PDF
Caractérisation de liens rapides sur plateforme FPGA pour la Physique des Particules

Spécialité

Électronique numérique

Niveau d'étude

Bac+5

Formation

Master 2

Unité d'accueil

Candidature avant le

17/05/2021

Durée

5 mois

Poursuite possible en thèse

non

Contact

GUILLOUX Fabrice
+33 1 69 08 67 31

Résumé/Summary
Le travail proposé est la mise en place d’une méthode générique de caractérisation de liens de transmission rapide sur plateforme FPGA. Cette étude s’appuiera sur deux cas concrets de développement pour le Conseil Européen de la Recherche Nucléaire (CERN).
Sujet détaillé/Full description
Au sein du département d'électronique, des détecteurs et d’informatique de l'Institut de Recherche sur les lois Fondamentales de l'Univers (CEA IRFU), les équipes techniques conçoivent des solutions uniques pour répondre aux défis posés par la Science : capteurs de particules, système d’acquisition robuste aux contraintes environnementales sévères, système de mesure ultra bas bruit, spatialisation …
Ces systèmes électroniques de plus en plus performant délivrent de plus en plus de données à des débits croissants. La qualité de transmission des signaux devient un élément crucial que ce soit pour lire des liens rapides de données numériques ou pour préserver les performances temporelles des signaux d’horloge qui les accompagnent.

Le travail proposé au futur stagiaire est la mise en place d’une méthode générique de caractérisation de liens de transmission rapide sur plateforme FPGA. Cette étude s’appuiera sur deux cas concrets actuellement étudiés sur des expériences en physique des particules pour le Centre Européen de la Recherche Nucléaire (CERN).
Après le choix de la plateforme FPGA, le stagiaire devra mettre en place un système d’acquisition d’un lien rapide de données d’un capteur de particules ainsi que l’ensemble des communications pour le programmer. La mise en place de ce système servira de base pour l’étude et l’implémentation par diagramme de l’œil statistique de la qualité du lien de transmission à 1.2Gb/s. La méthode développée devra être suffisamment flexible pour s’adapter à d’autres liens dont notamment un lien d’horloge aux performances temporelles encore plus exigeantes.
Compétences/Skills
Vous êtes autonomes, curieux(euses) avec une bonne capacité à travailler en équipe. Vous maîtrisez la programmation HDL et possédez des connaissances solides en électronique numérique et analogique.
PDF
Stage en software et micro-électronique pour la correction d’ADCs par Machine Learning pour la physique fondamentale

Spécialité

Microlélectronique

Niveau d'étude

Bac+5

Formation

Ingenieur/Master

Unité d'accueil

Candidature avant le

18/08/2021

Durée

6 mois

Poursuite possible en thèse

oui

Contact

Bouyjou Florent
+33 1 69 08 74 50

Résumé/Summary
Au sein du département d'électronique DEDIP et du département de Physique des Particules DPhP de l'Institut de Recherche sur les lois Fondamentales de l'Univers (IRFU), les équipes conçoivent des circuits intégrés à usage spécifique (ASIC) pour les expériences de physique fondamentale: physique des particules, physique nucléaire et astrophysique.
Aujourd’hui, le développement de nouveaux convertisseurs analogique numérique (ADC) performants dans des environnements potentiellement extrêmes, en particulier le niveau de radiations est un défi. Les ADC étant au cœur des expériences, nous cherchons à améliorer leurs performances notamment grâce à de nouvelles techniques comme l’apprentissage automatique ou Machine Learning (ML).
Sujet détaillé/Full description
Nous proposons dans ce stage d’étudier un ADC basé sur la mesure de temps (TDC), de le modéliser, puis de prendre en compte les non-idéalités du circuit pour constituer une base d’apprentissage des données comprenant des erreurs connues.
Dans un second temps, le stagiaire réalisera une analyse logicielle des algorithmes d’apprentissage automatique aboutissant à la reconnaissance et à la classification de ces erreurs.
Cette réflexion sera soutenue par la conception et la simulation électronique au niveau transistor des différents sous ensemble de l’ADC.
Mots clés/Keywords
micro-électronique
Compétences/Skills
Vous êtes autonome, curieux(euse) avec une bonne capacité à travailler en équipe. Vous maîtrisez la programmation dans un des langages suivants : C, C++, Python, Matlab. Vous avez des connaissances en électronique et une première approche de la micro-électronique notamment de l’environnement logiciel CADENCE. Un projet professionnel vous guidant vers la recherche est un plus.

 

Retour en haut