פרויקטי גמר - הנדסת חשמל - המעבדה לעיבוד אותות תשפ"ג

401 Machine learning for novel X-ray imaging

למידת מכונה עבור דימות רנטגן חדשני

שם המנחה: אליהו כהן
אחראי/ת אקדמי/ת: ד"ר אליהו כהן

הרקע לפרויקט:

אנו חוקרים שיטות דימות חדשות שמטביעות מבנה מרחבי על קרני ה- X-ray ובכך מאפשרות לשפר את הרזולוציה של התמונה המתקבלת וכן מאפשרות להוריד את שטף הקרינה המייננת.

מטרת הפרויקט:

התוצר הסופי של הפרויקט יהיה אלגוריתם למידת מכונה שמאפשר להתאים תבנית מרחבית מיטבית למשפחה מסויימת של אובייקטים. למשל, אימון רשת נוירונים לטובת שחזור מיטבי של תמונות עצם שבורה בגוף האדם עם תבנית ייחודית.

תכולת הפרויקט:

הסטודנטים יעבדו עם קודים קיימים וקודים חדשים בפייתון ויטמיעו אלגוריתמים ללמידה עמוקה בכדי לנתח אוסף תמונות נתון (קונטקסט רפואי או תעשייתי), לקשר בינו לבין התבנית המרחבית של האלומה שהובילה לאותו שחזור ולהמליץ בהמשך על התבנית המתאימה ביותר לשחזור תמונות מהסוג הנתון.

קורסי קדם:

מבוא ללמידת מכונה

מקורות:

  1. He, Y., Wang, G., Dong, G. et al. Ghost Imaging Based on Deep LearningSci Rep 8, 6469 (2018). https://doi.org/10.1038/s41598-018-24731-2
  2. Fei Wang, Hao Wang, Haichao Wang, Guowei Li, and Guohai Situ, "Learning from simulation: An end-to-end deep-learning approach for computational ghost imaging," Opt. Express 27, 25560-25572 (2019)
  3. https://arxiv.org/abs/2112.13293

 

402 Audio-Video – Active Speaker Localization using Deep Learning

אודיו-וידאו – איכון (לוקאליזציה) דובר פעיל בשיטות למידת עמוקה

שם המנחה: עמית אליאב
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

הבנת סצנה במרחב מתוך שילוב מדיות מעוררת עניין רב לאחרונה - עבור שיחות זום, אביזרי מציאות רבודה (Augmented Reality), עזרים חכמים, בתים חכמים, רכבים אוטונומיים ועוד.

מטרת הפרויקט:

בפרויקט זה הסטודנטים יבצעו איכון (Localization) וסימון של דוברים פעילים בסצנה בהסתמך על מידע המגיע מתוך אודיו ווידאו בשיטות למידה עמוקה.
בנוסף הסטודנטים ירחיבו את הידע שלהם בנושא תכנון ותכנות מודלים בלמידה עמוקה. הסטודנטים יתנסו באיסוף דאטה, ניתוחו והכנתו לקראת אימון רשתות נוירונים ובניתוח תוצאות המודל.

תכולת הפרויקט:

  1. ניתוח וארגון הדאטה העומד לרשות הפרויקט (בין היתר דאטה של חברת Facebook (Meta))
  2. בניית מספר מודלים לאיכון וסימון של הדוברים הפעילים בסצנה הן מתוך האודיו והוידיאו בנפרד, והן מתוך עיבוד משותף של שתי המדיות.
  3. ניתוח התוצאות.
  4. איסוף דאטה חדש עבור בדיקת המודל.

קורסי קדם:

  • יש לקחת במקביל את הקורס בלמידה עמוקה – Deep Learning.
  • מומלץ לקחת גם את הקורס מבוא ללמידת מכונה.

דרישות נוספות:

  • תכנות python
  • הכרות עם ספריות למידה עמוקה – יתרון.

מקורות:

  1. Jiang, H., Murdock, C., & Ithapu, V. K. (2022). Egocentric Deep Multi-Channel Audio-Visual Active Speaker Localization. arXiv preprint arXiv:2201.01928. https://arxiv.org/pdf/2201.01928.pdf

403 Reverberation time classification using deep learning methods

סיווג הקלטות לרמות לפי רמות הדהוד באמצעות שיטות למידה עמוקה

שם המנחה: אביעד איזנברג
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

בשנים האחרונות רבים מן האלגוריתמים העוסקים בשערוך סיגנלים של דיבור מתבססים על שיטות למידה עמוקה. רבים מן האלגוריתמים אינם מצליחים להתמודד בצורה יעילה עם רמות הדהוד שונות. הדהוד כוונתו כמות ההחזרים המגיעים אל המיקרופונים מעבר למסלול הישיר מן הדובר- כך שהאות עובר מסלולים רבים מן הדובר ועד לקליטתו במערך המיקרופונים.

מטרת הפרויקט:

בפרויקט זה, בהינתן הקלטה נסווג את רמתה לפי רמת ההדהוד שלה- דבר היועיל בצורה רבה לאלגוריתמים רבים. נשתמש בשיטות למידה עמוקה אשר מוכיחות עצמן כיעילות ביותר בשנים האחרונות

תכולת הפרויקט:

על הסטודנים יהיה לבצע מחקר ספרותי, יצירת דאטא ,אימון ויצירת רשת שתסווג הקלטות שונות

קורסי קדם:

  • למידה עמוקה - ילקח במקביל לפרויקט
  • עיבוד אותות ספרתי 2 - ילקח במקביל לפרויקט

מקורות:

  1. H. Gamper and I. J. Tashev, "Blind Reverberation Time Estimation Using a Convolutional Neural Network," 2018 16th International Workshop on Acoustic Signal Enhancement (IWAENC), 2018, pp. 136-140, doi: 10.1109/IWAENC.2018.8521241.

404 Blind room parameter estimation using multiple multichannel speech recordings

שערוך פרמטרים של חדר ע״י הקלטה רב ערוצית באמצעות רשתות נוירונים

שם המנחה: אביעד איזנברג
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

בסיגנל דיבור אשר נקלט במערך מיקרופונים מוחבא מידע רב על הסביבה בה בוצעה ההקלטה. ניתן לשערך ממנו את סביבת הדובר, מיקום המיקרופונים גודל החדר אך בעיקר את זמן ההדהוד. זמן ההדהוד המכונה גם rt60, הינו פרמטר המעיד על אופי החדר מבחינת קליטת הסיגנל – כמה החזרים מגיעים אל מערך המיקרופונים ובאלו עוצמות. זהו מידע חשוב מאוד בעיקר בעולם הלמידה עמוקה בו רשתות נוירונים רבות מתקשות להתגבר על הדהוד גבוה

מטרת הפרויקט:

מטרת הפרויקט הינה לשערך את הפרמטרים המוחבאים אודות החדר בדגש על זמן ההדהוד- וזאת ע״י שימוש בשיטות למידה עמוקה

תכולת הפרויקט:

על הסטודנים יהיה לבצע מחקר ספרותי, יצירת דאטא ,ולאמן רשת אשר תבצע שערוך זמן הדהוד בצורה הטובה ביותר

קורסי קדם:

  • למידה עמוקה
  • עיבוד אותות ספרתי 2

מקורות:

  1. Srivastava, Prerak et al. “Blind Room Parameter Estimation Using Multiple Multichannel Speech Recordings.” 2021 IEEE Workshop on Applications of Signal Processing to Audio and Acoustics (WASPAA) (2021): 226-230.

405 Multi channel Voice activity detection using deep learning methods

זיהוי דיבור באמצעות שיטות למידה עמוקה עבור מערך מיקרופונים

שם המנחה: אביעד איזנברג
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

בהינתן הקלטה או שיחה, נרצה לדעת עבור אפליקציות שונות באלו חלקים מן השיחה קיים דיבור ובאילו קיים שקט או רעש. שיטות סטטיסטיות שונות מבוססות החלטת-סף קיימות אך הן מתקשות כאשר יחס האות לרעש הינו נמוך (כלומר כאשר קיים רעש גבוה). בפרויקט זה נבצע שיערוך מקומות בהם קיים דיבור גם ביחס אות לרעש נמוך מאוד וזאת ע״י שימוש בשיטות למידה עמוקה

מטרת הפרויקט:

מטרת הפרויקט הינה לסווג כל מקטע זמן בהקלטה - לדיבור/רעש וזאת ע״י אימון רשת נוירונים ושימוש במידע מרחבי הקיים במערך המיקרופונים.

תכולת הפרויקט:

על הסטודנטים יהיה לבצע מחקר ספרותי, יצירת דאטא ,אימון ויצירת רשת אשר תבצע החלטה תוך שימוש במידע המרחבי של מערך המיקרופונים

קורסי קדם:

  • למידה עמוקה
  • עיבוד אותות ספרתי 2

מקורות:

  1. Sofer, A., & Chazan, S.E. (2022). CNN self-attention voice activity detectorArXiv, abs/2203.02944.

406 Old Recordings enhancement with classical and Deep Learning methods

ניקוי ושיפור איכות הקלטות ישנות - בשיטות קלאסיות ומבוססות למידה עמוקה

שם המנחה: עמית אליאב
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

הקלטות מוזיקליות ישנות שהוקלטו על תקליטים הומרו לאורך השנים למדיה דיגיטלית. אולם לרוב איכות ההקלטה אינה מיטבית מסיבות שונות – פגיעה פיזית בתקליטים, המרה לדיגיטל באיכות נמוכה.

מטרת הפרויקט:

בפרויקט זה הסטודנטים ינסו לנקות ולתקן איכות של הקלטות ישנות.
הם יתנסו בשיטות קלאסיות כגון שערוך רעש, שיטות הפחתה ספקטרליות, ניקוי רעשים מבוסס עיבוד תמונה.
כמו כן יתנסו בשיטות מבוססות למידה עמוקה – ארכיטקטורות Autoencoder, U-net ואף מודלים גנרטיביים.

