Modeling of 4H-SiC MESFET by Including Thermal Effect, Surface and Substrate Trappings Using Botox Optimization Method
Notice bibliographique
Résumé
MEtal Semiconductor Field Effect Transistors (MESFETs) of $\mathbf{4 H}-\mathbf{S i C}$ configurations are used for many applications in our daily life. The model of MESFETS is very complex to analyze under direct current characteristics. Three primary effects: surface trapping, thermal effects, and substrate trapping, to explain the direct current characteristics of the MESFET are considered in this paper. The presented model of I-V characteristics incorporates the Caughey-Thomas configuration, which accounts for trapping of substrate electron through various deep-level trapping methods, field-dependent electron mobility, and provides an analysis of the twodimensional distribution of charge beneath the gate. This suggested approach is thorough, taking into consideration all major thermal impacts and material imperfections, such as traps. However, it is very difficult to solve complex mathematical equations of the $\mathbf{4 H}$-SiC MESFET to obtain accurate I-V characteristics under different regions due to its complexity. Hence, Botox Optimization Algorithm (BOA) is utilized to solve various complex equations of $\mathbf{4 H}$-SiC MESFET to obtain I-V characteristics accurately. As a result, the performance of the proposed analytical model is very similar to that of a real-time $\mathbf{4 H}$-SiC MESFET. Different behavioral traits are acquired and assessed through the use of the MATLAB programming package.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».