English(EN) Autonomous Reliability Qualification of Ga$_2$O$_3$-based Hydrogen and Temperature Sensors via Safe Active Learning

安全主动学习框架自主评估Ga2O3传感器

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-05 04:00

研究人员开发了一个安全主动学习（SAL）框架，用于在应力下自主表征基于Ga$_2$O$_3$的器件的可靠性。该框架使用高斯过程代理模型来跟踪器件整流并安全地扩展实验条件探索。SAL方法已在仿真和高温探针台实验中得到验证，成功实现了保守表征和后续退化建模。 AI

影响该框架可以实现对新材料和器件更高效、更自主的测试，从而可能加速硬件开发。

排序理由这是一篇研究论文，详细介绍了一种用于自主实验和器件表征的新框架。[lever_c_demoted from research: ic=1 ai=0.4]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Davi Febba, William A. Callahan, Anna Sacchi, Andriy Zakutayev · 2026-05-05 04:00

Autonomous Reliability Qualification of Ga$_2$O$_3$-based Hydrogen and Temperature Sensors via Safe Active Learning

arXiv:2605.00868v1 Announce Type: cross Abstract: We present a Safe Active Learning (SAL) framework for autonomous reliability characterization of rectifying Ga$_2$O$_3$-based devices under coupled thermal and hydrogen stress. SAL treats rectification as a device-physics-motivate…