256869 research outputs found
Sort by
Kryogene Si- und SiGeSn-Schottky-Barriere-Feldeffekttransistoren
No full textDie Kryoelektronik gewinnt zunehmend an Bedeutung für Anwendungen wie Ausleseschaltungen in der Quanteninformatik sowie für die Datenverarbeitung bei tiefen Temperaturen, bei denen konventionelle dotierte CMOS-Technologien grundlegenden Einschränkungen unterliegen. Insbesondere Dotierstoff-Freeze-out, Bandflankenverbreiterung sowie ein ungünstiges Schwellenspannungsverhalten führen bei kryogenen Temperaturen zu einer deutlichen Verschlechterung der Bauelementeigenschaften. In dieser Arbeit werden Schottky-Barrieren-Feldeffekttransistoren (SBFETs) experimentell untersucht, wobei der Schwerpunkt auf ihrem Verhalten bei kryogenen Temperaturen liegt. Der Hauptfokus liegt auf siliziumbasierten rekonfigurierbaren Feldeffekttransistoren (RFETs), die durch eine elektrostatische Kontrolle der Metall-Halbleiter-Übergänge sowohl einen n- als auch einen p-Betrieb ermöglichen. Deren elektrische Eigenschaften werden im Temperaturbereich zwischen Raumtemperatur und 4.5 K hinsichtlich des Subthreshold-Swings, der Schwellenspannung, der Transkonduktanz sowie der Ein- und Ausschaltströme analysiert. Ergänzend dazu wird ein vergleichbarer SiGeSn-basierter p-SBFET mit einer Kanalzusammensetzung von 33% Silizium, 66% Germanium und 0.5% Zinn sowie Al2O3 als Gate-Dielektrikum untersucht, um den Einfluss eines alternativen Kanalmaterials und der Gate-Stack-Struktur auf das kryogene Bauelementverhalten zu bewerten. Für die Si-RFETs wird ein stabiler Betrieb sowohl im n- als auch im p-Modus über den gesamten untersuchten Temperaturbereich nachgewiesen. Beim Abkühlen zeigt sich für beide Betriebsarten eine deutliche Verbesserung des Subthreshold-Swings, wobei bei 4.5 K Werte von 24 mV/dec für den n-Betrieb und 27 mV/dec für den p-Betrieb extrahiert wurden. Die Analyse des stromabhängigen Subthreshold-Verhaltens offenbart unterschiedliche Transportregime, bei denen die thermionische Emission den Subthreshold-Bereich dominiert, während Tunnelprozesse im Einschaltzustand bei kryogenen Temperaturen mehr an Bedeutung gewinnen. Trotz des günstigen Subthreshold-Verhaltens verschiebt sich die Schwellenspannung der Si-RFETs mit abnehmender Temperatur in eine ungünstige Richtung, wodurch sich der Einschaltpunkt vom gewünschten Arbeitspunkt entfernt. Der SiGeSn-basierte SBFET zeigt bei kryogenen Temperaturen eine vergleichbare Verbesserung der Subthreshold-Eigenschaften, einschließlich einer starken Unterdrückung des Ausschaltstroms sowie eines steilen Subthreshold-Swings von etwa 23vmV/dec bei 5 K. Im Gegensatz zu den Si-RFETs verbessert sich die Schwellenspannung des SiGeSn-Bauelements beim Abkühlen, wobei, abhängig von der angelegten Drain-Source-Spannung, Reduktionen von bis zu 25% bzw. 50% beobachtet wurden. Diese Ergebnisse verdeutlichen, dass das kryogene Schwellenspannungsverhalten maßgeblich durch das verwendete Kanalmaterial und die Gate-Stack-Struktur beeinflusst wird und keine Eigenschaft von Schottky-Barrieren-Bauelementen darstellt. Zusammenfassend zeigt diese Arbeit, dass Schottky-Barrieren-basierte Transistoren ein robustes Betriebsverhalten bei kryogenen Temperaturen mit deutlich verbesserten Subthreshold-Eigenschaften aufweisen. Gleichzeitig wird deutlich, dass ein günstiges Schwellenspannungsverhalten weiterhin eine zentrale Herausforderung für Sibasierte RFETs darstellt, was zukünftige Arbeiten zur gezielten elektrostatischen Optimierung sowie zur Untersuchung alternativer Kanalmaterialien für energieeffiziente kryogene Elektronik motiviert.Cryogenic electronics is gaining increasing relevance for applications such as readout and control circuits for quantum qubits and low-temperature data processing, where conventional doped CMOS technologies suffer from fundamental limitations. In particular, dopant freeze-out, band-tail effects and an unfavourable threshold-voltage increase significantly degrade the device performance at cryogenic temperatures. In this thesis, Schottky-barrier field-effect transistors (SBFET) are experimentally investigated with a particular focus on their behaviour at cryogenic temperatures. The primary focus lies on Si-based reconfigurable