模式识别算法通常用于简化亚原子物理实验中轨道重建的挑战性和必要步骤。在歧视相关相互作用的帮助下,模式识别旨在通过隔离感兴趣的信号来加速轨道重建。在高碰撞率实验中,这种算法对于确定是否保留或从给定相互作用中保留或丢弃信息至关重要,甚至在数据传输到磁带之前。随着数据速率,检测器的解决,噪声和效率低下的增加,模式识别在计算上变得更具挑战性,激发了更高效率算法和技术的发展。量子关联记忆是一种方法,旨在利用量子机械现象以获得学习能力的优势,或者可以存储和准确召回的模式数量。在这里,我们研究基于量子退火的量子关联记忆,并将其应用于粒子轨道分类。我们专注于基于量子关联记忆模型(QAMM)召回和量子内容 - 可调地理内存(QCAM)召回的歧视模型。我们使用D-Wave 2000Q处理器作为测试台将这些方法的分类性能表征为函数检测器分辨率,模式库的大小和效率低下。使用溶液状态能量和分类标签嵌入了溶液状态中的歧视标准。我们发现,基于能量的QAMM分类在较小的模式密度和低探测器效率低下的状态下表现良好。相比之下,基于州的QCAM可实现相当高的准确性回忆,以实现大模式密度和对各种检测器噪声源的最大回忆精度的鲁棒性。
离子束通常用于测试微电子器件中的单粒子效应 (SEE) [5],特别是用于空间和加速器应用 [6-9],其中电子设备需要在高辐射场中高可靠性地工作。全世界的大多数测试都是在较低能量下进行的,通常为每核子 10 至 100 MeV。CERN 的 SPS 加速器是一个独特的设施,因为它能够使用超高能量范围(每核子数百 GeV)。利用这些能量的主要原因是,测试工程师可以研究相对较高的线性能量转移 (LET) 与同时具有高穿透力的光束相结合的效果。这一事实允许将多个电路板一个接一个地堆叠并以中等程度的光束衰减进行并行测试 [10]。此外,离子在组件的整个敏感体积内保持恒定的 LET,这更易于 SEE 的数据分析。此外,无需取下微芯片的盖子和外壳,这些操作可能特别困难
本文研究了低能质子诱导多特征尺寸NAND闪存单粒子效应灵敏度。在0.41 MeV质子作用下,25nm和16nm闪存器件出现了单粒子效应截面峰值。SRIM模拟揭示了这种现象产生的主要原因,低能质子直接电离引起的单粒子翻转比高能质子核反应引起的单粒子翻转要高几个数量级。此外,还研究了累积剂量对闪存器件单粒子效应灵敏度的影响。随着累积剂量的增加,单粒子翻转截面显著增加。这种现象的出现是由于质子和累积剂量的结合引起的阈值电压偏移造成的。