STAR

Test und Diagnose von Halbleitersystemen

Die Abteilung Test und Diagnose von Halbleitersystemen befasst sich primär mit maschinellem Lernen für computergestützte Entwürfe (MLCAD). Der Fokus liegt dabei auf dem Entwurf von testbaren und zuverlässigen Schaltungen. Bei den Entwürfen decken wir aktuelle Nanotechnologien wie FinFET, aufkommenden Technologien wie Nanosheets, sowie Zukunftstechnologien wie Negative Capacitance und Ferroelectric Transistoren für ultra-low power Schaltkreise und Speicher ab. Weiterhin erforschen wir verschiedene neue Techniken, um die Zuverlässigkeit und Effizienz von Beschleunigern von neuronalen Netzen, welche essenziell für alle KI Anwendungen sind, zu verbessern.

Wir arbeiten eng mit nationalen und internationalen Partnern aus Industrie und Akademie zusammen. Unsere Forschung verteilt sich über alle Abstraktionsebenen, angefangen bei Halbleiterphysik über analog/digitalen Schaltungsentwurf bis hin zu Management auf Systemebene. Das Ziel unserer Forschung ist die Neugestaltung zuküftiger System-On-Chip Entwurfsmethoden durch den Einsatz maschinellen Lernens.

Für Studierende der Elektrotechnik und Informatik bieten wir verschiedene interessante und spannende Bachelor- sowie Masterarbeiten an. Weiterhin suchen wir jederzeit Tutoren und studentische Hilfskräfte. Wenn Sie das begeistert und Sie sehen möchten, wie die Zukunft der Computer aussieht und welche neuen Herausforderungen diese Zukunftstechnologien bieten, kontaktieren Sie uns.

Dieses Bild zeigt  Hussam Amrouch
Jun.-Prof. Dr.-Ing.

Hussam Amrouch

Lehrstuhlinhaber Test und Diagnose von Halbleitersystemen

Zum Seitenanfang