Nuisance Processes in p-on-n SiPMs
Notice bibliographique
Résumé
Silicon Photo-Multipliers (SiPMs) have emerged as a compelling photo-sensor solution over the course of the last decade. SiPMs consist of an array of tightly packed microcells with each microcell acting as an avalanche photodiode that can behave in the Geiger mode regime when the device is reverse biased above a threshold voltage (breakdown voltage). In contrast to the widely used Photomultiplier Tubes (PMTs), SiPMs are low voltage powered, optimal for operation at cryogenic temperatures, and have low radioactivity levels with high gain stability over the time in operational conditions. For these reasons, large-scale low-background cryogenic experiments, such as DarkSide and nEXO plan to use this type of photodetector for their dark matter and neutrinoless double beta decay search. Despite their excellent Photon Detection Efficiency (PDE) SiPMs suffer however from Dark and correlated avalanche noise (After Pulse and Cross-Talk) that can reduce their pulse counting characteristics. In order to optimize the performances of new generation of SiPMs and to understand the noise characteristics of the existing ones in this talk we will propose a new physics motivated model to explain the over voltage dependence of the SiPM nuisance processes i.e. Dark Noise, After Pulse and Cross-Talk. The starting point is the extraction of the electron and hole avalanche triggering probabilities. Then we show that we can describe the over-voltage dependence of these three processes using a minimum set of parameters. In particular we will explain how it is possible to use the over voltage dependence to discriminate the type of carrier that initialise the avalanche and therefore extract the relative contribution of electrons vs holes in p-on-n SiPMs. In the talk we will show preliminary results for the characterization of the Hamamatsu VUV4 MPPC one Fondazione-Bruno-Kessler (FBK) SiPM.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».