Final projects - תואר ראשון בהנדסת חשמל (B.Sc) - לעמוד בחזית הטכנולוגיה - התמחות בעיבוד אותות תשפ"ד

פרויקטים נוספים מומלצים

110 Prediction of future gene expression in cells using computational modeling
ניבוי ביטוי הגנים העתידי בתא באמצעות מידול חישובי
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

מפות גנומיות מספקות תמונת מצב מפורטת של התאים ברקמות. במעבדה אנחנו משתמשים בטכנולוגיה חדשה שמאפשרת מדידה מרחבית של מפות גנומיות, וכך אפשר למדוד אינטראקציות בין תאים. כימות האינטראקציות בין תאים יכול לאפשר מידול של מחלות מורכבות כגון סרטן. עם זאת, תמונת המצב הנמדדת היא רגעית בלבד, ולכן אין מידע לגבי הדינמיות בתאים.
באמצעות מודל חישובי חדש בשם RNA velocity המתבסס על משוואות קצב ניתן לתאר את הדינמיות והכיווניות העתידית בביטוי הגנים בתאים. מודל נוסף המבוסס על Matrix Factorization יחשוף אילו גנים משתנים ביחד ומושפעים מהקרבה בין סוגי התאים השונים.

האם ניבוי המצב העתידי של התאים ברקמה סרטנית יחשוף אינטראקציות בין תאי סרטן לתאי מערכת חיסון? אילו קומבינציות של גנים מתארות את אותן אינטראקציות בין סוגי התאים השונים?

הפרויקט מנסה לענות על שאלות אלה תוך יישום האלגוריתמים והתאמתם למפה הגנומית המרחבית של הרקמה הסרטנית.

מטרת הפרויקט:

בפרוייקט נכתוב קוד שיממש RNA velocity model על מטריצות ביטוי גנים שהתקבלו משיטת single cell RNA sequencing. מאחר והמודל החדשני מאפשר ניבוי של ה-mRNA העתידי בתא, נחלץ מידע רחב היקף זה על התהליכים הדינמיים ברקמה הסרטנית. כמו כן, בשילוב עם המידע המרחבי של התאים ברקמה, ננסה לבדוק האם תאי מערכת החיסון מציגים דפוס ייחודי בביטוי הגנים העתידי שלהם כפונקציה של המרחק שלהם מתאי הסרטן. בנוסף, נשתמש בשיטה החישובית cNMF לזיהוי קומבינציות של גנים שמשתנים יחד ומתארים אינטראקציות בין תאי מערכת החיסון לבין תאי הסרטן.

תכולת הפרויקט:

  • ניתוח מקדים של הנתונים: הכנה מותאמת של מטריצות ביטוי גנים כקלט לאלגוריתם.
  • הכרה עמוקה של האלגוריתם לשלביו השונים, כתיבת קוד בפייתון שכולל מימוש של המודל.
  • ניתוח הנתונים וזיהוי דפוסים בדאטא הויזואלי שהתקבל מהמודל.
  • בחינת הקשר בין הדפוסים שהתקבלו במודל בקרב תאי מערכת החיסון לבין המידע על המרחק הפיזי שלהם מתאי הסרטן.
  • סיכום התוצאות.

קורסי קדם:

מבוא להסתברות וסטטיסטיקה

דרישות נוספות:

  • תכנות בפייתון.
  • רקע בביולוגיה הוא יתרון.
  • יתרון למי שלקח את הקורס בנוירו-גנומיקה.

מקורות:

  1. Xia, C., Fan, J., Emanuel, G., Hao, J., & Zhuang, X. (2019). Spatial transcriptome profiling by MERFISH reveals subcellular RNA compartmentalization and cell cycle-dependent gene expression. Proceedings of the National Academy of Sciences, 116(39), 19490-19499.
  2. La Manno, G., Soldatov, R., Zeisel, A., Braun, E., Hochgerner, H., Petukhov, V., ... & Kharchenko, P. V. (2018). RNA velocity of single cells. Nature, 560(7719), 494-498.
  3. https://www.alonlab.org/technology
112 Machine learning for studying tumor samples
שימוש בלמידת מכונה לניתוח דוגמאות סרטניות
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

אחת הדרכים להתאים טיפולים לחולים בסרטן היא על ידי מיפוי מולקולרי רחב היקף ברזולוציה גבוהה של רקמות. עם זאת, ניתוח המידע מהווה אתגר מרכזי -- איך אפשר לייצג ולנתח מידע מתמונות של מיליוני מולקולות כדי להחליט מה מצב התאים ברקמה הסרטנית? הפרויקט מנסה להתמודד עם האתגר הזה על ידי שיטות של למידת מכונה.

מטרת הפרויקט:

בפרויקט נשתמש במידע שהתקבל מטכנולוגיה שהיא בחזית המידע של חקר הסרטן - מיפוי מדויק של מולקולות ברקמה סרטנית וננתח אותו באמצעות שיטות של למידת מכונה.

תכולת הפרויקט:

  • הכרת הנתונים הביולוגיים המשמשים כקלט וכפלט לשלב ניתוח הדאטא.
  • הבנת סט האלגוריתמים בשימוש במעבדה, המבוסס ברובו על אלגוריתמים של עצי החלטה.
  • כתיבת קוד בפייתון עם כלים של למידת מכונה הכולל שיפור האלגוריתמים הקיימים במעבדה, יצירת אלגוריתמים חדשים, ואוטומציה שתאפשר ניתוח של מספר רקמות בצורה מהירה.
  • ניתוח הנתונים וזיהוי דפוסים של מצבי התאים במחלה.
  • סיכום התוצאות.

קורסי קדם:

לפחות אחד משלושת הקורסים הבאים:

  • כריית מידע וייצוג מידע – 83676
  • מבוא ללמידת מכונה (אפשר במקביל לביצוע הפרויקט)
  • מדעי נתונים ביולוגים

דרישות נוספות:

  • רקע בלמידת מכונה - חובה
  • רקע בביולוגיה - יתרון

מקורות:

https://www.alonlab.org/technology

118 Electrical Properties of Electrolyte and cells
איפיון תכונות חשמליות של של אלקטרוליט ותאים
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

בשנים האחרונות עם ההתקדמות הטכנולוגית ושיפור יכולות המדידה עולה הצורך בפיתוח חישנים ואלקטרודות בעלי ממשק לסביבה ביולוגית. פרויקט זה עוסק בפיתוח ויצור של אלקטרודות למדידת אימפדנס של אלקטרוליט / מדיום ביולוגי / cell containing solution [1,2].

