Evaluation von Algorithmen zur Power-Modellierung digitaler Schaltungen

Während deines Studiums kannst du dich bei uns in laufende Forschungsprojekte einbringen. Geh mit uns an Grenzen des technisch Machbaren und sei dabei, wenn wir gemeinsam Neuland betreten. Wir bieten vielfältige herausfordernde und praxisorientierte Themen als Praktikum, Bachelor- bzw. Master-Arbeit oder als Hiwi-Tätigkeit an. Du analysierst wichtige wissenschaftliche Vorlauffragestellungen und stehst den Projektteams mit unterstützenden Entwicklungstätigkeiten zur Seite.

Arbeitsort: Erfurt

Team:
Mikroelektronik

Karrierestufe:
Pflichtpraktikum, Abschlussarbeit oder studentische Assistenz

Forschungsfeld: Integrierte Sensorsysteme

Umfang:
nach Vereinbarung

Beginn:
ab sofort

Bewerbungsfrist: 31.12.2024

Kennziffer:
IMMS_STUD_ME_0524

Am IMMS werden Mixed-Signal ICs und ASICs entwickelt, die besonders energiesparsam arbeiten sollen z.B. in RFID-Sensorik Anwendungen. Während der Entwicklung ist es sehr wichtig den Energiebedarf aller Systembestandteile zu betrachten und zu optimieren.

Für digitale Schaltungen erfolgt dies meist durch spezielle EDA Software, mit der für ein kurzes Anwendungsszenario der Energieverbrauch ermittelt werden kann. Bei der Entwicklung von Mixed-Signal ICs ist es jedoch wünschenswert den Energieverbrauch von analogen und digitalen Schaltungen in einer gemeinsamen Simulation zur Laufzeit beobachten zu können. Dies ist aktuell zwar möglich, aber sehr zeitaufwändig.

In dieser studentischen Arbeit sollen Simulationsdaten von digitalen Schaltungen genutzt werden, um automatisiert abstrakte Power-Modelle abzuleiten, die später in Mixed-Signal Simulationen eingesetzt werden können. Um die Komplexität zu reduzieren, müssen aus einer Vielzahl an Zeitreihen relevante Signale identifiziert werden. Diese werden anschließend genutzt, um mittels Regression auf den aktuellen Energieverbrauch zu schließen.

DAS IST ZU TUN:

Einarbeitung in bestehende Arbeiten und Publikationen
Aufnehmen von Simulationsdaten mittels Standard EDA Software
Automatische Identifikation relevanter Signale mittels Clustering
Regression zwischen Signalen und Power-Traces via Maschinellen Lernens
Umsetzung und Dokumentation

DAS BRINGST DU MIT:

motivierte und selbstständige Arbeitsweise
Programmierkenntnisse in Python
Interesse an der Einarbeitung in die Schaltungssimulation
Erfahrung mit Machine-Learning-Methoden von Vorteil

UND DAS SIND WIR:

Wir am IMMS stärken Unternehmen mit anwendungsorientierter Forschung und Entwicklung in der Mikroelektronik, Systemtechnik und Mechatronik und transferieren Ergebnisse der Grundlagenforschung in Anwendungen. Wir unterstützen Unternehmen, international erfolgreiche Innovationen für Gesundheit, Umwelt und Industrie auf den Weg zu bringen und begleiten sie von der Machbarkeitsstudie bis zur Serienreife.

WIR SIND GESPANNT AUF DICH!

Wir freuen uns, wenn du mit uns arbeiten willst.

DAS HABEN WIR ZU BIETEN:

einen attraktiven Arbeitsplatz in einem modernen sehr gut ausgestatteten und industrienah agierenden Forschungsinstitut
Arbeit direkt an der Schnittstelle zwischen Universität und Industrie
Mitarbeit in einem flexiblen und kreativen Team und an innovativen herausfordernden Themen

Für die ausgeschriebenen Aufgaben und mit den vorhandenen Arbeitsbedingungen ist eine Bewerbung unabhängig vom Geschlecht und / oder von eventuellen körperlichen Behinderungen möglich. Wir fördern die berufliche Gleichstellung von Frauen und Männern. Wir fordern vor allem Frauen auf, sich zu bewerben. Da Frauen am IMMS unterrepräsentiert sind, werden sie bei gleicher Eignung, Befähigung und fachlicher Leistung vorrangig berücksichtigt.