field-effect transistors (RFETs), which enable both n-type and p-type operation by an electrostatic control of metal-semiconductor junctions. Their electrical characteristics are analyzed between the room temperature and 4.5 K with respect to subthreshold swing, threshold voltage, transconductance and on- and off-state currents. In addition, a similar SiGeSn-based p-SBFET with a channel composition of 33% silicon, 66% germanium, and 0.5% tin and Al2O3 as the gate dielectric is being investigated to evaluate the influence of an advanced channel material and gate stack structure on the behavior of cryogenic devices. For the Si RFETs, stable operation is demonstrated for both n-mode and p-mode over the entire investigated temperature range. Upon cooling, a pronounced improvement of the subthreshold swing is observed for both operation modes, reaching values of 24 mV/dec for n-type and 27 mV/dec for p-type operation at 4.5 K. An analysis of the current-dependent subthreshold behaviour reveals distinct transport regimes, with thermionic emission dominating the subthreshold region and tunneling processes becoming increasingly relevant in the on-state at cryogenic temperatures. Despite the favourable subthreshold swing, the threshold voltage of the Si RFETs shifts undesirable with decreasing temperature, moving the on-state away from the desired operating point. The SiGeSn SBFET exhibits a similar improvement of the subthreshold characteristics at cryogenic temperatures, including a strong suppression of the off-state current and steep subthreshold swings of approximately 23 mV/dec at 5 K. In contrast to the Si RFETs, the threshold voltage of the SiGeSn device improves upon cooling, with reductions of up to 25% and 50% depending on the applied drain bias. These results indicate that the cryogenic threshold-voltage is strongly influenced by the channel material system and the gate-stack structure rather than being a property of Schottky-barrier devices. Overall, this thesis demonstrates that Schottky-barrier based transistors provide robust cryogenic operation with strongly improved subthreshold behaviour. At the same time, the results highlight that achieving favourable subthreshold behaviour remains a key challenge for Si-based RFETs, motivating the future work on electrostatic optimization and alternative channel materials for low-power cryogenic electronic systems
Feedback stabilization of a nanoparticle at the intensity minimum of an optical double-well potential
No full textIn this work, we develop and analyze adaptive feedback control strategies to stabilize and confine a nanoparticle at the unstable intensity minimum of an optical double-well potential. The resulting stochastic optimal control problem for a noise-driven mechanical particle in a nonlinear optical potential must account for unavoidable experimental imperfections such as measurement nonlinearities and slow drifts of the optical setup. To address these issues, we simplify the model in the vicinity of the unstable equilibrium and employ indirect adaptive control techniques to dynamically follow changes in the potential landscape. Our approach leads to a simple and efficient Linear Quadratic Gaussian (LQG) controller that can be implemented on fast and cost-effective FPGAs, ensuring accessibility and reproducibility. We demonstrate that this strategy successfully tracks the intensity minimum and significantly reduces the nanoparticle’s residual state variance, effectively lowering its center-of-mass temperature. While conventional optical traps rely on confining optical forces in the light field at the intensity maxima, trapping at intensity minima mitigates absorption heating, which is crucial for advanced quantum experiments. Since LQG control naturally extends into the quantum regime, our results provide a promising pathway for future experiments on quantum state preparation beyond the current absorption heating limitation, like matter-wave interference and tests of the quantum-gravity interface
Characterizing the delivered spill structure of medical proton and carbon-ion beams at MedAustron using a high frequency silicon carbide readout