במסגרת הפרויקט יבחנו תהליכי יצור של אלקטרודות אשר יבואו במגע עם תמיסות אלקטרוליטיות בעלי מיגוון של ריכוזים של חומרים כימיים וסוגי תאים שונים.

מטרת הפרויקט:

התלמידים יחשפו לתהליכי איפיון תווך ביולוגי ויצור של מיקרו-אלקטרוניקה
תיבחן אפרות למידול תהליכים עם תוכנת הסימולציה למודלים פיסיקליים – Comsol [3] ותוכנה למידול תאים NEURON [4]

תכולת הפרויקט:

הפרויקט הוא מולטי דיסציפלינארי ומחייב לימוד מגוון נושאים הנדסיים וביולוגיים לאיפון האימפדנס הכימי של המערכת.

קורסי קדם:

יקבע בתאום עם המנחים

מקורות:

  1. Yoon, Gilwon. "Dielectric Properties of Body Fluids with Various Hematocrit Levels." World Acad. Sci. Eng. Technol 5 (2011): 1646-1649.
  2. Franks, Wendy, et al. "Impedance characterization and modeling of electrodes for biomedical applications." Biomedical Engineering, IEEE Transactions on52.7 (2005): 1295-1302.
  3. www.comsol.com
  4. https://www.neuron.yale.edu/neuron/
119 Exploring the Impact of Electrical Stimuli on Neuronal Network Activity in Brain-Machine Interfaces
אנליזת ממשקי מוח מכונה: בחינת השפעת גירויים חשמליים על הפעילות החשמלית של רשת נוירונלית
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

התקשורת בין נוירונים מתרחשת באמצעות סיגנלים חשמליים, וזו למעשה אחראית על כל התפקודים העצביים. לכן, הבנת ההשפעה של גירויים חשמליים שונים על הפעילות החשמלית של רשת נוירונים מהווה אבן דרך בהבנתנו את המוח האנושי ואת תהליכי החשיבה המתרחשים בו. בנוסף, הבנה זו עשויה לאפשר לנו להבין טוב יותר מה עומד בבסיס מחלות נוירודגנרטיביות שונות וכן לשלוט בפעילות הנוירונים ולהשפיע עליה ובכך לטפל בעתיד בהפרעות נוירולוגיות.

מטרת הפרויקט:

במסגרת הפרויקט נשתמש בהקלטות של הפעילות החשמלית של תרביות נוירונים (תאי קורטקס של עכברים) שמגורות בגירויים חשמליים שונים וננתח אותן. הפרויקט יכלול כתיבת קוד של חילוץ וניתוח המידע מההקלטות ואנליזות שלהן בפייתון. בנוסף, ננסה לראות האם ניתן להבחין בהשפעת הגירויים החשמליים על הפעילות, ואף ננקה את הגירויים מההקלטה כך שנוכל לקבל את הדאטה של הפעילות החשמלית עצמה ולבחון אותו.

תכולת הפרויקט:

  • הסטודנטים ילמדו על הסיגנלים שמתקבלים בהקלטות חוץ תאיות
  • הסטודנטים יפתחו קוד לעיבוד של הדאטה ולחילוץ וניתוח המידע מהקלטות הפעילות החשמלית בתנאים שונים
  • הסטודנטים יבחנו את השפעת הגירויים החשמליים על הפעילות הנוירונלית, תוך ניקוי המידע הלא רלוונטי מההקלטות

קורסי קדם:

  • מבוא לביולוגיה של התא או פיזיולוגיה חישובית

דרישות נוספות:

  • כל ידע בניתוח נתונים, תכנות בMATLAB ו python- יתרון

מקורות:

  1. Kagan, B. J., Kitchen, A. C., Tran, N. T., Habibollahi, F., Khajehnejad, M., Parker, B. J., ... & Friston, K. J. (2022). In vitro neurons learn and exhibit sentience when embodied in a simulated game-world. Neuron, 110(23), 3952-3969.‏
  2. Wagenaar DA, Pine J, Potter SM. Effective parameters for stimulation of dissociated cultures using multi-electrode arrays. J Neurosci Methods. 2004;138(1-2):27-37. doi:10.1016/j.jneumeth.2004.03.005
     
121 Machine learning analysis for brain connectivity patterns
ניתוח למידת מכונה על תפקוד קישוריות של המוח
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

ECOG (Electrocorticography) הינה שיטה להקלטת אותות חשמליים תוך גולגולתיים. ע"י הנחת אלקטרודות ישירות על קליפת המוח, ניתן להקליט אותות חשמליים של פעילות מוחית ממספר ערוצים במקביל הנפרסים על חלקים שונים של המוח. מתוך מערך האלקטרודות ניתן לחשב מטריצת קישוריות שנותנת מידע על קשר סטטיסטי או סינכרוניזציה בין שני סיגנלים שונים, במקרה שלנו בין שני ערוצים (אלקטרודות) של פעילות מוחית מאזורים שונים במוח.

בפרויקט נבחן תבניות של קישוריות מוחית כפי שנמדדו בסיגנלים שהוקלטו ממוח של חולי אפילפסיה.

נשתמש באלגוריתמים של למידת מכונה ולמידה עמוקה כדי לזהות תבניות כאלו של קישוריות מוחית בשני מצבים קוגניטיביים: מצב מנוחה (בו המטופלים לא עושים כלום) ומצב של משימה (צפייה בסרט).

מטרת הפרויקט:

יצירת מטריצת קישוריות מוחית באמצעות מספר שיטות אנליזה ובחינה של זיהוי שני המצבים מתוך תבניות הקישוריות באמצעות אלגוריתמים של למידת מכונה לצורך הפרדה אופטימלית ביניהם.

תכולת הפרויקט:

עיבוד מקדים של הנתונים, יצירת מטריצת קישוריות מתוך הסיגנלים באמצעות מספר שיטות אנליזה, מציאת המודל הרלוונטי בלמידת מכונה אשר יתאים לנתונים והחלת המודל על הנתונים. השוואת תוצאות המודלים של מטריצות הקישוריות השונות.

