Owing to their intrinsic (geometry dependent) radiation hardness, 3D pixel sensors are promising candidates for the innermost tracking layers of the forthcoming experiment upgrades at the Phase 2 High-Luminosity LHC (HL-LHC). To this purpose, extreme radiation hardness up to the expected maximum fluence of 2e16 neq.cm-2 must come along with several technological improvements in a new generation of 3D pixels, i.e., increased pixel granularity (50x50 or 25x100 um2 cell size), thinner active region (~100 um), narrower columnar electrodes (~5 um diameter) with reduced inter-electrode spacing (~30 um), and very slim edges (~100 um). The fabrication of the first batch of these new 3D sensors was recently completed at FBK on Si-Si direct wafer bonded 6-inch substrates. Initial electrical test results, performed at wafer level on sensors and test structures, highlighted very promising performance, in good agreement with TCAD simulations: low leakage current (<1 pA/column), intrinsic breakdown voltage of more than 150 V, capacitance of about 50 fF/column, thus assessing the validity of the design approach. A large variety of pixel sensors compatible with both existing (e.g., ATLAS FEI4 and CMS PSI46) and future (e.g., RD53) read-out chips were fabricated, that were also electrically tested on wafer using a temporary metal layer patterned as strips shorting rows of pixels together. This allowed a statistically significant distribution of the relevant electrical quantities to be obtained, thus gaining insight into the impact of process-induced defects. A few 3D strip test structures were irradiated with X-rays, showing inter-strip resistance of at least several GOhm even after 50 Mrad(Si) dose, thus proving the p-spray robustness. We present the most important design and technological aspects, and results obtained from the initial investigations.


翻译:3D像素传感器具有内在(地貌依赖)辐射硬度,3D像素传感器是第2阶段即将进行的实验升级高液态LHC(HL-LHC)最内部跟踪层的有希望的候选对象。为此,极辐射硬度必须达到预期的最大2e16 neq.cm-2的宽度,同时在新一代的3D像素(即,3D像素的内含(地基依赖)辐射硬度增加(50x50或25x100平米2)细胞大小)、稀薄活跃区域(~100微米)、窄柱状电极电极电极(~5微米直径),降低电极速间断层间距(~30微米)和非常薄的边缘(~100微米)。 因此,这些新的3D传感器的第一批制造必须在Si-Si-Sir直接电离子质保证6英寸的基体结构中完成。在传感器和测试结构的瓦氏级上进行的初始测试结果,突出了非常有希望的性性性,在TC模拟中:低流流流(<1FCA/FCFco-rentxxxxxxxxxxxxxxx),因此,在设计上进行大量的直流的内分量测试。

0
下载
关闭预览

相关内容

传感器(英文名称:transducer/sensor)是一种检测装置,能感受到被测量的信息,并能将感受到的信息,按一定规律变换成为电信号或其他所需形式的信息输出,以满足信息的传输、处理、存储、显示、记录和控制等要求。
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
161+阅读 · 2020年3月18日
机器学习入门的经验与建议
专知会员服务
90+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
99+阅读 · 2019年10月9日
【CMU】机器学习导论课程(Introduction to Machine Learning)
专知会员服务
58+阅读 · 2019年8月26日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Learning by Abstraction: The Neural State Machine
Arxiv
6+阅读 · 2019年7月11日
Learning to Importance Sample in Primary Sample Space
Arxiv
8+阅读 · 2018年7月12日
Arxiv
9+阅读 · 2018年5月22日
Arxiv
3+阅读 · 2018年2月24日
Arxiv
4+阅读 · 2018年1月29日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员