תכולת הפרויקט:

  1. ניתוח וארגון הדאטה העומד לרשות הפרויקט.
  2. בניית אלגוריתם מבוסס שיטות קלאסיות.
  3. בניית מודל למידה עמוקה - רשתות נוירונים.
  4. ניתוח התוצאות.

קורסי קדם:

  • יש לקחת במקביל את הקורס בלמידה עמוקה – Deep Learning.
  • מומלץ לקחת גם את הקורס מבוא ללמידת מכונה.

דרישות נוספות:

  • תכנות python
  • רקע מוזיקלי - יתרון
  • הכרות עם ספריות למידה עמוקה – יתרון.

מקורות:

  1. Li, Yunpeng, et al. "Learning to denoise historical music." arXiv preprint arXiv:2008.02027 (2020). https://arxiv.org/abs/2008.02027
  2. E. Moliner and V. Välimäki, "A Two-Stage U-Net for High-Fidelity Denoising of Historical Recordings," ICASSP 2022 - 2022 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2022, pp. 841-845, doi: 10.1109/ICASSP43922.2022.9746977. https://ieeexplore.ieee.org/abstract/document/9746977

407 Echo cancellation and beamforming using RRN-TRANSFORMER

ביטול והד והיגוי אלומה על ידי RNN-TRANSFORMER

שם המנחה: עופר שוורץ
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

בפרויקט זה נשתמש בלמידה עמוקה (רשת נוירונים) עם ארכיטקטורה חדשנית כדי להתגבר על בעיות יסוד של מערכת דובר-חכם (smart-speaker): ביטול הד והיגוי אלומה לצורך ניקוי רעשי רקע. לאחרונה, עלה השימוש ברשת למידה עמוקה מסוג RNN-TRANSFORMER אשר משמשת להדגשה של מידע רלוונטי והתמרה שלו למידע אחר. בפרויקט זה נשתמש בארכיטקטורה החדשה הזו ע"מ לייצר גלאי פעילות הד (DOUBLE-TALK DETECTOR) אשר יעזור לפעולה תקינה של מערכת ביטול הד והיגוי אלומה.

מטרת הפרויקט:

מערכת אשר מבצעת ביטול הד והיגוי אלומה אשר מניבה תוצאות סבירות על בסיס נתונים אמיתי תוך שימוש בחומרה ייעודית.

תכולת הפרויקט:

כתיבת קוד בתוכנת פייטון המממש את הארכיטקטורה המוצעת. אימון של רשת נוירונים על מידע-ענק (BIG-DATA) הקלטה של בסיס נתונים. בדיקת מדדים ותוצאות.

קורסי קדם:

  • אותות ומערכות
  • עיבוד אותות ספרתי 1+2
  • עיבוד אותות סטטיסטי 1+2
  • למידה עמוקה

דרישות נוספות:

  • למידה עמוקה
  • עיובד אותות מרחבי

מקורות:

  1. Kothapally, V., Xu, Y., Yu, M., Zhang, S., & Yu, D. (2021). Joint AEC AND Beamforming with Double-Talk Detection using RNN-TransformerArXiv, abs/2111.04904. h

408 Room mapping using acoustic signals

מיפוי מרחבי של חדר ע"י אותות אקוסטיים

שם המנחה: עופר שוורץ,
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

משימה נדרשת עבור רובוטים או אנשים עם מוגבלות היא מיפוי של חדר כדי למנוע התנגשויות. בפרויקט זה נממש אלגוריתם אנליטי עבור מיפוי של חדר תוך שימוש במערך מיקרופונים (microphone array). בתחילה נשתמש באלגוריתם ריבועים פחותים על מנת לשערך הפרשי זמני הגעה של החזרות הגל האקוסטי מן הקירות. לאחר מכן נשתמש באלגוריתם נוסף המשלב היגוי אלומה (BEAMFORMING) כדי לבנות מיפוי של החדר.

מטרת הפרויקט:

בניית אלגוריתם רב שלבי למיפוי חדר ע"י מערך מיקרופנים. בדיקת האלגוריתם בסביבה מסומלצת ואמיתית.

תכולת הפרויקט:

כתיבת שלבי האלגוריתמים השונים ב MATLAB/PYTHON. ביצוע סימולציות/הקלטות ע"י מערך אמיתי ובדיקת המיפוי המוצע ע"י מדדי איכות כגון שגיאה ריבועית ועוד.

קורסי קדם:

  • אותות ומערכות
  • עיבוד אותות ספרתי 1+2
  • עיבוד אותות סטטיסטי 1+2.

דרישות נוספות:

עיבוד אותות מרחבי

מקורות:

  1.  Saqib, U., & Jensen, J.R. (2019). Sound-based Distance Estimation for Indoor Navigation in the Presence of Ego Noise2019 27th European Signal Processing Conference (EUSIPCO), 1-5.
  2. Saqib, U., & Jensen, J.R. (2022). A framework for spatial map generation using acoustic echoes for robotic platformsRobotics Auton. Syst., 150, 104009.

409 Geometry-Aware Multi-Task Learning for Binaural Audio Generation from Video

לימוד מרובה משימות בעל זיקה גיאומטרית עבור ייצור אודיו דו-אוזני מתוך וידאו

שם המנחה: יוחאי ימיני
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

הקלטת binaural audio היא משימה שבדר"כ דורשת ציוד הקלטה מיוחד ויקר. מכיוון ש-binaural audio מכיל בתוכו מידע על הגיאומטריה של הבעיה, ניתן לצפות כי אם נקליט סצנה בעזרת מיקרופון יחיד ומצלמה, נוכל להפיק את המידע הגיאומטרי מהתמונה המצולמת ולשלב אותו באות המגיע מהמיקרופון וכך ליצור binaural audio. אם נצליח בכך, נוכל לחסוך את המאמץ הכרוך בשימוש בציוד הקלטה של binaural audio.

מטרת הפרויקט:

אימון רשת ניורונים המקבלת בכניסתה וידאו ואדיו חד ערוצי ומוציאה אודיו דו ערוצי ההמקושר מרחבית לסצנה בוידאו. לדוגמה, אם בסצנה רואים אדם המנגן בפסנתר בצד ימין של הוידאו ובחורה שרה בצד שמאל, אזי בערוץ ימין של האודיו יישמע הפסנתר חזק יותר ואילו בערוץ השמאלי הבחורה ששרה תישמע חזק יותר

תכולת הפרויקט:

עיבוד dataset של אודיו-וידאו, כתיבת קוד לאימון רשת, עבודה עם room impulse responses, עיסוק הן בעולם האודיו והן בעולם ה-vision

קורסי קדם:

DSP2, Deep Learning

מקורות:

  1. https://vision.cs.utexas.edu/projects/geometry-aware-binaural/

410 Modeling Label Dependencies for Audio Tagging With Graph Convolutional Network

סיווג קטעי אודיו באמצעות רשת נוירונים ורשת גרפית

שם המנחה: דניאל לוי
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

As a multi-label classification task, audio tagging aims to predict the presence or absence of certain sound events in an audio recording. Existing works in audio tagging do not explicitly consider the probabilities of the co-occurrences between sound events, which is termed as the label dependencies in this study. To address this issue, we propose to model the label dependencies via a graph-based method, where each node of the graph represents a label. An adjacency matrix is constructed by mining the statistical relations between labels to represent the graph structure information, and a graph convolutional network (GCN) is employed to learn node representations by propagating information between neighboring nodes based on the adjacency matrix, which implicitly models the label dependencies. The generated node representations are then applied to the acoustic representations for classification

מטרת הפרויקט:

בפרויקט זה הסטודנטים ילמדו איך לעבוד עם רשתות נוירונים ובפרט, רשתות על גרפים. תחילה נמדל את קטעי הדיבור כגרף בעזרת מודל הסתברותי ובעזרת הקשרים בין קטעי האודיו נוכל לשפר את סיווגם.

הסטודנטים יאמנו שתי רשתות שונות שיעזרו לקבלת ביצועים מיטביים.

תכולת הפרויקט:

  1. איסוף דאטא מתאים והתאמתו לכל אחת מהרשתות
  2. הבנת המודל ההסתברותי ובניית הגרף
  3. בניית רשת הסיווג
  4. בניית הרשת הגרפית
  5. שילוב של שתי הרשתות והסקת מסקנות

קורסי קדם:

  • למידה עמוקה-במקביל

דרישות נוספות:

  • למידת מכונה
  • עיבוד ספרתי של אותות 2

מקורות:

  1. H. Wang, Y. Zou, D. Chong and W. Wang, "Modeling Label Dependencies for Audio Tagging With Graph Convolutional Network," in IEEE Signal Processing Letters, vol. 27, pp. 1560-1564, 2020, doi: 10.1109/LSP.2020.3019702. https://ieeexplore.ieee.org/abstract/document/9178483

 

411 DSP Toolbox -Python freeware GUI

פיתוח סביבת עבודה גרפית בפיתון לאלגוריתמים של DSP

שם המנחה: פיני טנדייטניק
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

בשנים האחרונות מתרחב השימוש בכלי תוכנה מבוססים קוד פתוח.
מטרת הפרויקט להנגיש ולפתח בצורה גרפית קוד אשר יהפוך באופן אוטומטי לתוכנית שתרוץ על המחשב שלנו. גישת פיתוח זו מקצרת באופן משמעותי את זמני הפיתוח של אב טיפוס של המוצרים.

מטרת הפרויקט:

נגישות לכלי תוכנה לפיתוח אלגוריתמי DSP תורמת לקיצור זמנים בפיתוח של אב טיפוס של המוצר. סביבות עבודה גרפיות נפוצה ל FAST PROTOTYPING הינה Matlab/SIMULINK [ 1] , ראה מודל סימולינק לדוגמה בלינק : https://www.eng.biu.ac.il/~pinit/Proj_2023/SIMULINK_example.JPG ).
רשיון מטלב עם DSP TOOLBOX יכול להגיע למאות או אלפי דולרים לעמדה בודדת בארגון.