קורסי קדם:

עיבוד אותות, מבוא ללמידת מכונה

דרישות נוספות:

ידע בתחום מדעי המח. קורס מיפוי תפקודי של המוח, רשתות נוירונים

מקורות:

  1. Julia Berezutskaya and Mariska J. Vansteensel and Erik J. Aarnoutse and Zachary V. Freudenburg and Giovanni Piantoni and Mariana P. Branco and Nick F. Ramsey (2022). Open multimodal iEEG-fMRI dataset from naturalistic stimulation with a short audiovisual film. OpenNeuro. [Dataset] doi: doi:10.18112/openneuro.ds003688.v1.0.7
  2. Bastos AM, Schoffelen JM. A Tutorial Review of Functional Connectivity Analysis Methods and Their Interpretational Pitfalls. Front Syst Neurosci. 2016 Jan 8;9:175. doi: 10.3389/fnsys.2015.00175. PMID: 26778976; PMCID: PMC4705224.
122 Characterizing eye movement metrics in visual load conditions
אפיון מדדים של תנועות עיניים בתנאיי עומס ויזואלי
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

מכשיר עוקב עיניים הינו ציוד טכנולוגי מתקדם שמיועד למדידה ולרישום של תנועות העיניים. המכשיר מודד תנועות עיניים ברזולוציה גבוהה ובין השאר יכול לשמש להבנה של האופן שבו אנו פועלים בסביבה ויזואלית והמידע עליו מסתכלים. בעולם שבו הסביבה הויזואלית עמוסה ועשירה, שימוש בעוקב עיניים יכול לשמש להבנה של עומס קוגניטיבי, שהינו אחד החסמים העיקריים בתפעול מערכות שונות ונמצא כיום במרכז העניין של חברות רבות בתעשייה. בנוסף, שימוש בתנועות עיניים מהווה בסיס לפיתוחים של ממשק-מוח מכונה שבהן מערכות מופעלות ללא מגע על בסיס תנועות עיניים.

תנועות עיניים הן היכולת של העין לבצע תנועה לכיוונים שונים ע"י השרירים החיצוניים של העין. תנועות העיניים מתחלקות לכמה סוגים : saccade – תנועה רצונית ומהירה בעיקר כדי לשנות מבט ולהתביית על עצם, micro saccade, רפלקסים ותנודות נוספות הקשורות לתנועה של האובייקט עליו אנחנו מביטים או תזוזת הראש שלנו.

בפרויקט זה נבצע ניסוי הכולל זיהוי תנועות עיניים במטרה לחשב ולאפיין את תנועות העין והאופן שבו הן מושפעות מתנאי ניסוי שונים.

מטרת הפרויקט:

מטרת הפרויקט היא בניית פרדיגמות ניסוייות ממוחשבות ויישומן עם מכשיר עוקב עיניים חדשני ומתקדם בניסויים עם נבדקים במטרה להבין טוב יותר את הקשר שבין פרטים פיזיים כגון גודל האובייקטים, מיקומם במרחב והעומס הויזואלי לתנועות עיניים. תוצאות אלו בעלות חשיבות מאחר ומהוות את הבסיס לפיתוח מערכות מתקדמות שיאפשרו מדידה של עומס קוגניטיבי במערכות מסחריות וממשקי מוח-מכונה.

תכולת הפרויקט:

עבודת הסטודנטים תכלול : קריאת ספרות , כתיבת פרדיגמה ניסויית, שימוש במכשיר עוקב עיניים מתקדם, ביצוע ניסוי עם נבדקים, ניתוח נתונים ושימוש במודלים סטטיסטים.

קורסי קדם:

ניתוח אותות

מקורות:

  1. https://brill.com/view/journals/sp/25/5/article-p449_5.xml
  2. https://d-nb.info/1128594803/34#:~:text=Through%20the%20tracking%20of%2…
     
123 Characterizing connectivity of brain electrical activity across multiple sensors using phase-amplitude coupling
אפיון קישוריות של פעילות מוחית חשמלית מסנסורים מרובים באמצעות צימוד משרעת-פאזה
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

אלקטרוקורטיקוגרפיה (ECOG) היא טכנולוגיה מבטיחה המקליטה פעילות מוחית חשמלית באמצעות אלקטרודות ייעודיות המונחות ישירות על פני המוח החשוף. לטכניקה זו נתונים ייחודים עם רזולוציה זמנית ומרחבית גבוהה ועל כן משמשת בין השאר ככלי קליני שימושי למיפוי תפקוד המוח אצל אוכלוסיות קליניות שונות. במחקרים קודמים הראינו כי נתוני ECOG, הנאספו ממספר סנסורים במקביל במהלך ניתוח מוח בערות של מטופלים עם גידול מוחי, מכילים מידע הקשור לרשתות מוחיות תפקודיות. עם זאת, דפוסי הקישוריות בין הפעילות המוחית שנמדדה בסנסורים השונים נשארו לא ידועות. בפרויקט זה נבחן דפוסי קישוריות מוחית באמצעות ניתוח האותות המוחיים ושימוש במדד של צימוד משרעת-פאזה (Phase-Amplitude Coupling, PAC) .

צימוד משרעת-פאזה מתאר את הקשר שבין שתי רצועות תדירות. PAC נצפה בעבר באיזורי מוח שונים ונמצא כקשור לתפקודים קוגניטיביים שונים כגון קבלת החלטות וזכרון, כמו גם למדדים אחרים של פעילות מוחית כגון fMRI.

בפרויקט זה , נתמקד בשיטות השונות לחישוב PAC עבור נתוני ECOG ונאפיין את האופן שבו מדד זה משתנה במשימות קוגניטיביות שונות. לחקירת דפוסי קישוריות ברמות המוח ואיזורי המוח השונים יש חשיבות קלינית לצורך פיתוח כלים רפואיים תומכי החלטה והבנה טובה יותר של המנגנונים העומדים בבסיס מחלות שונות.

מטרת הפרויקט:

מטרת הפרויקט היא הבנה ושימוש בשיטות החישוב השונות ל PAC עבור נתוני ECOG של מטופלים עם גידול מוחי שהוקלטו במהלך ניתוח מוח בערות. הפרויקט יכלול יצירת סביבה נוחה ונגישה להצגת התוצאות השונות והשוואה בין המשימות השונות שביצעו המטופלים. ניתוח התוצאות יקדם אותנו במטרה להבין את דפוסי הקישוריות באיזורי המוח השונים.

תכולת הפרויקט:

עבודת הסטודנטים תכלול : קריאת ספרות , כתיבת קוד , ניתוח נתונים ושימוש במודלים סטטיסטים. ייפתחו כלים בעיבוד אותות והצגת נתונים.

קורסי קדם:

ניתוח אותות

דרישות נוספות:

מדעי נתונים ביולוגיים , כל ידע בתחום מדעי המוח.