No full textMedical synchrotrons are often used for testing instrumentation in high-energy physics or non-clinical research in medical physics. In many applications of medical synchrotrons, such as microdosimetry and ion imaging, precise knowledge of the spill structure and instantaneous particle rate is crucial. Conventional ionization chambers, while omnipresent in clinical settings, suffer from limitations in charge resolution and integration time, making single-particle detection at high dose rates unfeasible. To address these limitations, we present a beam detection setup based on a silicon carbide (SiC) sensor and a monolithic microwave integrated circuit (MMIC), capable of detecting single particles with a full width at half maximum (FWHM) pulse duration of 500 ps. At the MedAustron ion therapy center, we characterized the spill structure of proton and carbon-ion beams delivered to the irradiation room beyond the timescale of the maximum ion revolution frequency in the synchrotron. The resulting data offer valuable insights into the beam intensity at small time scales and demonstrate the capabilities of SiC-based systems for high-flux beam monitoring
Predictive battery thermal management for fast charging of electric vehicles using nonlinear model predictive control and dynamic programming
No full textThis paper addresses the thermal management of batteries during fast charging of electric vehicles. Using comprehensive measurement data from a state-of-the-art battery electric vehicle (BEV), a control-oriented model of the battery and its thermal system is developed and parameterized. The existing thermal management strategy for fast harging is first nalyzed, after which a predictive strategy specifically for this use case is proposed. The approach consists of two steps: offline setpoint optimization via dynamic programming and optimal control allocation using nonlinear model predictive control (NMPC). The strategy’s performance is evaluated using a validated high-fidelity simulation model. Compared to the existing state-of-the-art strategy, the proposed predictive approach reduces energy consumption by up to 0.41 kWh at moderate ambient temperatures through efficient cooling, and shortens charging time by up to 4.5% at low ambient temperatures through aggressive heating
Automatic Risk Management for Industrial Control Systems
Get PDFIndustrielle Steuerungssysteme (ICS) zählen zur kritische Infrastruktur und haben sich kontinuierlich weiterentwickelt, wobei physische Steuerungsmechanismen durch automatisierte Systeme ersetzt wurden. Früher waren ICS anfälliger für Fehlfunktionen, denen mit Mitteln der funktionalen Sicherheit entgegengewirkt wurde. In jüngster Zeit sind sind ICS nun zusätzlich Angriffen und Attacken ausgesetzt, die mit Mechanismen der Informationssicherheit bekämpft werden müssen. Risikomanagement ist deswegen ein zentraler Aspekt für den sicheren Betrieb industrieller Anlagen. Derzeit werden bei zugehörigen Methoden funktionale Sicherheit (Safety) und Informationssicherheit (Security) getrennt behandelt und manuelle Bewertungen durchgeführt, die zeitaufwändig sind und zu unbeabsichtigten Fehlern und damit zu falschen Einschätzungen führen können.Um den Herausforderungen fragmentierter und manueller Sicherheitsrisikobewertungen in ICS zu begegnen, schlägt diese Arbeit eine integrierte, (halb-)automatisierte Methodik vor, die auf die besonderen Anforderungen moderner industrieller Automatisierungsumgebungen zugeschnitten ist. In Anbetracht der zunehmenden Komplexität für die Bereiche Industrie 4.0, Internet der Dinge in der Industrie (Industrial IoT) und generell für die digitale Transformation vereint dieser Ansatz Sicherheits- und Schutzperspektiven unter Verwendung eines Frameworks, das auf Bayesschen Netzen (Bayesian Belief Networks, BBNs) basiert. Der gewählte Ansatz ermöglicht die probabilistische Modellierung von Unsicherheiten und Abhängigkeiten innerhalb von ICS-Komponenten zur Vorhersage von Ausfällen oder Sicherheitsverletzungen. Die Methodik wird durch Techniken zur Informationsmodellierung für AutomationML (AML) und Asset Administration Shells (AAS) sowie semantische Ontologien unterstützt, die eine eindeutige, strukturierte, interoperable Basis für risikorelevante