MétaCan
Menu
Retour à la cohorte
Enregistrement W7116938189 · doi:10.1109/radecs61970.2024.11298608

External Quantum Efficiency Evolution of Light-Emitting Diodes under γ-rays, Electrons, Neutrons and Protons

2024· article· W7116938189 sur OpenAlexaff
Luca Weninger, Adriana Morana, Matteo Ferrari, A. Boukenter, Youcef Ouerdane, Emmanuel Marin, Philippe Paillet, Marc Gaillardin, Olivier Duhamel, Cornelia Hoehr, C. Bélanger-Champagne, M. Trinczek, S. Girard

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueRadiation Effects in Electronics
Établissements canadiensTRIUMF
Organismes subventionnairesnon disponible
Mots-clésLight-emitting diodeNeutronDiodeQuantum efficiencyRadiationIonizing radiationFigure of meritWork (physics)

Résumé

récupéré en direct d'OpenAlex

Thanks to their many advantages over traditional light sources, light-emitting diodes (LEDs) are being more and more deployed worldwide. Accordingly, they are inevitably making their way to radiation environments as well. This implementation needs to be accompanied by the proper tools to assess their capability to withstand the effects of ionizing radiation. This work proposes the external quantum efficiency (EQE) as a figure of merit capable of investigating the currentdependent light emission of LEDs and their degradation when exposed to radiation. The capabilities of this method are here proven, investigating the effects of different radiation types, such as Co<sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">60</sup> γ-rays, 6 MeV electrons, 63 MeV protons and atmospheric neutrons on commercial LEDs combining different technologies on the same component.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,701
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,229
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRadiation Effects in ElectronicsTravaux en français237 207