מקורות:

  1. https://doi.org/10.1016/j.cortex.2022.12.007
  2. https://doi.org/10.1016/j.neuroimage.2016.08.036
  3. https://doi.org/10.1126/science.1128115
     
210 Ring Oscillator Based Amplifier for Sensor Applications (Daniel)
מגבר המבוסס על מתנד-טבעת עבור יישומי חיישנים
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

Analog Amplifiers are complex circuits which require a lot of hand-tuning and are not scalable. Recently, a new type of amplifier has emerged which is much more “digital”. This is called a “Ring Ampifier” which essentially uses a 3 stage ring oscillator as an amplifier. It can be much more compact and simpler than a corresponding analog circuit. In principle, the basic elements of the amplifiers are CMOS inverters, not current sources or analog drivers. This amplifier can be much faster and lower power than conventional analog amplifiers.

מטרת הפרויקט:

In this project you will design a ring amplifier and use it in an application such as analog-to-digital conversion or voltage regulation. These are generally application which are left to analog circuits, so this amplifier will make these circuits more “digital”. The ring amplifier will be utilized in one of these applications.

תכולת הפרויקט:

You will need to learn the theory and then implement the circuit in 65nm CMOS. An application will be chosen for the ring amplifier circuit. The schematics will be prepared in Virtuoso and simulated. Layout and post-layout simulations will be conducted to verify the circuit performance. Since there are several applications here, there may be more than one project available.

קורסי קדם:

  • 768330301 אלקטרוניקה לינארית - חובה
  • 768332501 מעבדה למעגלים אנלוגיים – חובה
  • 8330801 מעגלים אלקטרוניים ספרתיים – חובה
  • 83315 מעבדה מעגלים אלקטרוניים ספרתיים – חובה
  • 768361101 מעגלים משולבים אנלוגיים – חובה

דרישות נוספות:

a lot of motivation to work hard!!!

מקורות:

  1. B. Hershberg, “Ring Amplifiers for Switched Capacitor Circuits”, IEEE JOURNAL OF SOLID-STATE CIRCUITS, VOL. 47, NO. 12, DECEMBER 2012, pp. 2928.
  2. Jun-Eun Park, et. al. “A 0.4-to-1.2V 0.0057mm2 55fs-Transient-FoM Ring-Amplifier-Based Low-Dropout Regulator with Replica-Based PSR Enhancement” ISSCC 2020 Digest of Technical Papers, pp. 492-3.
212 Analog to Digital Converter based the SAR (Successive Approximation Register) Algorithm
ממיר אנלוג לדיגיטל מבוסס על מדולטור של SAR
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

Analog to digital converters are used to transfer real-world information, which is analog, to the digital domain for further signal processing. This is an extremely important function which is prevalent in all computer systems. There is a constant battle to improve performance, lower power, increase bandwidth and other performance parameters.

מטרת הפרויקט:

In this project you will design a highly compact analog to digital converter (ADC) using the SAR (Successive Approximation Register). The SAR topology is one of the most attractive for low power and compact ADC applications. It is also a relatively simple architecture conceptually and lends itself to many types of optimizations to improve accuracy, reduce area and enable low power operation. You will need to learn the theory and then implement the circuit in 65nm CMOS. The SAR ADC includes both analog and digital blocks, which will allow you to develop skills in both.

תכולת הפרויקט:

In this project the student will design a SAR ADC using digital and analog techniques. The schematics will be prepared in Virtuoso and simulated. Layout and post-layout simulations will be conducted to verify the circuit performance.

קורסי קדם:

  • 768330301 אלקטרוניקה לינארית - חובה
  • 768332501 מעבדה למעגלים אנלוגיים – חובה
  • 8330801 מעגלים אלקטרוניים ספרתיים – חובה
  • 83315 מעבדה מעגלים אלקטרוניים ספרתיים – חובה
  • 768361101 מעגלים משולבים אנלוגיים – מומלץ

דרישות נוספות:

a lot of motivation!!!

מקורות:

  1. Analog Integrated Circuit Design – Tony Chan Carusone, David Johns and Kenneth Martin – John Wiley Publishers. Chapters 16 and 17
  2. “A compact 10-b SAR ADC with unit-length capacitors and a passive FIR filter” P Harpe IEEE Journal of Solid-State Circuits 54 (3), 636-645
213 Frequency Locked Loop Circuit for High Frequency IC Clocks
מעגל נעילת תדר
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

A stable clock source is one of the most important requirements for integrated circuit designs. Fully integrated on-chip generation of a clock source has become more important as system-on-chip designs have proliferated. More specifically, wireless sensor nodes for Internet-of-Things (IoT) applications have a small form factor and limited board space, making it difficult to integrate crystal oscillators, especially for implantable applications. An on-chip oscillator requires low power consumption and energy per cycle, frequency stability over varying ambient temperatures, long-term stability, and low supply voltage sensitivity. Low oscillator power consumption is important in a system with low activity where the standby current dominates the total power consumption, as is the case with a wake-up timer or a sleep mode timer. An oscillator must also show good frequency stability and resistance to temperature supply voltage and random variations. At low voltage and low power, this becomes even more challenging.

מטרת הפרויקט:

In this project, several novel techniques will be utilized to design an FLL. These techniques involve a combination of analog, digital and device physics concepts. During this work, you will design a novel FLL, all of which will be implemented in a Si IC.

תכולת הפרויקט:

In this project the student will design an FLL using digital and analog techniques. The schematics will be prepared in Virtuoso and simulated. Layout and post-layout simulations will be conducted to verify the circuit performance. This project will include a tapeout and Silicon measurements. The successful conclusion of this project may lead to an academic publication.

קורסי קדם:

  • 768330301 אלקטרוניקה לינארית - חובה
  • 768332501 מעבדה למעגלים אנלוגיים – חובה
  • 8330801 מעגלים אלקטרוניים ספרתיים – חובה
  • 83315 מעבדה מעגלים אלקטרוניים ספרתיים – חובה
  • 768361101 מעגלים משולבים אנלוגיים – מומלץ

דרישות נוספות:

a lot of motivation to work hard!!!

