the capability to detect malicious alterations and thus the technology can significantly contribute to the verification of validation of safety and security of new driving automation solutions.</div></div>
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».