שימוש בכלי פיתוח שהם Freeware software יכול להנגיש את הכלים לקהל מטרה רחב יותר.
כמו כן, כלים שהם Freeware software יכולים להוות בסיס להוראה של מעבדת DSP ותקשורת בקמפוסים בעלי יכולות כלכליות מוגבלות.

תכולת הפרויקט:

בפרויקט זה נפתח DSP TOOLBOX בנושאים מגוונים דוגמת סינון, משפט הדגימה, אינטרפולציה ודצימציה וסינון אדפטיבי.
במסגרת הפרויקט יבחנו מספר סביבות עבודה גרפיות [2-5] לצורך החלפת Matlab/SIMULINK למימוש FAST PROTOTYPING [1]

קורסי קדם:

  • עיבוד ספרתי 1
  • אלגוריתמים סטטיסטיים

מקורות:

  1. Gannot, S., & Avrin, V. (2006, September). A Simulink© and Texas instruments C6713® based digital signal processing laboratory. In 14th European Signal Processing Conference, 2006. (https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7071073 )
  2. https://www.scilab.org/software, an open-source matlab + Simulink (scilab + xcos)
  3. https://github.com/severin-lemaignan/boxology
  4. https://github.com/node-red/node-red
  5. https://github.com/leon-thomm/Ryven (Python)

412 Audio Neural Networks for Audio Pattern Recognition

סיווג קטעי אודיו באמצעות רשת נוירונים המתבססת על תמונת זמן-תדר ועל אות זמני

שם המנחה: דניאל לוי
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

Audio pattern recognition is an important research topic in the machine learning area, and includes several tasks such as audio tagging, acoustic scene classification, music classification, speech emotion classification and sound event detection. Recently, neural networks have been applied to tackle audio pattern recognition problems. However, previous systems are built on specific datasets with limited durations. Recently, in computer vision and natural language processing, systems pretrained on large-scale datasets have generalized well to several tasks. However, there is limited research on pretraining systems on large-scale datasets for audio pattern recognition. In this paper, we propose pretrained audio neural networks (PANNs) trained on the large-scale AudioSet dataset. These PANNs are transferred to other audio related tasks.

מטרת הפרויקט:

בפרויקט זה הסטודנטים ילמדו לעבוד עם רשתות נוירונים.
נראה איך שילוב של שני ייצוגים שונים של המידע לרשת יכולה לשפר את הביצועים הכוללים.

תכולת הפרויקט:

  1. איסוף דאטא מתאים והתאמתו ככניסות לרשת
  2. בניית כל אחת מהרשתות
  3. שילוב הרשתות והסקת מסקנות

קורסי קדם:

  • למידה עמוקה-במקביל

דרישות נוספות:

  • למידת מכונה
  • עיבוד ספרתי של אותות 2

מקורות:

Kong, Qiuqiang, et al. "Panns: Large-scale pretrained audio neural networks for audio pattern recognition."

413 Multi-channel speaker separation based on TanNet, time-domain neural network

הפרדת דוברים רב-ערוצית ע"י רשתות נוירונים מבוססת TasNet

ם המנחה: רננה אופוצ'ינסקי
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

בשנים האחרונות תחום הלמידה העמוקה התפתח והתקדם מאוד ובפרט הושגו תוצאות מרשימות בתחום הפרדת הדוברים ע"י רשתות נוירונים. מחקרים עדכניים מראים שיפור משמעותי בביצועים של משימות שונות בתחום הדיבור כמו- הפרדה, זיהוי אוטומטי של דיבור וכו' באמצעות שימוש במעצבי אלומה נלמדים על סמך הdata (בהנתן מערך מיקרופונים). במקביל, התפתחו גישות הפרדת דוברים ע"י רשתות נוירונים שמבצעות את ההפרדה במישור הזמן(TasNet) ישירות. בפרויקט זה נרצה לשלב בין שני העולמות ולפתח שיטה להפרדת דוברים רב ערוצית תוך שימוש בכלים של רשתות נוירונים ותוך שימת דגש על החתימה האקוסטית במערכת עם הדהוד ורעש.

מטרת הפרויקט:

פיתוח ומימוש שיטת הפרדת דוברים רב ערוצית תוך שימוש ברשתות נוירונים על סמך TasNet. יושם דגש על שיפור השיטות הקיימות בכלים מרחביים, מעצבי אלומה (beamformer) המנצלים את החתימה האקוסטית של המערכת (החדר) ושיפור הביצועים במצבים של הדהוד ורעש.

תכולת הפרויקט:

במסגרת פרויקט זה הסטודנטים יחשפו לעולם עיבוד אותות הדיבור בדגש על הפרדה ומעצבי אלומה (beamformer). בנוסף, הסטודנטים ילמדו, יתכננו ויממשו רשת נוירונים עמוקה.

קורסי קדם:

  • עיבוד ספרתי 2
  • למידה עמוקה
  • (כולם במקביל, במהלך שנה ד')

 

דרישות נוספות:

  • קורס למידת מכונה
  • תכנות בpython – יתרון.

 

מקורות:

  1. Y. Luo and N. Mesgarani, "TaSNet: Time-Domain Audio Separation Network for Real-Time, Single-Channel Speech Separation," 2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2018, pp. 696-700, doi: 10.1109/ICASSP.2018.8462116. (https://ieeexplore.ieee.org/abstract/document/8462116 )
  2. T. Ochiai, M. Delcroix, R. Ikeshita, K. Kinoshita, T. Nakatani and S. Araki, "Beam-TasNet: Time-domain Audio Separation Network Meets Frequency-domain Beamformer," ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2020, pp. 6384-6388, doi: 10.1109/ICASSP40776.2020.9053575. ( https://ieeexplore.ieee.org/document/9053575 )

414 Deep ranking-based sound-source localization and tracking

איכון ועקיבה אחר דובר באמצעות רשתות נוירונים

שם המנחה: רננה אופוצ'ינסקי
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

בשנים האחרונות תחום הלמידה העמוקה התפתח והתקדם מאוד ובפרט הושגו תוצאות מרשימות בתחום הלוקליזציה, איכון דובר, ע"י רשתות נוירונים. איכון דובר היא משימה מסובכת במיוחד בתנאי הדהוד. לאחרונה ישנה התעניינות גוברת בשיטות איכון מבוססות למידה. בגישות אלו, המאפיינים האקוסטיים מחולצים מתוך סיגנל הדיבור בזמן ומשמשים כקלט למודל שממפה אותם למיקום שלהם בהתאמה. רוב השיטות מבוססות הלמידה דורשות סטים גדולים של מידע מתויג, הקלטות ממיקום ידוע, המאפשרות את תהליך הלמידה. בפרויקט נרצה לפתח שיטת איכון ועקיבה אחר דובר בחדר ידוע תוך הנחות מציאותיות על קיום data מתויג חלקית.

מטרת הפרויקט:

בפרויקט הסטודנטים יממשו אלגוריתם המאפשר איכון של דובר ועקיבה תוך שימוש בכלים מתקדמים ועדכניים בעולם הלמידה. הסטודנטים ילמדו ויעשירו את הידע שלהם בתחום הלמידה העמוקה בכלל ובפרט בשיטות בתוך תחום זה שמתבססות רק באופן חלקי על דוגמאות מתויגות ועל אוסף גדול של דוגמאות שאינן מתויגות -דירוג בעזרת רשתות סיאמיות. העבודה תתבצע בהתחלה בעזרת נתונים מסימולציה ובהמשך יבוצעו הקלטות בחדר אקוסטי על מנת לבחון את יכולות האלגוריתם על דוגמאות מציאותיות שיאספו בניסוי במעבדה.

תכולת הפרויקט:

במסגרת פרויקט זה הסטודנטים יחשפו לעולם עיבוד אותות הדיבור ולשיטות איכון ועקיבה , למידה עמוקה ובפרט לשיטות למידה semi/weakly-supervised. בנוסף, הסטודנטים ייחשפו לתהליך ביצוע הקלטות וניסוי בחדר אקוסטי.

קורסי קדם:

  • עיבוד ספרתי 2
  • למידה עמוקה

(כולם במקביל, במהלך שנה ד')

דרישות נוספות:

  • קורס למידת מכונה
  • תכנות בpython – יתרון.

מקורות:

  1. Opochinsky, Renana, Bracha Laufer-Goldshtein, Sharon Gannot, and Gal Chechik. "Deep ranking-based sound source localization." In 2019 IEEE Workshop on Applications of Signal Processing to Audio and Acoustics (WASPAA), pp. 283-287. IEEE, 2019.
 

פרויקטים נוספים מומלצים

102 Spectral neural dynamics analysis of brain electrophysiological data

ניתוח דינמיקה עצבית ספקטרלית של נתונים אלקטרופיזיולוגיים מוחיים

שם המנחה: ד״ר יערה ארז
אחראי/ת אקדמי/ת: ד״ר יערה ארז

הרקע לפרויקט:

Precision neuroimaging is a developing approach that focuses on understanding brain activity and functional networks at the individual person level. This approach is facilitated by data-intensive information from different imaging modalities and has important implications for developing imaging-based personalized medicine practices.

Electrocorticography (ECOG) is a promising technique in which brain activity is recorded directly from the surface of the human brain using specialized electrodes. This technique is emerging as a useful clinical tool for mapping brain function as it provides unique data with both high temporal and spatial resolution that could not have been achieved before. It is used, among other things, for brain-computer interfaces (BCI) as well as for other clinical applications.

We have previously showed that ECOG data in patients with brain tumors collected during awake brain surgery contains useful information related to functional networks. Yet, it is still unknown how such activity dynamically changes over time. In the project, we will use several measures to investigate dynamic changes in the neural signals.

מטרת הפרויקט:

The aim of this project is to develop analysis tools and identify measures for temporal dynamics of neural activity in ECOG data.
The project will include constructing analysis code and machine-learning based models to better understand the functional role of ECOG signals.

תכולת הפרויקט:

The students will develop dynamics analysis including statistical modelling and visualization of the results. This will include: writing code, reading literature, data analysis, model validation by simulations.