מקורות:

  1. M. Choi, T. Jang, S. Bang, Y. Shi, D. Blaauw and D. Sylvester, "A 110 nW Resistive Frequency Locked On-Chip Oscillator with 34.3 ppm/°C Temperature Stability for System-on-Chip Designs," in IEEE Journal of Solid-State Circuits, vol. 51, no. 9, pp. 2106-2118, Sept. 2016, doi: 10.1109/JSSC.2016.2586178.
  2. A. Djemouai, M. A. Sawan and M. Slamani, "New frequency-locked loop based on CMOS frequency-to-voltage converter: design and implementation," in IEEE Transactions on Circuits and Systems II: Analog and Digital Signal Processing, vol. 48, no. 5, pp. 441-449, May 2001, doi: 10.1109/82.938354.
  3. D. S. Truesdell, A. Dissanayake and B. H. Calhoun, "A 0.6-V 44.6-fJ/Cycle Energy-Optimized Frequency-Locked Loop in 65-nm CMOS With 20.3-ppm/°C Stability," in IEEE Solid-State Circuits Letters, vol. 2, no. 10, pp. 223-226, Oct. 2019, doi: 10.1109/LSSC.2019.2946767.
214 Read out circuitry for a GC-eDRAM memory array
בניית מערכת קריאה למערך זכרון מסוג GC-eDRAM
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

זכרונות מוטמעים מהווים חלק משמעותי וחשוב ממערכות SOC כיום, ולכן יש צורך לייצר מערכות חסכוניות יותר בשטח ובהספק. כרגע ארכיטקטורת הזכרון השולט בשוק הינו הSRAM המורכב ממינימום של 6T (six transistors). ארכיטקטורת הGC-eDRAM מוצג כאלטרנטיבה אפשרית לSRAM כיוון שהיא בנויה מ2-4T ולכן יעילה יותר בשטח. החסרון המשמעותי בזכרון זה היא תכונת הדינמיות שלה, שמחייבת פעולות רענון מחזוריות בכדי לשמר את המידע. מטרת הפרוייקט היא לתכנן וליצור מערכת קריאה מתוחכמת שתאפשר לקורא את המידע האגור בזכרון בצורה מדויקת ובכך להאריך את הזמן הנצרך בין מחזורי רענון.

מטרת הפרויקט:

בפרוייקט תתכנו ארכיטקטורה שלמה של מערכת קריאה מזכרון, הכולל מעגל sense-amplifier, מעגלים אנלוגים נוספים התומכים בSA ומעגלים דיגיטלים התומכים בקריאה. תתכן אפשרות להגיע אף לשלב הלייאוט במעגלים, ואפילו לייצור צ'יפ ממש.

תכולת בפרויקט:

תכנון וייצור מעגלים אנלוגים בוירטואוזו (החל מהסכמה ועד ללייאוט)
כתיבת מעגלים דיגיטלים בורילוג

קורסי קדם:

  • 83303 אלקטרוניקה לינארית – חובה
  • 83325 מעבדה למעגלים אנלוגיים – חובה
  • 83308 מעגלים אלקטרוניים ספרתיים – חובה
  • 83315 מעבדה מעגלים אלקטרוניים ספרתיים – חובה
  • 83611 מעגלים משולבים אנלוגיים – מומלץ


דרישות נוספות:

a lot of motivation

מקורות:

64-kB 65-nm GC-eDRAM With Half-Select Support and Parallel Refresh Technique O Harel, EN Casarrubias, M Eggimann, F Gürkaynak, L Benini, A Teman, ...
IEEE Solid-State Circuits Letters 5, 170-173

303 Human Intercation
אינטרקציה אנושית
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

במהלך הפרויקט נמדוד אינטרקציה אנושית בין 16 נגני כינור. נבנה מערכת אוטומטית מבוססת AI לזיהוי איזה נגן עוקב אחרי איזה נגן. נשנה את הקישוריות בין הנגנים ואת הרשת שנוצרת בינהם. נוסיף השהייה בין הנגנים כדי לגרום לתסכול. ונמדוד איזה נגן מוביל ואיזה נגן מובל. באמצעות המערכת נחקור איך נוצרים מנהיגים והאם אפשר לשלוט במי נוצר מנהיג רק על ידי שינוי פרמטרים של הרשת האנושית

מטרת הפרויקט:

מערכת אוטומטית המסוגלת בזמן אמת לזהות איזה נגן כינור עוקב אחרי איזה נגן

תכולת הפרויקט:

בנית מערכת AI לזיהוי נגינת כינור וזיהוי מי עוקב אחרי מי

קורסי קדם:

עיבוד אותות,

דרישות נוספות:

מקורות:

Shahal, S., Wurzberg, A., Sibony, I. et al. Synchronization of complex human networks. Nat Commun 11, 3854 (2020). https://doi.org/10.1038/s41467-020-17540-7
 

304 Project in Biomedical Optics
פרויקט באופטיקה ביו-רפואית
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

נדרש ידע באופטיקה, עיבוד תמונה ואותות ומומלץ גם ידע במערכות לומדות

מטרת הפרויקט:

הסטודנטים ייחשפו לנושאי המחקר של המעבדה וילמדו איך לתכנן ניסויים, לבנות אותם ולבצע אנליזה לנתונים.

תכולת הפרויקט:

טרם נקבע

קורסי קדם:

  • קורסים באופטיקה
  • קורסים בעיבוד אותות בדגש על עיבוד תמונות
  • קורסים במערכות לומדות מומלץ

מקורות:

הפרויקט מבוסס על טכנולוגית SCOC ו DCS.

308 Incorporation of AI and ML algorithms in remote biomedical sensing
שילוב יכולות של בינה מלאכותית ואלגוריתמי לימוד מכונה בחישה ביו רפואית
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

מדובר על טכנולוגיית חישה חדשנית המבוססת על ניתוח שינויים זמניים-מרחביים של תבנית פיזור אור לייזר מרקמה ביולוגית. על בסיס זה ניבחנת יכולת חישה של פרמטרים ביו רפואיים מרחוק. תבניות הפיזור הנוצרות עקב התאבכות עצמית של אור הלייזר ניקראות ספקלס. אלו תבניות אקראיות המשתנות בזמן כתלות בתהליכים הזמניים הקורים בתוך הרקמה הביולוגית. במסגרת הפרויקט ניבנה אלגוריתם לימוד מכונה שילמד את מאפיני תבנית הפיזור וידע לקשר אותה לננו-רעידות המתרחשות ברקמה. מתוך ניתוח תבניות הננו-רעידות ניתן לבצע שערוך של פרמטרים בו רפואיים שונים הכוללים לחץ דם, מאפיני זרימת דם בכלי דם ועוד. אלגוריתמיקת למידת המכונה שתופעל פה תבוסס על רשתות ניורונליות.

