Optimization and Deployment of Data Acquisition and Processing Systems for Monolithic Active Pixel Sensors
Auf der Suche nach dem Verständnis der verborgenen Mechanik unseres Universums sind Teilchenbeschleuniger zu einem der wichtigsten Bausteine für die Erforschung neuartiger Physik geworden. Siliziumbasierte Detektionssysteme dienen in diesem Bereich als Standardmethode für präzises Tracking und Vertex-Identifizierung. Fortschritte in der Halbleiterfertigung ermöglichen die direkte Integration von CMOS-Elektronik in hochohmige Materialien und den Betrieb im Hochspannungsbereich. Diese Entwicklungen führten zur Entwicklung strahlungstoleranter monolithischer CMOS-Aktivpixelsensoren (HV-CMOS). Im Gegensatz zu herkömmlichen Silizium-Pixeldetektoren vereint die HV-CMOS-Technologie Ladungssammelmechanismen und Signalverarbeitungselektronik auf einem einzigen Wafer. Dies verbessert die Leistung, erhöht die Empfindlichkeit und reduziert den Materialeinsatz. Darüber hinaus ermöglichen die nun standardisierten CMOS-Herstellungsprozesse eine kostengünstige Massenproduktion für groß angelegte Anwendungen. Ein Beispiel für einen solchen Sensor ist der TJ-Monopix2, der derzeit im Rahmen der Belle-II-Kollaboration für das VTX-Sensor-Upgrade untersucht wird. In dieser Arbeit wurde das für den TJ-Monopix2 und ähnliche Sensoren entwickelte Datenerfassungssystem, einschließlich Hard- und Softwarekomponenten, untersucht, optimiert und weiterentwickelt. Im Folgenden wurde das DAQ-System während einer Testkampagne am DESY-Teilchenbeschleuniger eingesetzt. Die erfassten Daten wurden analysiert und interpretiert, um tiefere Einblicke in die Auswirkungen von Bestrahlung, Betriebstemperatur und anderen Faktoren auf die Sensorleistung zu gewinnen. Diese Erkenntnisse tragen zur Weiterentwicklung monolithischer Aktivpixelsensoren für zukünftige Anwendungen in der Hochenergiephysik bei.
Institutions
- TU Wien (AT)
Publication Details
- Journal
- reposiTUm (TU Wien)
- Published
- 2025-10-01
- DOI
- https://doi.org/10.34726/hss.2025.130102
- Primary Topic
- Biomedical Text Mining and Ontologies
- Type
- article
- Field-Weighted Citation Impact
- 0.00