קורסי קדם:

דרושה יכולת תכנות ב-Matlab או פייתון.
קורסים:

  • ניתוח אותות
  • מדעי נתונים ביולוגיים

דרישות נוספות:

קורס נוירופיזיולוגיה של מערכות ו/או כל ידע על מערכות מוחיות.

מקורות:

  1. Erez Y., Assem M., Coelho P., Romero-Garcia R., Owen M., McDonald A., Woodberry E., Morris R.C., Price S.J., Suckling J., Duncan J., Hart M.G. & Santarius T. (2021). Intraoperative mapping of executive function using electrocorticography for patients with low grade gliomas. Acta Neurochirurgica 163(5), 1299-1309. https://doi.org/10.1007/s00701-020-04646-6
  2. Crone N.E., Sinai A. & Korzeniewska A. (2006). High-frequency gamma oscillations and human brain mapping with electrocorticography. Progress in Brain Research 159, 275–295. https://doi.org/10.1016/S0079-6123(06)59019-3

103 Prediction of future gene expression in cells using computational modelling

ניבוי ביטוי הגנים העתידי בתא באמצעות מידול חישובי

שם המנחה: טל גולדברג
אחראי/ת אקדמי/ת: ד"ר שחר אלון

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.
האם ניבוי המצב העתידי של התאים ברקמה סרטנית יחשוף אנטראקציות בין תאי סרטן לתאי מערכת חיסון? הפרוייקט מנסה לענות על שאלה זו תוך יישום האלגוריתם והתאמתו למפה הגנומית המרחבית של הרקמה הסרטנית.

מטרת הפרויקט:

בפרוייקט נשתמש בחבילת “Velocyto” לצורך יישום 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.

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.
  • כתיבת מאמר מהווה סיום בהצטיינות של הפרויקט.

קורסי קדם:

פיזיקה 1 ו-2

דרישות נוספות:

רקע בביולוגיה הוא יתרון

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

105 Characterizing neuronal activity for therapeutic and research applications

אפיון פעילות חשמלית של תאי עצב עבור יישומים טיפוליים ומחקריים

שם המנחה: רעות פלן
אחראי/ת אקדמי/ת: פרופ' אורית שפי

הרקע לפרויקט:

הנוירונים במערכת העצבים מתקשרים ע"י סיגנלים חשמליים. על ידי ניתוח הפעילות החשמלית של תאי עצב ניתן ללמוד על פעילות מערכת העצבים כתגובה לגירויים שונים.
ברפואה ובמחקר נעשה שימוש נרחב בחלקיקים מגנטיים עבור העברה ממוקדת של תרופות, היפרטרמיה מגנטית, כחומר ניגוד ב-MRI, הנדסת רקמות ועוד.
יש חשיבות רבה לשמירה על פעילות חשמלית תקינה בעת שימוש בחלקיקים ולמרות השימוש הנרחב בהם, השפעתם של החלקיקים על הפעילות החשמלית של תאי העצב אינה ברורה.

מטרת הפרויקט:

מטרת פרויקט זה היא פיתוח פלטפורמה לניתוח סיגנלים חשמליים של תאי עצב הנרשמים בשיטת האלקטרופיזיולוגיה Patch-clamp. נאפיין ונבחן מספר פרמטרים של הפעילות החשמלית הטבעית בתאי עצב. לאחר מכן נבחן את השפעתם של ננו-חלקיקים מגנטיים על פעילותם של התאים.

תכולת הפרויקט:

  • לימוד תאורטי וקריאה בספרות של מחקרים בתחום
  • עיבוד ואיפיון דפוסי פעילות של תאי עצב
  • עיבוד ואיפיון דפוסי פעילות של תאי עצב הטעונים בננו-חלקיקים מגנטיים
  • ניתוח התוצאות

קורסי קדם:

  • פיזיולוגיה כמותית
  • ידע בתכנות
  • ידע בעיבוד אותות- יתרון

מקורות:

  1. Ramaswamy, Bharath, et al. "Movement of magnetic nanoparticles in brain tissue: mechanisms and impact on normal neuronal function." Nanomedicine: Nanotechnology, Biology and Medicine 11.7 (2015): 1821-1829.‏
  2. Zhang, Li I., and Mu-ming Poo. "Electrical activity and development of neural circuits." Nature neuroscience 4.11 (2001): 1207-1214.

109 Machine learning for studying tumor samples

שימוש בלמידת מכונה לניתוח דוגמאות סרטניות

שם המנחה: נועה שפראך בוארון ומיכל דנינו לוי
אחראי/ת אקדמי/ת: ד"ר שחר אלון וד״ר גונן זינגר

הרקע לפרויקט:

אחת הדרכים להתאים טיפולים לחולים בסרטן היא על ידי מיפוי מולקולרי רחב היקף בסופר רזולוציה 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 מעולם הלמידה.

מטרת הפרויקט:

בפרויקט נשתמש במידע שהתקבל מטכנולוגיה שהיא בחזית המידע של חקר הסרטן - מיפוי מדויק של מולקולות ברקמה סרטנית.
כדי לנתח את המידע נשתמש בשיטות של למידת מכונה ובהתאם להתקדמות בפרויקט נשקול שימוש באלגוריתמים של למידה עמוקה.

תכולת הפרויקט:

  1. ניתוח מקדים של הנתונים: זיהוי התאים ברקמה ואיחוד נתונים ממקורות שונים ליצירת מאגר אחד
  2. כתיבת קוד בפייתון הכולל אוטומציה שתאפשר ניתוח של מספר רקמות בצורה מהירה ואפיון של הרקמות הסרטניות על ידי שירות של למידת מכונה.
  3. בהתאם להתקדמות, נשקול שימוש בשיטות של למידה עמוקה.
  4. ניתוח הנתונים וזיהוי דפוסים של מצבי התאים במחלה
  5. סיכום התוצאות
  6. כתיבת מאמר מהווה סיום בהצטיינות של הפרויקט

קורסי קדם:

אחד משלושת הקורסים הבאים:

  • כריית מידע וייצוג מידע – 83676
  • מבוא ללמידת מכונה
  • מדעי נתונים ביולוגים

דרישות נוספות:

  • רקע בלמידת מכונה הוא חובה
  • רקע בביולוגיה הוא יתרון

מקורות:

  1. https://www.alonlab.org
  2. https://www.eng.biu.ac.il/singerg/

110 Improvement of automation tools and implementation of algorithms for image processing of large biological data

שיפור כלי אוטומציה ומימוש של אלגוריתמים לעיבוד תמונה על ביג דאטא ביולוגי

שם המנחה: מיכל דנינו לוי
אחראי/ת אקדמי/ת: ד"ר שחר אלון

הרקע לפרויקט:

עבור טכנולוגיות ביולוגיות רחבות-היקף רבות, שלב קריטי בניתוח הדאטא הוא שלב עיבוד התמונה. זהו שלב המקשר בין קבלת תוצאות הניסוי מהמיקרוסקופ לשלב של עיבוד הנתונים והסקת המסקנות הביולוגיות. שלב זה דורש עבודה נרחבת ומגוונת של עיבוד תמונות בתלת-מימד, והוא כולל בין היתר אלגוריתמים של registration, filtering, normalization, thresholding ועוד. בפרויקט זה נשתמש במידע שהתקבל מטכנולוגיה חדשנית המאפשרת מיפוי מדויק של מולקולות ברקמה, ונתמקד באלגוריתמים של עיבוד התמונה שעליו נשען המשך ניתוח הנתונים.

מטרת הפרויקט:

הפרויקט יתחיל בהכרה ובהבנה של הדאטא הביולוגי איתו נעבוד, ולאחר מכן בלמידה של סט האלגוריתמים לעיבוד תמונה בשימוש במעבדה, וביישום האוטומטי שלו הקיים היום במעבדה (שילוב של מטלב ו- Shell Script/bash script בלינוקס). מטרת הפרויקט היא לשפר את היישום האוטומטי ולממש אותו על סוגי רקמות שונים. למשל, רקמות מוח של עכבר, רקמות סרטניות של בני אדם וכו', על מנת לייעל את שלב ניתוח התמונה במעבדה.

תכולת הפרויקט:

  • הכרת הנתונים הביולוגיים המשמשים כקלט וכפלט לשלב עיבוד התמונה.
  • למידת כלים ואלגוריתמים חשובים בתחום של עיבוד תמונה.
  • הבנת סט האלגוריתמים בשימוש במעבדה, המבוסס ברובו על registration בתלת מימד.
  • שיפור כלי שכבר קיים במטלב וב Shell Script/bash script בלינוקס המאפשר אוטומציה של סט האלגוריתמים. המטרה היא לשפר את היציבות של הכלי הקיים ולהבטיח שהוא עובד על סוגי דאטא שונים.
  • מימוש הכלי החדש על סוגי דאטא שונים.

קורסי קדם:

מבוא להנדסת תוכנה ומחשבים

דרישות נוספות:

רקע במטלב - חובה
רקע בלינוקס - חובה
רקע בעיבוד תמונה - יתרון
רקע ב - Shell Script/bash script - יתרון

מקורות:

https://www.alonlab.org/technology

111 Developing an algorithm to distinguish between different neurons based on the signature of their electrical signal, and analysis of the effect of conductive elements

פיתוח אלגוריתם לאבחנה בין תאי עצב שונים על סמך חתימת האות החשמלי שלהם, וניתוח מידת ההשפעה של אלמנטים מוליכים

שם המנחה: דפנה לבנברג
אחראי/ת אקדמי/ת: פרופ' אורית שפי

הרקע לפרויקט:

השימוש בננו חלקיקים מגנטיים להפעלת מניפולציות מגנטיות על תאים, ארגון רשתות נוירונים והכוונת תרופות לאזורי מטרה נעשה פופולרי ומהווה מוקד מחקר בשנים האחרונות.
התקשורת בין נוירונים היא באמצעות סיגנלים חשמליים, וזו למעשה אחראית על כל התפקודים העצביים, ולכן הבנת ההשפעה של נוכחות חלקיקים מגנטיים על הפעילות החשמלית של נוירונים היא קריטית והכרחית בכדי לקדם שימוש נרחב ויישומים חדשניים של שליטה מגנטית ברשתות נוירונים.