מטרת הפרויקט:

אלגוריתמיקה חדשה מבוססת למידת מכונה לניתוח תבניות פיזור אור לייזר

תכולת הפרויקט:

פיתוח אלגוריתמי בינה מלאכותית ואלגוריתמי לימוד מכונה בחישה ביו רפואית

קורסי קדם:

קורס למידת מכונה בסיסי

מקורות:

Zeev Kalyuzhner, Sergey Agdarov, Aviya Bennett, Yafim Beiderman, and Zeev Zalevsky, "Remote photonic sensing of blood oxygen saturation via tracking of anomalies in micro-saccades patterns," Opt. Express 29, 3386-3394 (2021)

312 Simulation of Quantum Sensors
סימולציה של סנסורים קוונטים
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

העולם הקוונטי, ובפרט אופטיקה קוונטית, מאפשרים לשפר את הרגישות של סנסורים קיימים תוך שימוש במצבים קוונטיים של אור. אנו בוחנים יישומים של מצבים כאלה לטובת גילוי עצמים מרוחקים ומציאת המרחק אליהם באופן מדויק. הפרויקט יעמיק את הניתוח הקיים בקבוצה שלנו ויתמקד בסנסורי דמויי מכ"ם במטרה לכמת את היתרון שניתן להשיג תוך שימוש בטכנולוגיות קוונטיות של אור.

מטרת הפרויקט:

ההישג הצפוי הוא ניתוח מפורט של ביצועי סנסור קוונטי שמאפשר לגלות מטרות ולמדוד במדויק את המרחק אליהן. התוצר הסופי יהיה סימולציה מפורטת שכוללת מגוון פרמטרים המתייחסים למקור האור הקוונטי ולתכונות האובייקט אותו מעוניינים לגלות במטרה לאמוד את השיפור הצפוי בעולם הקוונטי ביחס לעולם הקלאסי.

תכולת הפרויקט:

הסטודנטים יכירו את התיאוריה הבסיסית עליה מסתמך הסנסור שבנדון וכן את הסימולציה הקיימת (בתוכנת מתמטיקה). הסטודנטים יעבו את הסימולציה הנוכחית וינתחו אפשרויות חדשות לשימוש במצבים דחוסים של אור כמו גם תוספת של chirp וכיצד אלו מושפעים מרעש. לבסוף, יכמתו הסטודנטים את הביצועים של הסנסור במונחים של רגישות (או SNR) ורזולוציה בטווח.

קורסי קדם:

מכניקה קוונטית שימושית, מבוא ללייזרים. כמו כן, מומלץ לקחת במקביל את הקורס חישוב קוונטי.

מקורות:

  1. https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.127.173603
  2. https://opg.optica.org/oe/fulltext.cfm?uri=oe-29-25-41282&id=465502
321 Multi-Channel system for measuring cerebral blood flow
מערכת רב ערוצית למדידת זרימת דם במח
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

במעבדה לנוירופוטוניקה, עוסקים במדידות של מטבוליזם וזרימת דם במח באמצעים אופטיים, בשיטות של DCS , SCOS , Interferometric speckle contrast
גם מהכיוון הטכנולוגי וגם מהכיוון הפונקציונלי.

במהלך הפרויקט, הסטודנטים יבנו ויאפיינו מערכת אופטית עם רגישות גבוהה לניטור זרימות דם מהמוח ויעבדו את האות הנקלט לצורך אבחון וניטור פרמטרים ניורווסקולריים

מטרת הפרויקט:

מדידה סימולטנית של מהירות זרימת דם יחסית באיזורים שונים במח תוך כדי משימות שונות של הנבדקים - למעשה להבין איך נראית תגובה פונקציונלית של הפעילות המוחית במערכת SCOS

תכולת הפרויקט:

השתתפות בבניית המערכת - האופטיקה, המכניקה והאלגוריתם, מציאת הפרמטרים האופטימליים למדידה, ביצוע מדידות על נבדקים, עיבוד נתונים , ריכוז תוצאות. וכמובן דוח מסכם.

קורסי קדם:

מבוא לאופטיקה

דרישות נוספות:

גלאים, עיבוד אותות

מקורות:

https://opg.optica.org/ol/abstract.cfm?uri=ol-48-6-1427

324 Remote biomedical sensing via AI and ML algorithmincs
חישה ביורפואית מרחוק מבוססת למידת מכונה ובינה מלאכותית
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

מדובר על טכנולוגיית חישה חדשנית המבוססת על ניתוח שינויים זמניים-מרחביים של תבנית פיזור אור לייזר מרקמה ביולוגית. על בסיס זה ניבחנת יכולת חישה של פרמטרים ביו רפואיים מרחוק. תבניות הפיזור הנוצרות עקב התאבכות עצמית של אור הלייזר ניקראות ספקלס. אלו תבניות אקראיות המשתנות בזמן כתלות בתהליכים הזמניים הקורים בתוך הרקמה הביולוגית. במסגרת הפרויקט ניבנה אלגוריתם לימוד מכונה שילמד את מאפיני תבנית הפיזור וידע לקשר אותה לננו-רעידות המתרחשות ברקמה. מתוך ניתוח תבניות הננו-רעידות ניתן לבצע שערוך של פרמטרים בו רפואיים שונים הכוללים לחץ דם, מאפיני זרימת דם בכלי דם ועוד. אלגוריתמיקת למידת המכונה שתופעל פה תבוסס על רשתות ניורונליות.

מטרת הפרויקט:

חישה של פרמטרים ביו רפואיים מרחוק

תכולת הפרויקט:

איסוף דאטה בניסוי ביו רפואי וניתוחו בעזרת מחשב

קורסי קדם:

מבוא לאופטיקה

דרישות נוספות:

למידת מכונה

מקורות:

  1. Z. Kalyuzhner, S. Agdarov, A. Bennett, Y. Beiderman and Z. Zalevsky, “Remote photonic sensing of blood oxygen saturation via tracking of anomalies in micro-saccades patterns,” Opt. Exp..
504 Optimal network localization
איכון רשתות אופטימלי
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

בכפר גלובלי כמו כדור הארץ של 2023, יותר ויותר מכשירים מתחברים לרשת תקשורת. ככאלה, קריטי לדעת את המיקום שלהם ולו רק למטרות ניתוב תקשורת, בקרה סביבתית, והתאמת תכנים למשתמש. חשוב שתהליך האיכון ייעשה בצורה כמה שיותר יעילה כדי לאפשר הקטנה של המכשיר וחיסכון במשאבים. אמנם, לחלק מהמכשירים יכולת איכון עצמאית (GPS), אך רכיבים פשוטים יותר יצטרכו ללמוד את המיקום שלהם מתוך הרשת עצמה.

מטרת הפרויקט:

בפרויקט זה נדרש ללמוד את תחום איכון הרשתות וליישם איכון של רשת תקשורת בצורה אופטימלית על ידי סימולציה ממוחשבת.