Daten schaffen.Eine praktische Umsetzung wird anhand eines Anwendungsfalls für ein modulares Produktionssystem demonstriert, bei dem Daten aus der Systemarchitektur, Stakeholder-Analysen und Schwachstellenscans integriert werden. Python dient als Rückgrat für die Automatisierung wichtiger Prozesse wie Datenextraktion, Modellgenerierung und Wahrscheinlichkeitsinferenz, wodurch ein hohes Maß an Automatisierung erreicht und gleichzeitig die Anpassungsfähigkeit an heterogene ICS-Umgebungen gewährleistet wird. Die Arbeit liefert einen flexiblen Rahmen, der den ISO 31000-Standards entspricht, den Stakeholdern umsetzbare Erkenntnisse liefert und die Grundlage für zukünftige Weiterentwicklungen wie die Integration von maschinellem Lernen, Echtzeitüberwachung und vorausschauende Wartung über digitale Zwillinge schafft.Industrial control systems (ICSs) are a critical infrastructure and have continuously evolved, replacing the physical control mechanism with automated systems. Previously, ICSs were more prone to safety incidents; recent advancement has made ICSs more prone to security incidents. Risk management has been a primary focus for safe and secure functioning in industrial operations. Currently, risk management methods treat the process separately for safety and security and depend on manual assessments, which are slow and can cause unintentional errors, leading to a wrong assessment.To address the challenges of fragmented and manual safety and security risk assessments in ICSs, this thesis proposes an integrated, (semi-)automated methodology tailored to the unique demands of modern industrial automation environments. Recognizing the increasing complexity introduced by Industry 4.0, Industrial IoT, and digital transformation, the approach unifies safety and security perspectives using a Bayesian Belief Network (BBN)-based framework. It enables probabilistic modeling of uncertainties and interdependencies within ICS components, crucial for anticipating cascading failures or security breaches. The methodology is further strengthened by advanced information modeling techniques, including AutomationML (AML), Asset Administration Shells (AAS), and semantic ontologies, which create a structured, interoperable "single source of truth" for risk-relevant data.A practical implementation is demonstrated through a modular production system use case, integrating data from system architecture, stakeholder analysis, and vulnerability scans. Python serves as the backbone for automating key processes such as: data extraction, model generation, and probability inference, achieving a significant level of automation while ensuring adaptability to heterogeneous ICS environments. The research contributes a flexible framework that aligns with ISO 31000 standards, provides actionable insights for stakeholders, and lays the groundwork for future advancements, such as machine learning integration, real-time monitoring, and predictive maintenance via digital twins
Tire wear mechanisms and how they relate to wear particle sizes – a brief review
No full textPurpose – The new EURO 7 regulation will set limits on non-exhaust emissions, which include tire wear. Therefore, this study aims to develop a comprehensive understanding of how tire wear particles are formed, their size distribution, and the influence of factors such as vehicle weight, speed, and road surface conditions. Design/methodology/approach – Tire wear is caused by three different mechanisms: Cut and chip (abrasion), fatigue, and chemical wear. Each mechanism appears differently, thus each of them is described separately in a respective chapter. Findings – All three wear mechanisms can occur at all times, but, depending on the tearing energy, one is usually dominant: Cut and chip happen at high energy levels, fatigue at medium energy levels, and chemical wear at low energy levels. Each mechanism produces different particle sizes, from the mm to the nm range, but most commonly in the range of 2.5 μm–10 μm.Originality/value – A lot of research has been done on tire and rubber wear, but the size of wear debris particles was often an afterthought, therefore, this work summarizes all available information on this topic