מטרת הפרויקט:

מטרת פרויקט זה הוא פיתוח אלגוריתם לאפיון הפעילות החשמלית של תאי עצב, בכדי לענות על שאלת המחקר כיצד משפיעים אלמנטים מתכתיים על הפעילות העצבית.

תכולת הפרויקט:

הפרויקט יכלול ניתוח דאטא כפי שיוקלט מתאי עצב ורשתות עצביות חיות והגדרת פרמטרים שמהם יפותח אלגוריתם לסינון ולקלסיפיקציה (לדוגמא spike detection, classification)

קורסי קדם:

פיזיולוגיה כמותית

דרישות נוספות:

MATLAB

מקורות:

Carter, M., & Shieh, J. (2015). Electrophysiology. Guide to Research Techniques in Neuroscience, 89–115. https://doi.org/10.1016/B978-0-12-800511-8.00004-6

Rey, H. G., Pedreira, C., & Quian Quiroga, R. (2015). Past, present and future of spike sorting techniques. Brain Research Bulletin, 119, 106–117. https://doi.org/10.1016/J.BRAINRESBULL.2015.04.007

204 Frequency Locked Loop Circuit for High Frequency IC Clocks

מעגל נעילת תדר

שם המנחה: Asaf Feldman
אחראי/ת אקדמי/ת: פרופ' יוסי שור

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

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.

208 Process Monitor based on Ring Oscillator

חיישן שינויים בתהליך הייצור המבוסס על מתנד טבעתי

שם המנחה: Ido Shpernat
אחראי/ת אקדמי/ת: פרופ' יוסי שור

הרקע לפרויקט:

As VLSI systems scale there is a constant tradeoff between power-performance and the operating voltage of the chip. It has been shown that operating the chip near the threshold voltage (near-Vth) can achieve an optimum for many workloads. Process monitors are sensors that are able to extract key process parameters such as Vth, Mobility, etc. Process monitors enable calibration of the system according to its result in various temperatures.

מטרת הפרויקט:

As VLSI systems scale there is a constant tradeoff between power-performance and the operating voltage of the chip. It has been shown that operating the chip near the threshold voltage (near-Vth) can achieve an optimum for many workloads. Process monitors are sensor that are able to extract key process parameters such as Vth, Mobility, etc.

תכולת הפרויקט:

You will need to learn the different methods of parameters extraction and implement the circuit in 65nm CMOS process. The schematics will be prepared in Virtuoso and simulations will be conducted to verify the circuit’s performance.

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

מקורות:

  1. P. Jain and B. P. Das, "On-Chip Threshold Voltage Variability Estimation Using Reconfigurable Ring Oscillator," in IEEE Transactions on Semiconductor Manufacturing, vol. 32, no. 2, pp. 226-235, May 2019, doi: 10.1109/TSM.2019.2911192.
  2. A. K. M. M. Islam, J. Shiomi, T. Ishihara and H. Onodera, "Wide-Supply-Range All-Digital Leakage Variation Sensor for On-Chip Process and Temperature Monitoring," in IEEE Journal of Solid-State Circuits, vol. 50, no. 11, pp 2475-2490, Nov. 2015, doi: 10.1109/JSSC.2015.2461598.

209 Read out circuitry for a GC-eDRAM memory array

בניית מערכת קריאה למערך זכרון מסוג GC-eDRAM

שם המנחה: אלישבע ברקוביץ
אחראי/ת אקדמי/ת: פרופ' יוסי שור

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 הפרויקט:

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

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

מקורות:

E. Garzón, Y. Greenblatt, O. Harel, M. Lanuzza and A. Teman, "Gain-Cell Embedded DRAM Under Cryogenic Operation—A First Study," in IEEE Transactions on Very Large Scale Integration (VLSI) Systems, vol. 29, no. 7, pp. 1319-1324, July 2021, doi: 10.1109/TVLSI.2021.3081043.

301 Cryptography schemes using quantum states of light

שיטות הצפנה באמצעות מצבים קוונטיים של אור

שם המנחה: אליהו כהן
אחראי/ת אקדמי/ת: ד"ר אליהו כהן

הרקע לפרויקט:

הפצת מפתחות סודיים ידועה בתור משימה קריפטוגרפית חשובה שיכולה להנות משימוש במשאבים קוונטיים. במהלך הפרויקט ינותחו פרוטוקולים קוונטיים להפצת מפתחות סודיים שנעזרים במצבים פחוסים של אור. הפרוטוקולים יודגמו במעבדת האופטיקה הקוונטית של פרופ' אבי פאר מהמחלקה לפיזיקה.

מטרת הפרויקט:

הסטודנטים ינתחו את קצב ייצור המפתחות ואת החסינות של הפרוטוקולים כנגד רעשים, איבודים והאזנות. יידרש להכריע האם הפרוטוקול בטוח לשימוש, כלומר, האם אכן ניתן לגלות בוודאות ניסיונות האזנה.

תכולת הפרויקט:

הסטודנטים ישתמשו בקוד קיים על מנת לנתח את הביצועים של הפרוטוקול תוך שימוש בכלים ידועים מתחום האופטיקה הקוונטית. החישוב הוא אנליטי בהתבסס על נוסחאות ידועות שמוזנות לקוד. לאחר מכן, יוסיפו הסטודנטים לקוד רובד נוסף של גורם עוין המנסה לגשת למידע המועבר מבלי שיבחינו בו. הסטודנטים ינתחו מגוון שיטות תקיפה ומגננה בכלים אנליטיים ו/או נומריים ויסיקו עד כמה הפרוטוקול בתוך לשימוש.

קורסי קדם:

  • מכניקה קוונטית שימושית/קוונטים 1.
  • מומלץ לקחת במקביל קורסים בחישוב קוונטי ואופטיקה קוונטית.

מקורות:

  1. Michael, Y., Jonas, I., Bello, L., Meller, M., Cohen, E., Rosenbluh, M., & Pe’er, A. (2021). Augmenting the Sensing Performance of Entangled Photon Pairs through AsymmetryPhysical review letters, 127 17, 173603 . 
  2. Bello, L., Michael, Y., Rosenbluh, M., Cohen, E., & Pe’er, A. (2020). Broadband complex two-mode quadratures for quantum optics. https://opg.optica.org/oe/fulltext.cfm?uri=oe-29-25-41282&id=465502

302 Extracting physiological parameters from PPG wrist measurements

חילוץ פרמטרים פיזיולוגים ממדידות PPG בזרוע

שם המנחה: חמוטל דואדי
אחראי/ת אקדמי/ת:  פרופ' דרור פיקסלר

הרקע לפרויקט:

חילוץ פרמטרים פיזיולוגים אפשרי באמצעים אופטיים החשים בשינויי נפח וספקטרום בכלי דם המתבטאים בשינוי במקדם הבליעה. מדידת רוויון חמצן בדם אפשרית כיום רק בריבוי אורכי גל שכן היא מתבססת על יחס בין המדידות, אולם צריך להתחשב בהבדלים בפיזור הקשים להפרדה. במעבדה שלנו גילינו כי יש נקודה המכיילת פיזור ועל כן אופטימלית למדידות מבוססות בליעה. תופעה זו אומתה במדמי רקמה גליליים בקטרים המדמים אצבע, וזרוע כמו גם במדידת אצבעות וזרועות אנושיות ופורסמה בעשרות מאמרים מדעיים בבמות עולמיות.

מטרת הפרויקט:

כיום בצמיד ממומש אלגוריתם לחילוץ דופק וסטורציה (ריוויון חמצן בדם). במסגרת הפרויקט נרצה להרחיב את השימוש בצמיד למדדים פיזיולוגיים נוספים: קצב נשימה, Heart rate variability ועוד.

תכולת הפרויקט:

בפרויקט הסטודנטים יבנו קוד לחילוץ פרמטרים פיזיולוגים שונים מתוך סיגנל ה PPG שנמדד בזרוע מגלאי אופטי. הם ימדדו זרועות אנושיות ויפעילו את הקוד שכתבו לחילוץ שפרמטרים שישוו לערכים הנמדדים במכשירים דומים כגון אוקסימטר קליפס.

קורסי קדם:

מבוא לאופטיקה, עיבוד אותות

מקורות:

  1. Garde, A., Karlen, W., Ansermino, J. M., & Dumont, G. A. (2014). Estimating respiratory and heart rates from the correntropy spectral density of the photoplethysmogram. PloS one, 9(1), e86427.

303 Building mobile application for extracting physiological parameters from PPG wrist measurements

בניית אפליקציה לנייד לחילוץ פרמטרים פיזיולוגים ממדידות PPG בזרוע

שם המנחה: חמוטל דואדי
אחראי/ת אקדמי/ת:  פרופ' דרור פיקסלר

הרקע לפרויקט:

חילוץ פרמטרים פיזיולוגים אפשרי באמצעים אופטיים החשים בשינויי נפח וספקטרום בכלי דם המתבטאים בשינוי במקדם הבליעה. מדידת רוויון חמצן בדם אפשרית כיום רק בריבוי אורכי גל שכן היא מתבססת על יחס בין המדידות, אולם צריך להתחשב בהבדלים בפיזור הקשים להפרדה. במעבדה שלנו גילינו כי יש נקודה המכיילת פיזור ועל כן אופטימלית למדידות מבוססות בליעה. תופעה זו אומתה במדידת אצבעות וזרועות אנושיות והינה היום חלק מפרויקט לאומי גדול.

מטרת הפרויקט:

במסגרת הפרויקט הסטודנטים יפתחו אפליקציה למכשיר הטלפון הנייד שקוראת את הנתונים מהצמיד בטכנולוגית בלוטוט ומציגה מדדים פיזיולוגים כגון: דופק, סטורציה, קצב נשימה, Heart rate variability ועוד.