תכולת הפרויקט:

על הסטודנטים ללמוד על השיטות השונות לביצוע איכון רשתות, לבחור שיטה אחת, לתכנן ולממש סימולצית מטלב המדמה את פעולת האיכון ברשת.
ביצועי הסימולציה יושוו לחסמים קיימים וחסמים שיפותחו תוך כדי הפרויקט.

קורסי קדם:

נושאים מתקדמים בתקשורת (במקביל לפרויקט)
מומלץ SSP1

מקורות:

Bal, Mert, et al. "Localization in cooperative wireless sensor networks: A review." 2009 13th International Conference on Computer Supported Cooperative Work in Design. IEEE, 2009.

505 Deep learning optimization of relay networks – Complex learning
שימוש בכלי למידת מכונה לאופטמיזציה של רשת תקשורת עם ממסרים – הרחבה ללמידה מרוכבת
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

ממסר הוא רכיב תקשורת הקולט אות מגביר ומשדר אותו. ממסרים משמשים להגדלת טווח התקשורת והעלאת קצב המידע. טכנולוגיות חדשות מאפשרות ייצור והפעלה פשוטה של ממסרים רבים באותה רשת. ממסרים כאלו לא דורשים תשתית, ואפילו יכולים לאסוף אנרגיה מסביבתם. הכנסת עשרות ומאות ממסרים לרשת (לדוגמה בבניין אחד) יאפשרו הגדלה משמעותית בקצבי התקשורת. האתגר העיקרי ברשת כזו הוא בחירת פרמטרים נכונה לכל ממסר שתאפשר פעולה אופטימאלית של הרשת.

במחקר חדשני, אנו משתמשים באופי הלא לינארי של מגברים כדי ליצור הקבלה בין רשת תקשורת עם ממסרים לרשת נוירונים. בעזרת הקבלה זו, אנו מאפשרים שימוש בכלים הרבים הזמינים ללמידת מכונה על מנת לבצע אופטימיזציה של הרשת. יתירה מזו, אנו מצליחים גם לאמץ את היכולת של רשתות נוירונים לבצע חישובים, ולבצע חישובים תוך כדי מעבר האות ברשת הממסרים.

מטרת הפרויקט:

בפרויקט זה נממש סימולציה של רשת תקשורת סלוללרית עם משדר (תחנת בסיס) מספר מקלטים והרבה ממסרים. נשתמש בכלים של למידת מכונה על מנת לשפר את התקשורת ברשת וגם להשיג מטרה חשובה נוספת: נדרוש שהרשת תפריד את האות המשודר, כך שכל מקלט יקבל רק את האות הרצוי שלו, ולא יושפע מהאותות המשודרים לשאר המקלטים.

בפרויקט זה נרחיב את חזית הידע בכך שנתמקד בתקשורת בפס בסיס, ולכן כל הלמידה תתבצע במספרים מרוכבים.

הפרויקט בעל אופי מחקרי, ומתאים לסטודנטים מצטיינים המעוניינים להשתלב במחקר.

תכולת הפרויקט:

לימוד של רשתות תקשורת וכלי למידת מכונה, מימוש הרשת בפייתון, מימוש של אלגוריתם למידה שיאפשר אופטימיזציה של הרשת. ביצוע האופטימיזציה וניתוח התוצאות.

קורסי קדם:

למידת מכונה (במקביל לפרויקט)

מקורות:

https://arxiv.org/pdf/2306.14253.pdf

804 Analysis of Biological Signatures Using Machine Learning
בחינת יחודיות וחזרתיות של חתימות ממדידות ביולוגיות\ביוכימיות בשימוש למידת מכונה
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

טכנולוגיות לבישות, המשולבות בגוף ובמערכות ביולוגיות כבר כאן, לרוב הן מתקשרות עם נקודת קצה קרובה (למשל סלולרי או אנטנה) וצריכת אנרגיה נמוכה, הינה קריטית עבור מערכות אלו. כמו כן, אבטחה היא גורם משמעותי היות ואינפורמציה רגישה נעה במערכות אלו (חשבו על מוניטור לחץ דם או משאבת אינסולין אקטיבית). לכן עלות האבטחה מבחינת מימוש ואנרגיה היא קריטית. בפרויקט הסטודנטים יקבלו מידע \ מדידות ממכשור מדידה המגיע ממדידות על גוף נסיינים בשיתוף עם תעשייה. המידע יגיע ממגוון סנסורים, time-series ממודד לחץ דם \ מודד זיעה\ מדידות אופטיות ואפילו אקוסטיות.

הסטודנטים יפעילו כלי אנליזה מעולם הסיווג ולימוד המכונה ומטרתם תהיה אפיון ומציאת פיטשרים ייחודיים וחזרתיים מכל ערוץ ובניית ensemble ליצירת חתימה ביולוגית למשתמש. על גבי מנגנון זה ניתן ליישם אבטחה זולה הרבה יותר למערכות אלו.

מטרת הפרויקט:

הסטודנטים יקראו וילמדו שיטות ניתוח של ספרות קודמת. ילמדו את צורת המידע והדאטה שמגיע מהמדידות. ינתחו מאפיינים שלו ויבנו ויאמנו מספר מכונות קלסיפיקציה. ינתחו יכולת לשלב מדדים שונים מדאטה בייסים שונים, ייבנו מודלים "משכללים" ומאחדים. ולבסוף יבצעו בחינת אומדנים לייחודיות וחזרתיות של ה"חתימות הביולוגיות" ויכולות הקלסיפיקציה.

תכולת הפרויקט:

קריאת ספרות קודמת, הבנת הדאטה המגיע מהסנסורים וגודל המדגם וכו', בחינת בחירת מודלי קלסיפיקציה שונים ומציאת מאפיינים ייחודיים וחזרתיים, ניתוח תוצאות וכו'

קורסי קדם:

ידע קודם בסיסי בלמידת מכונה \ קלסיפיקציה \ רגרסיה (ישנם הרבה קורסים בפקולטה - להתייעץ עם המנחה).

דרישות נוספות:

  • ייתרון לסטודנטים בעלי שליטה בבניית מודלים בפייטון (או מטלב), למשל עצים, Random-Forest, ensembles, ANN \ CNN RNN\ DNN ונסיון טכני עם הכלים.
  • יכולות תכנותיות ואנליטיות גבוהות.
  • נכונות להיקף עבודה משמעותי.

