Système de caractérisation automatique de photodiodes à avalanche monophotoniques sur gaufre de silicium
Bibliographic record
Abstract
L'objectif global du GRAMS en lien avec le projet est entre autres de participer, avec ses convertisseurs photon-numérique 3D (Photon-to-Digital Converter (PDC)), à l'expérience nEXO. C'est une expérience qui vise à détecter la désintégration de type double bêta sans neutrino afin de confirmer l'hypothèse selon laquelle les neutrinos seraient des particules de Majonara. Le projet de maîtrise consiste à concevoir, implémenter ainsi que tester un système de caractérisation de photodiodes à avalanche monophotoniques (single photon avalanche diode - SPAD) conçues par le Groupe de Recherche en Appareillage Médical de Sherbrooke (GRAMS). Le système est composé de plusieurs bancs de test permettant d'effectuer les mesures nécessaires à l'extraction des caractéristiques principales des photodiodes. Le système doit permettre la caractérisation de ces dispositifs opérés en mode Geiger, et ce, sur gaufre de silicium de façon automatique. Le présent document fait une revue de l'état de l'art sur les caractéristiques et les méthodes de caractérisation des photodiodes avalanches à photon unique afin de permettre la conception de bancs de test en vue de répondre à la question suivante: Comment caractériser un grand nombre de SPAD opérés en mode Geiger sur une gaufre de silicium en vue d'accélérer le processus de recherche et développement ainsi que la production de Photon-to-Digital Converters intégrés en 3 dimensions? Le système conçu consiste principalement en l'intégration d'une carte à pointe active avec une station sous pointes semi-automatique, d'une séquence de contrôle et d'un système d'enregistrement et de gestion des données. Les tests d'intégrations ont prouvé la validité du concept, mais ont également soulevé plusieurs problèmes par rapport aux lacunes du contrôle de l'environnement et des conditions de test. Grâce à l'automatisation de plusieurs manipulations, le banc de test produit permet d'augmenter tout de même la capacité de caractérisation des SPAD pour le GRAMS afin de faciliter et accélérer l'élaboration de solutions pour des Photon-to-Digital Converters.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".