תכולת הפרויקט:

בפרויקט הסטודנטים יבנו אפליקציה לטלפון הסלולרי המציגה את אות ה PPG שמשודר מצמיד בטכנולוגית בלוטוט. האפליקציה תציג את השתנות האות בזמן ופרמטרים פיזיולוגים שונים הנמדדים בזמן אמת בזרוע מהגלאי האופטי.

קורסי קדם:

עיבוד אותות

מקורות:

  1. Garde, A., Karlen, W., Ansermino, J. M., & Dumont, G. A. (2014). Estimating respiratory and heart rates from the correntropy spectral density of the photoplethysmogram. PloS one, 9(1), e86427.

304 Automation of phase retrieval analysis system for measuring turbid media

אוטומציה למערכת עיבוד תמונת פאזה משוחזרת עבור תווכים מפזרים

שם המנחה: חנה שפירא
אחראי/ת אקדמי/ת: פרופ' דרור פיקסלר

הרקע לפרויקט:

בתווך מפזר (למשל, רקמות) דימות הינו מוגבל לעומק קטן. במעבדתנו מתפתחת השיטה IMOPE (iterative multi-plane optical properties extraction technique) המאפשרת זיהוי של אלמנטים בתוך תווך מפזר בגישה של חישת שינויים בתכונות האופטיות של החומר הבאים לידי ביטוי בשינויים בפאזה. הפאזה משוחזרת באמצעות אלגוריתם ועל ידי ניתוח תמונת הפאזה המשוחזרת ניתן לזהות שינויים כאשר ישנה נוכחות של אלמנטים זרים. עיבוד התמונה של הפאזה וזיהוי השינויים בתמונה הינו שלב מפתח בתהליך החישה ובפיתוח השיטה. השיטה מתאימה עבור מדידות בתוך גוף האדם (in vivo). לאחרונה השיטה הורחבה לאנליזה רב שכבתית ואפשרה זיהוי של ננו חלקיקים בתוך שכבות רקמה שונות.

מטרת הפרויקט:

יצירת אוטומציה עבור מערכת עיבוד תמונת הפאזה.

תכולת הפרויקט:

בפרויקט הסטודנטים ילמדו על שיטת הIMOPE ליצירת תמונות פאזה משוחזרות. לאחר מכן הסטודנטים יקבלו תמונות פאזה של המערכת ויבנו מערך אוטומטי לעיבוד התמונות ולגילוי תכונות הדוגמא.

קורסי קדם:

מבוא לאופטיקה, מבוא ללמידת מכונה

מקורות:

  1. Yariv, I.; Shapira, C.; Duadi, H.; Fixler, D., Media characterization under scattering conditions by nanophotonics iterative multiplane spectroscopy measurements. ACS omega 2019, 4 (10), 14301-14306.
  2. Yariv, I.; Kannan, S.; Harel, Y.; Levy, E.; Duadi, H.; Lellouche, J.-P.; Michaeli, S.; Fixler, D., Iterative optical technique for detecting anti-leishmania nanoparticles in mouse lesions. Biomedical Optics Express 2021, 12 (7), 4496-4509.
  3. Yariv, I.; Duadi, H.; Chakraborty, R.; Fixler, D., Algorithm for in vivo detection of tissue type from multiple scattering light phase images. Biomedical optics express 2019, 10 (6), 2909-2917.
  4. Yariv, I.; Duadi, H.; Fixler, D., Optical method to extract the reduced scattering coefficient from tissue: theory and experiments. Opt. Lett. 2018, 43 (21), 5299-5302.
  5. Yariv, I.; Kapp-Barnea, Y.; Genzel, E.; Duadi, H.; Fixler, D., Detecting concentrations of milk components by an iterative optical technique. J. Biophotonics 2015, 8 (11-12), 979-984.
  6. Yariv, I.; Haddad, M.; Duadi, H.; Motiei, M.; Fixler, D., New optical sensing technique of tissue viability and blood flow based on nanophotonic iterative multi-plane reflectance measurements. Int. J. Nanomed. 2016, 11, 5237-5244.
  7. Shapira, C.; Yariv, I.; Ankri, R.; Duadi, H.; Fixler, D., Effect of optical magnification on the detection of the reduced scattering coefficient in the blue regime: theory and experiments. Optics Express 2021, 29 (14), 22228-22239.

305 Full scattering profile of contaminated water

מדידת פרופיל פיזור מלא של דגימות מים מזוהמות

שם המנחה: אלון צרויה
אחראי/ת אקדמי/ת: אלון צרויה

הרקע לפרויקט:

בתעשיית איכות המים קיים צורך גדול בזיהוי מזהמים במים. בפרט, לדעת את סוג המזהם ואת ריכוזו באופן כמותי. לצורך כך יש לנטר את השינויים בתכונות האופטיות של הדוגמה, פיזור ובליעה, אבל קשה להפריד ביניהן. בעבר גילינו כי יש נקודה המכיילת פיזור ועל כן מיטיבית למדידות בהן דרושה הפרדה בין הבליעה לפיזור. תופעה זו אומתה במדמי רקמה גליליים בקטרים המדמים אצבע, כמו גם במדידת מזהמים במים עבור אורך גל בודד.

מטרת הפרויקט:

זיהוי נקודת הכיול ושימוש בה במערכת ניסויית על מנת לנטר דוגמאות מים מזוהמות.

תכולת הפרויקט:

בפרויקט הסטודנטים יבנו מערכת אוטומטית למדידת פרופיל הפיזור ומציאת נקודת הכיול בקטרים שונים. הם ימדדו דוגמאות של מים מזוהמים בכלי זכוכית גליליים בקטרים שונים ובאורכי גל שונים כדי לגלות את נקודם הכיול העצמית. בשלב הבא ימדדו מים המכילים סוגי מזהמים שונים בריכוזים שונים. הסטודנטים ינתחו את התוצאות באמצעות מטלב על מנת לאפיין את נקודת הכיול וזיהוי ריכוז וסוג המזהם.

קורסי קדם:

מבוא לאופטיקה, לייזרים

מקורות:

  1. Feder, I.; Duadi, H.; Fixler, D., Single wavelength measurements of absorption coefficients based on iso-pathlength point. Biomedical optics express 2020, 11 (10), 5760-5771.
  2. Duadi, H.; Feder, I.; Fixler, D., Influence of detector size and positioning on near-infrared measurements and ISO-pathlength point of turbid materials. Frontiers in Physics 2021, 9, 43.
  3. Feder, I.; Duadi, H.; Chakraborty, R.; Fixler, D., Self-calibration phenomenon for near-infrared clinical measurements: theory, simulation, and experiments. ACS omega 2018, 3 (3), 2837-2844.
  4. Duadi, H.; Feder, I.; Fixler, D., Near‐infrared human finger measurements based on self‐calibration point: Simulation and in vivo experiments. Journal of biophotonics 2018, 11 (4), e201700208.
  5. Feder, I.; Duadi, H.; Fridman, M.; Dreifuss, T.; Fixler, D., Experimentally testing the role of blood vessels in the full scattering profile: solid phantom measurements. Journal of Biomedical Photonics & Engineering 2016, 2 (4).
  6. Feder, I.; Wróbel, M.; Duadi, H.; Jędrzejewska-Szczerska, M.; Fixler, D., Experimental results of full scattering profile from finger tissue-like phantom. Biomedical optics express 2016, 7 (11), 4695-4701.

להלן קישור עבור הפרסומים של המנחה האקדמי דרור פיקסלר, שם נמצאים המקורות הרלוונטים:

https://www.eng.biu.ac.il/fixlerd/publications/

502 Optimal network localization

איכון רשתות אופטימלי

שם המנחה: הודיה הלוי
אחראי/ת אקדמי/ת: פרופ' איציק ברגל

הרקע לפרויקט:

בשנים הקרובות נראה יותר ויותר מכשירים מתחברים לרשתות תקשורת.
ככל שרשת התקשורת גדולה יותר, איכון המכשירים נהיה יותר חשוב. ידיעת מיקום המכשירים ברשת חשובה, בין השאר לצורכי ניתוב תקשורת, בקרה סביבתית, התאמת תכנים למשתמש ועוד. חשוב לעשות זאת בצורה כמה שיותר יעילה ע"מ לחסוך במשאבים ולאפשר הקטנה של המכשירים.
לחלק מהמכשירים ברשת יכולת איכון עצמאית (GPS), אולם חיישנים, ורכיבי תקשורת פשוטים יצטרכו ללמוד על מקומם מתוך פרמטרי התקשורת.

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:

  1. 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.

803 Visualization of geometric distortion on 3D surfaces

ויזואליזציה של עוות גאומטרי על משטחים תלת ממדיים

שם המנחה: פרופ' אופיר וובר
אחראי/ת אקדמי/ת: פרופ' אופיר וובר

הרקע לפרויקט:

תחום הגרפיקה הממוחשבת הינו תחום מרתק המתפתח בקצב מהיר בשנים האחרונות בעיקר בגלל תעשיית הקולנוע ומשחקי המחשב הגורפות מיליארדי שקלים, אך משמש גם בתחומים רבים נוספים כגון דימות רפואית, תכנון וייצור בעזרת מחשב, הדפסה תלת ממדית וכו'.

אובייקטים בגרפיקה ממוחשבת הינם משטחים בעלי צורה גיאומטרית כלשהיא (למשל גוף או פנים של בן אדם) המיוצגים לרוב על ידי רשת של משולשים זעירים המחוברים זה לזה לאורך קשתות חופפות.

מיפוי בין משטחים הוא אחד הכלים הבסיסיים והחשובים ביותר בתחום של גרפיקה ממוחשבת ועיבוד דיגיטלי של גאומטריה. קיימים אלגוריתמים רבים לחישוב מיפויים בין משטחים. למיפויים האלה יש תכונות גאומטריות והמטרה העיקרית בחישוב מיפוי כזה היא למזער את העיוות הגאומטרי שהינו בלתי נמנע.

בפרויקט זה לא נעסוק באופן ישיר בחישוב של מיפויים בין משטחים אלא נעסוק בהערכת האיכות של מיפויים קיימים. הערכה זו תתבצע על ידי ויזואליזציה גרפית. הפרויקט יעסוק בתכנון ומימוש ויזואליזציה למיפויים מסוגים שונים והשוואה ביניהם.