מקורות:

  1. Jain, Anil K., Arun Ross, and Salil Prabhakar. "An introduction to biometric recognition." IEEE Transactions on circuits and systems for video technology 14.1 (2004): 4-20.
  2. McGoldrick, Leif K., and Jan Halámek. "Recent advances in noninvasive biosensors for forensics, biometrics, and cybersecurity." Sensors 20.21 (2020): 5974.
  3. Hair, Mindy E., et al. "Metabolite biometrics for the differentiation of individuals." Analytical chemistry 90.8 (2018): 5322-5328.
805 DiffusionNet: Discretization Agnostic Deep Learning on Surfaces
למידת מכונה עמוקה אדישה לייצוג דיסקרטי של משטחים תלת ממדיים
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

The project is about implementing new general-purpose approach to deep learning on 3D surfaces, based on the insight that a simple diffusion layer is highly effective for spatial communication. The resulting networks are automatically robust to changes in resolution and sampling of a surface—a basic property which is crucial for practical applications. Our networks can be discretized on various geometric representations such as triangle meshes or point clouds, and can even be trained on one representation then applied to another. We optimize the spatial support of diffusion as a continuous network parameter ranging from purely local to totally global, removing the burden of manually choosing neighborhood sizes. The only other ingredients in the method are a multilayer perceptron applied independently at each point, and spatial gradient features to support directional filters. The resulting networks are simple, robust, and efficient. Here, we focus primarily on triangle mesh surfaces, and demonstrate state-of-the-art results for a variety of tasks including surface classification, segmentation, and non-rigid correspondence.

מטרת הפרויקט:

היכרות עם תחום הגרפיקה והגאומטריה בהיבט של למידת מכונה עמוקה. התעמקות בנושא מתקדם בתחום והתנסות במימוש אלגוריתם ובניית תוכנה מורכבת כהכנה לעבודה בתעשיית ההייטק ו/או לתואר מתקדם.

תכולת הפרויקט:

הפרויקט ידרוש פיתוח ומימוש של אלגוריתם מורכב בתוכנה.

פרוייקטים נוספים מותאמים לסטודנט אפשריים במקרים מסויימים בתאום עם פרופ' וובר

קורסי קדם:

83656 עיבוד דיגיטלי של גיאומטריה 1

דרישות נוספות:

  • ידע בסיסי ברשתות נוירונים.
  • יכולת תכנות טובה.
  • יכולת עבודה עצמאית והגדלת ראש.


מקורות:

https://nmwsharp.com/research/diffusion-net/

806 Discrete Conformal Equivalence of Polyhedral Surfaces
שקילות קונפורמית דיסקרטית למשטחים תלת ממדיים
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

Polyhedral surfaces are elementary in computer graphics. They are used to represents real-life objects in virtual environments. Mapping such a polyhedral surface to a different domain, for example, to the plane is a fundamental problem in computer graphics and geometry processing. In this project we will learn about special types of maps which preserves angles (conformal maps). We will investigate a discrete notion of angle preservation and will implement an advanced algorithm for computing such maps.

מטרת הפרויקט:

היכרות עם תחום הגרפיקה והגאומטריה, התעמקות בנושא מתקדם בתחום והתנסות במימוש אלגוריתם ובניית תוכנה מורכבת כהכנה לעבודה בתעשיית ההייטק ו/או לתואר מתקדם.

תכולת הפרויקט:

הפרויקט ידרוש פיתוח ומימוש של אלגוריתם מורכב בתוכנה.

פרוייקטים נוספים מותאמים לסטודנט אפשריים במקרים מסויימים בתאום עם פרופ' וובר

קורסי קדם:

83656 עיבוד דיגיטלי של גיאומטריה 1

דרישות נוספות:

• יכולת תכנות טובה.
• יכולת עבודה עצמאית והגדלת ראש.

מקורות:

https://www.cs.cmu.edu/~kmcrane/Projects/CEPS/index.html

807 Evaluating fairness in large language models, and comparing the difference between languages
בדיקת הוגנות במודלים גנרטיביים והשוואה בין שפות שונות במודלי שפה
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

הפריצה של מודלים גנרטיביים כמו chat-GPT וMidjourney מביאה הרבה אפשרויות חדשות, אבל גם בעיות בשימוש במודלים האלו. אנו נחקור את המודלים האלו מכיוון של הוגנות - עד כמה המודלים האלו ממדלים ומגבירים הטיות שונות בדאטא לגבי גזע, מין, גיל וכ'ו. אנחנו נבדוק גם השפעה של סוג השפה (אנגלית מול עברית) במודלי שפה גדולים.

מטרת הפרויקט:

ניתוח אמפירי של ההטיות במודלים האלו לפי פילוחים שונים. אם יהיה זמן אפשר גם לעבוד על דרכים לצמצם את הפערים הללו.

תכולת הפרויקט:

לבנות מערכת אוטומטית שתריץ ניסויים על המודלים האלו, לנתח את התוצאות המתקבלות

קורסי קדם:

83622 מבוא ללמידת מכונה (יכול להלקח במקביל)

מקורות:

Is ChatGPT Fair for Recommendation? Evaluating Fairness in Large Language Model Recommendation https://arxiv.org/pdf/2305.07609.pdf

808 Maximum Likelihood Coordinates for Image Deformation
קואורדינטות סבירות מקסימלית עבור דפורמציה של תמונות
מנחה:
אחריות אקדמית:

הרקע לפרויקט:

Any point inside a 2D polygon can be expressed as a convex combination of the polygon’s vertices, and the coefficients of this convex combination are called the barycentric coordinates of the point.

Barycentric coordinates are broadly used in computer graphics applications to interpolate data given at the vertices of the polygon to its interior. A particular application of interest is image warping. In this application, a given image is deformed interactively to create a new image.

The design of barycentric coordinates with desired properties is a challenging task. It is hard to design a set of coordinate functions that are positive, smooth, and interpolate the boundary linearly. Maximum Likelihood Coordinates are such coordinates.

מטרת הפרויקט:

היכרות עם תחום הגרפיקה והגאומטריה, התעמקות בנושא מתקדם בתחום והתנסות במימוש אלגוריתם ובניית תוכנה מורכבת כהכנה לעבודה בתעשיית ההייטק ו/או לתואר מתקדם.

תכולת הפרויקט:

הפרויקט ידרוש פיתוח ומימוש של אלגוריתם מורכב בתוכנה.
פרויקטים נוספים מותאמים לסטודנט אפשריים במקרים מסוימים בתאום עם פרופ' וובר.

קורסי קדם:

  • 83656 עיבוד דיגיטלי של גיאומטריה 1 או ידע קודם בסיסי בגרפיקה ממוחשבת.


דרישות נוספות:

  • יכולת תכנות טובה.
  • יכולת עבודה עצמאית והגדלת ראש.


מקורות:

https://diglib.eg.org/handle/10.1111/cgf14908