sem_electron_mc — GENERATIVE `sem` op

• 데이터 종류: 없음 → table(인자만으로 정해지는 연산자 —— 이미지나 데이터 입력을 받지 않습니다)

• 호출: import fullseye as fs; fs.ledger.sem_electron_mc(material='SI', energy_kev: 'float' = 10.0, *, tol: 'float' = 0.01, batch: 'int' = 1000, max_electrons: 'int' = 20000, seed: 'int' = 0, n_tracks: 'int' = 0, depth_bins: 'int' = 60, tilt_deg: 'float' = 0.0) -> 'dict'(구현을 직접 호출하려면 import sem; sem.sem_electron_mc(material='SI', energy_kev: 'float' = 10.0, *, tol: 'float' = 0.01, batch: 'int' = 1000, max_electrons: 'int' = 20000, seed: 'int' = 0, n_tracks: 'int' = 0, depth_bins: 'int' = 60, tilt_deg: 'float' = 0.0) -> 'dict', 원장에서 가져오려면 opsgenerative.get("sem_electron_mc"))

사용법

평평한 시료에 전자를 쏘는 몬테카를로: 후방산란 계수 η, 2차 전자 수율 δ, 상호작용 부피.

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

Joy の単散乱モデル(遮蔽ラザフォード + Joy-Luo の阻止能)で一次電子を 1 個ずつ追い、batch 個ずつ足して 95 % 信頼区間の半幅が η で tol、δ で tol·max(δ, 1) を切ったら止める(max_electrons で打ち切り、その時は converged が False)。

Parameters

material : str

材料表の名前(materials.material_electron_properties が引ける物。SI / W / AU /

SILICA / PMMA …)。Z・A・密度・二次電子の 2 定数はそこから取る。

energy_kev : float

加速電圧 [keV] (0.1〜50)。

tol : float

信頼区間の半幅の目標。

batch, max_electrons : int

1 回に足す電子の数と上限。

seed : int

乱数の種(同じ種なら同じ結果)。

n_tracks : int

軌跡を返す電子の数(図用)。

depth_bins : int

深さ分布の区間の数(0〜1.2 R_KO)。

tilt_deg : float

試料の傾き [度] (0〜80)。ビームが法線から θ 傾いて入る。δ(θ)/δ(0) を sec θ と、

η(θ) を Arnal ほかの (1 + cos θ)^(−9/√Z) と比べるのに使う。

Returns

dict

eta / eta_ci95 / se_yield / se_yield_ci95 / n_electrons /

converged / range_ko_nm(Kanaya-Okayama)/ depth_max_nm・

depth_p95_nm・depth_p50_nm(電子ごとの最大の深さ)/ lateral_p95_nm

(沈着エネルギーの 95 % が入る半径)/ depth_dose(pairs: 深さ [nm] と

沈着エネルギーの割合)/ bse_energy(pairs: E/E0 と反射電子の割合)/

tracks(各 (K, 3) [nm]、z は下向きが正)。

Examples

>>> r = sem_electron_mc("SI", 5.0, tol=0.03, batch=400, max_electrons=800)

>>> 0.1 < r["eta"] < 0.3 and r["depth_max_nm"] < r["range_ko_nm"]

True

자세한 사용 가이드

• generative_art 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• poc_virtual_sem_kv_cd_bse — py -3.11 examples/poc_virtual_sem_kv_cd_bse.py

타입이 이어지는 다음 연산자(`table` 를 입력으로 받는 것)

perpetual_step · perpetual_render

같은 카테고리(`sem`)

sem_render · sem_se_universal_curve · sem_yield_curve · sem_line_profile · sem_cd_measure · sem_image · sem_se_escape_fraction · sem_charging_series

*Provenance: sem.py — GENERATIVE 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

sem_electron_mc — GENERATIVE sem op

사용법