מטרת הפרויקט:

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

תכולת הפרויקט:

  • הפרויקט ידרוש פיתוח של אלגוריתם מורכב לוויזואליזציה של עוות גאומטרי של מיפויים בין משטחים.
  • מימוש האלגוריתם בשפת C++ בשילוב עם כלים גרפיים כמו Maya ותוכנות נוספות כמו Matlab.
  • בדיקה יסודית של תוצאות האלגוריתם על מגוון רחב של מודלים תלת ממדיים והשוואה לשיטות מתחרות.

קורסי קדם:

  • 83656 עיבוד דיגיטלי של גיאומטריה 1. ניתן לקחת במקביל.

קורסים מומלצים (לא חובה וניתן לקחת במקביל):

  • 83654 גרפיקה ממוחשבת.
  • 83633 עיבוד דיגיטלי של גיאומטריה 2

דרישות נוספות:

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

מקורות:

  1. Polygon mesh processing (book). Botsch, M., Kobbelt, L., Pauly, M., Alliez, P., & Lévy, B. (2010). CRC press.

804 Discrete Conformal Equivalence of Polyhedral Surfaces

שקילות קונפורמית דיסקרטית למשטחים פוליהדרונים

שם המנחה: פרופ' אופיר וובר
אחראי/ת אקדמי/ת: פרופ' אופיר וובר

הרקע לפרויקט:

Polyhedral surfaces are elementary in computer graphics. They are used to represents reallife 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. For more details see: https://www.cs.cmu.edu/~kmcrane/Projects/CEPS/index.html

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:

במהלך הפרויקט הסטודנטים יצטרכו לקרוא מאמר מתקדם בתחום, ללמוד אותו ביסודיות ולממשו. הפרויקט ידרוש פיתוח ומימוש של אלגוריתם מורכב בתוכנה.

קורסי קדם:

קורסים: ניתן לקחת במקביל :

  • 83656 עיבוד דיגיטלי של גיאומטריה 1
  • 83633 עיבוד דיגיטלי של גיאומטריה 2

דרישות נוספות:

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

מקורות:

  1.  https://www.cs.cmu.edu/~kmcrane/Projects/CEPS/index.html
  2.  https://youtu.be/wwuHFUQLlWA

805 Photorealistic Stereographic Rendering of Impossible 3D Objects

רינדור פוטוריאליסטי סטריאוגרפי של אובייקטים תלת מ

שם המנחה: פרופ' אופיר וובר
אחראי/ת אקדמי/ת: פרופ' אופיר וובר

הרקע לפרויקט:

An impossible image is a 2D image that represents a projection of a 3D object that cannot exist physically in real life. The artist M.C. Escher was a master in drawing such impossible images. In this project, a computer software for modeling such 3D objects and producing impossible image illusions will be created. The main theory is based on a paper by Savransky et al. from 1999. The idea of the project is to extend the algorithm given in the paper such that the rendered images will be photorealistic, creating a stronger illusion for the 3D perception. We will achieve this by supporting stereographic rendering using “3D glasses” like in movie theaters. This creates a stronger depth perception in the viewer’s mind. Additional extensions will be made by using more realistic optical perspective projection and global illumination.

מטרת הפרויקט:

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

תכולת הפרויקט:

הפרויקט ידרוש פיתוח ומימוש של אלגוריתם מורכב בתוכנה.

קורסי קדם:

  • 83654 גרפיקה ממוחשבת.

או

  • - 83656 עיבוד דיגיטלי של גיאומטריה 1.

דרישות נוספות:

ידע בגרפיקה ממוחשבת

מקורות:

  1. http://www.eng.biu.ac.il/~weberof/Escher/index.html
  2. Savransky, Guillermo, Dan Dimerman, and Craig Gotsman. "Modeling and Rendering Escher‐Like Impossible Scenes." Computer Graphics Forum. Vol. 18. No. 2. Oxford, UK and Boston, USA: Blackwell Publishers Ltd, 1999.

806 Anamorphosis

אנמורפוזיס

שם המנחה: פרופ' אופיר וובר
אחראי/ת אקדמי/ת: פרופ' אופיר וובר

הרקע לפרויקט:

Anamorphosis is a distorted projection requiring the viewer to occupy a specific vantage point, use special devices, or both to view a recognizable image. It is used in painting, photography, sculpture and installation, toys, and film special effects. Extreme anamorphosis has been used by artists to disguise caricatures, erotic and scatological scenes, and other furtive images from a casual spectator, while revealing an undistorted image to the knowledgeable viewer. For more information see:
https://en.wikipedia.org/wiki/Anamorphosis

In this project we will implement algorithms for fabricating real-life objects that give rise to anamorphosis optical illusions. The fabricated objects will be printed using a 3D printer.

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:

במהלך הפרויקט הסטודנטים יצטרכו לקרוא מאמר מתקדם בתחום, ללמוד אותו ביסודיות ולממשו. הפרויקט ידרוש פיתוח ומימוש של אלגוריתם מורכב בתוכנה.

קורסי קדם:

  • 83654 גרפיקה ממוחשבת.

או

  • 83656 עיבוד דיגיטלי של גיאומטריה 1.


דרישות נוספות:

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


מקורות:

  1. https://en.wikipedia.org/wiki/Anamorphosis
  2. https://dl.acm.org/doi/10.1145/2661229.2661267
  3. https://www.sciencedirect.com/science/article/pii/S0167839616300826?via%3Dihub
  4. https://disegno.unioneitalianadisegno.it/index.php/disegno/article/view/232/414
  5. https://link.springer.com/content/pdf/10.1007/s00004-015-0239-7.pdf
  6. https://link.springer.com/content/pdf/10.1007/s00004-016-0302-z.pdf

807 Probabilistic process mining

כריית תהליכים הסתברותית

שם המנחה: ד"ר איציק כהן
אחראי/ת אקדמי/ת: ד"ר איציק כהן

הרקע לפרויקט:

בשנים האחרונות הסביבה מוצפת בסנסורים שונים כגון מצלמות המספקים מידע על הקורה בה. במקביל מתפתחות טכניקות למידת מכונה ולמידת תהליכים שמטרתן ללמוד על הקורה בסביבה על בסיס המידע המתקבל מסנסורים אלו. טכנולוגיות אלו עדיין מוגבלות בדיוק שלהן וביכולת שלהן לעבד קלט ארוך.

בפרויקט זה ייעשה שימוש בטכניקות למידת תהליכים אשר מניחות שהנתונים מתקבלים מתהליך כדי לבחון שיטות שונות לשיפור דיוק ולעיבוד קלט ארוך יותר של תהליכים.

מטרת הפרויקט:

מטרת הפרויקט ללמוד תהליך בצורה יעילה על בסיס קלט הסתברותי המתקבל מסנסורים כגון מצלמת וידאו.

התוצר הסופי יקבל קלט וידאו ויעשה קלסיפיקציה אוטומטית שלו לסוג התהלך שהתבצע בוידאו.

תכולת הפרויקט:

למידת הנושא וסקר ספרות, השלב העיקרי כולל הפעלת ובחינת אלגוריתמי למידת וכריית נתונים, התנסות עם פונקציות אקטיבציה שונות, מיפוי תוצאות, כתיבת דוח סופי

קורסי קדם:

מידול כריית תהליכים (ניתן בסמסטר ב)

דרישות נוספות:

קורסים בנושא למידת מכונה ,פייתון

מקורות:

  1. http://ceur-ws.org/Vol-2938/paper-PROBLEMS-51.pdf
  2. https://arxiv.org/pdf/2203.07507.pdf

308 Sensing of chemicals and coating layers using optical fibers

חישה של כימיקלים ושכבות ציפוי באמצעות סיבים אופטיים

שם המנחה: פרופ' אבי צדוק
אחראי/ת אקדמי/ת: פרופ' אבינועם צדוק

הרקע לפרויקט:

Optical fibers are an exceptional sensing platform. Optical fiber sensors represents an industry with annual market of over 1B USD, which is raplidly growing. However, light that is guided in standard fibers is tightly confined to an inner core. Such confinement prevents ligth in the fiber from reaching test media of interest, which typically lies outside much larger cladding and coating layers. Without Spatial overlap between light and the substence under test, there is no sensing.

Over the last few years, the Zadok group has developed several new sensing protocols that overcome this fundamental challenge. The protocols make use of the interaction between optical and ultrasonic waves. The propagation of light can stimulate the oscillations of such acoustic waves. The acoustic waves, in turn, can reach the edges of the fiber and probe the elsatic properties of test media, where light does not reach. Alternatively, the same acoustic wave may scatter light outside the fiber and enable optical sensing

The project would include the design and construction of experimental setups for opto-mechanical fiber sensing, over multiple types of fibers. Measurements would identify and quantify various chemicals, monitor the state of protective coating layers, and also detect the effects of ionizing radiation

מטרת הפרויקט:

The expected achievements are physical understanding of the propagation of light and sound waves in fibers, numerical modeling of such interactions, the construction and operation of experimental setups, the collection and analysis of data, and a quantitative and critical assessment of performace and limitations.

תכולת הפרויקט:

Mathematical analysis, numerical code in matlab for simulations, a mid-term report describing the theory and models, laboratory measurements, a final report describing experimental results

קורסי קדם:

  • שדות אלקטרומגנטיים (חובה)
  • מבוא לתקשורת אופטית (חובה)
  • נושאים מתקדמים בתקשורת אופטית (רצוי)

מקורות:

  1. A book by Prof. Zadok: Forward Brillouin Scattering in Standard Optical Fibers הספר עתיד לצאת לקראת סוף שנת 2022. ניתן לקבל עותק מפרופ' צדוק

312 Quantum algorithms for computation and sensing

אלגוריתמים קוונטיים לחישוב וחישה

שם המנחה: אליהו כהן
אחראי/ת אקדמי/ת: ד"ר אליהו כהן

הרקע לפרויקט:

טכנולוגיות קוונטיות מציעות מגוון דרכים לשפר טכנולוגיות קיימות. כיום כבר ניתן להריץ מכל משרד או בית אלגוריתם ע"ג מחשב קוונטי מרוחק וליהנות מהיתרונות הייחודיים שמציעה הטכנולוגיה הקוונטית לחישוב, חישה ותקשורת. הכתיבה של הקוד מתבססת על פייתון ומבוצעת בסביבה שפיתחה IBM ונקראת IBM Quantum Experience. באופן זה, ניתן לפתח שיטות חדשות לפתרון בעיות ולבחון אותן בפועל ובזמן אמת.

מטרת הפרויקט:

המטרה היא לממש שיטות מדידה חדשות שנקראות מדידות חלשות באמצעות מחשבים קוונטיים או לחילופין לממש גישה אלגוריתמים שנקראת quantum walks (ההכללה הקוונטית של random walks). בקבוצתי כבר פותחה התיאוריה הרלוונטית ונותר רק המימוש בקוד והרצתו.

תכולת הפרויקט:

הסטודנטים ילמדו לכתוב קוד באמצעות IBM Quantum Experience וישתמשו בידע הזה בכדי להריץ מעגלים קוונטיים בסיסיים ע"ג מחשב מרוחק. העבודה תתבצע ביחד עם דוקטורנט בקבוצתי שידריך את הסטודנטים כיצד להשתמש בסביבה זו וכיצד להתקדם בכתיבת הקוד.

קורסי קדם:

  • מכניקה קוונטית שימושית (או קוונטים 1).
  • כמו כן, מומלץ לקחת במקביל לפרויקט את הקורס חישוב קוונטי

דרישות נוספות:

ניסיון בפייתון - יתרון

מקורות:

https://quantum-computing.ibm.com/

318 Incorporation of AI and ML algorithms in remote biomedical sensing

שילוב יכולות של בינה מלאכותית ואלגוריתמי לימוד מכונה בחישה ביו רפואית

שם המנחה: זאב קלאוזר
אחראי/ת אקדמי/ת: פרופ' זאב זלבסקי

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:

לפתח סנסור לחישה מרחוק של כמות חמצן בדם

תכולת הפרויקט:

ביצוע ניסויים, איסוף דאטה ועיבוד דאטה

קורסי קדם:

מבוא לאופטיקה, עיבוד תמונה

מקורות:

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..

321 Incorporation of fiber-based water leakage detector

שילוב סיבים אופטיים לניטור נזילות מים מצינורות

שם המנחה: יפים ביידרמן
אחראי/ת אקדמי/ת: פרופ' זאב זלבסקי

הרקע לפרויקט:

במעבדה בוצע פיתוח של סנסור פוטוני המבוסס על סיב אופטי מיוחד שהדגים יכולת ראשונה לניטור נזילות של מים מצינור ומדידת שינויי ספיקה. יש רצון להרחיב יכולות אלו למדידה יותר נרחבת של ניטור צינורות מים. עיקרון הפעולה של סנסור הסיב הפוטוני כולל הזרקת אור דרך סיב מרובה מודים ומדידת שינוי בבניות ההתאבכות של המודים בינן לבין עצמם ביציאת הסיב. תבניות התאבכות אלו קשורות במעוותים שונים הנוצרים בסיב החישה ויכולים להעיד על מצב של נזילה בצנרת בה סיב החישה הותקן. ניתוח תבניות האור כולל הן ניתוח קלאסי והן הפעלה של אלגוריתמיקת למידת מכונה ובינה מלאכותית.

מטרת הפרויקט:

פיתוח מערכת מבוססת סיב לניטור דינמיקת זרימה בצינור מים וניטור נזילות קטנות

תכולת הפרויקט:

ביצוע ניסויים בצנרת, איסוף דאטה. ניתוח דאטה ופיתוח אלגוריתמי

קורסי קדם:

מבוא לאופטיקה

מקורות:

A. Bennett, Ye. Beiderman, S. Agdarov, Ya. Beiderman, R. Hendel, B. Straussman and Z. Zalevsky, “Monitoring of vital bio-signs by analysis of speckle patterns in fabric-integrated multimode optical fiber sensor,” Opt. Exp. 28(14), 20830-20844 (2020).

808 Translating abdominal ultrasound scans to equivalent CT scans

סריקות אולטרסאונד אבדומינליות (אזור הבטן) לסריקות CT מתאימות

שם המנחה: ד"ר תמר קשתי, ד"ר מירב גלון (מכון וויצמן)
אחראי/ת אקדמי/ת: פרופ' אופיר וובר

הרקע לפרויקט:

אולטרסאונד רפואי הוא שיטת הדמיה רווחת בשל עלות נמוכה, ניידות, מהירות והיעדר קרינה מייננת מזיקה. למרבה הצער, האיכות של סריקות אולטרסאונד רפואיות נופלת מאמצעי דימות רפואי אחרים : גלי הקול אינם חודרים עצמות, ומופרעים בנוכחות גזים (דוגמת אלו הקיימים במערכת העיכול). לטומוגרפיה ממוחשבת (CT), לעומת זאת, יש איכות תמונה טובה יותר אך מייצרת קרינה מייננת, מחירה גבוה יותר והיא פחות זמינה מאולטרסאונד.

מטרת הפרויקט:

בהינתן תמונת אולטרסאונד (2D), ניצור את תמונת ה-CT המקבילה (2D) המשמרת מידע רפואי חשוב: איברים, רקמות ועצמות. תרגום התמונות יעשה באמצעות שיטות למידה עמוקה.

תכולת הפרויקט:

  • סקירה ספרותית ולמידת השיטות הקיימות בתחום.
  • ביצוע תהליך עיבוד מקדים לתמונות (ניקוי רעשים, התאמה למודל).
  • ניסוי שיטות שונות מתחום הלמידה העמוקה והשוואת התוצאות.

קורסי קדם:

  • מבוא ללמידת מכונה (ילקח במקביל לפרויקט).

מקורות:

  1. Yi, Xin, Ekta Walia, and Paul Babyn. "Generative adversarial network in medical imaging: A review." Medical image analysis 58 (2019): 101552. https://www.sciencedirect.com/science/article/pii/S1361841518308430?via%3Dihub
  2. Vedula, S., Senouf, O., Bronstein, A. M., Michailovich, O. V., & Zibulevsky, M. (2017). Towards CT-quality ultrasound imaging using deep learning. arXiv preprint arXiv:1710.06304https://arxiv.org/pdf/1710.06304.pdf

322 Multispectral camera

מצלמה מולטי ספקטרלית

שם המנחה: יובל תמיר
אחראי/ת אקדמי/ת: פרופ' מוטי פרידמן

הרקע לפרויקט:

מדידת הספקטרום של אור הנה אחת המדידות החשובות ביותר ומאפשרת זיהוי חומרים ותהליכים כימים וביולוגים. הבעיה היא שרוב הספקטרומטרים מודדים רק נקודה אחת ולא מקבלים תמונה שלמה. מצלמות ספקטרליות מאפשרות מדידת ספקטרום ראשונית ובסיסית של תמונה אבל מדובר ביכולת נחותה עם רזולוציה נמוכה. אנו מעוניינים לפתח מצלמה מולטיספקטרלית בעלת רזולוציה גבוהה שתאפשר מדידה מדויקת של הרזולוציה המלאה של כל פיקסל בתמונה שנמדד.

מטרת הפרויקט:

תכנון ופיתוח מצלמה מולטיספקטרלית המסוגלת למדוד את הספקטרום של כל פיקסל שפוגע ברזולוציה גבוהה.

תכולת הפרויקט:

המצלמה מבוססת על מדידה רציפה של כמות האור שמגיעה לכל פיקסל תוך שינוי מרחק של מהוד. המהוד משמש כפילטר ספקטרלי ומשפיע על כמות האור שמגיעה כפונקציה של אורך הל. הסטודנט ילמד את עיקרון פעולת הפילטר שמבוסס על מהוד. ילמד על מצלמות שונות. יתכנן שיטה להתקין את המהוד בתוך מערך של מצלמות ויבצע חישובים נומריים שמראים שהמערכת אכן תתן את הרזולוציה שאותה אנו רוצים לקבל. לאחר מכן, הסטודנט יבנה דגם ראשוני של המצלמה במעבדה ויבדוק את יכולותיו.

קורסי קדם:

אופטיקה

מקורות:

boyd

118 Modeling kidney diseases using unsupervised machine learning

מידול של מחלות מהכליה ע"י אלגוריתמים של למידת מכונה לא מונחית

שם המנחה: ירון טרינק
אחראי/ת אקדמי/ת: פרופ' תומר קליסקי

הרקע לפרויקט:

Exciting new technologies such as RNA-Seq and Spatial Transcriptomics yield huge amounts of high dimensional biological datasets. Appropriate use of machine learning/statistical methods can help extract useful biological signals, enhancing our understanding of factors driving the origin and development of various diseases.

מטרת הפרויקט:

The aim of this project is to apply unsupervised machine learning methods, dimensional reduction techniques, and other appropriate algorithms to discover patterns in gene expression and alternative splicing in kidney diseases.

תכולת הפרויקט:

This project will involve developing and applying statistical techniques on both high throughput sequencing count data and raw nucleotide sequences. More specifically, the student will read literature, write code, and interpret the results appropriately using acquired domain knowledge.

קורסי קדם:

  • מבוא ללמידת מכונה

 

דרישות נוספות:

  • יכולת תכנות בסיסית
  • מומלץ: היכרות עם סביבת linux

 

מקורות:

  1. Characterization of the continuous transcriptional heterogeneity in Wilms’ tumors using unsupervised machine learning Trink Y, Urbach A, […], Kalisky T bioRxiv (2022) 2022.06.06.494924
  2. Single-Cell RNA Sequencing Reveals mRNA Splice Isoform Switching during Kidney Development Wineberg Y, Bar-Lev T, […] Kalisky T ,Journal of the American Society of Nephrology : JASN (2020) 31(10) 2278-2291