פרויקטי גמר - תואר ראשון בהנדסת חשמל (B.Sc) - לעמוד בחזית הטכנולוגיה - התמחות בעיבוד אותות תשפ"ו

401 ML-based Prediction Filter for Enhanced Modulo Analog-to-Digital Conversion

אלגוריתם חיזוי משופר מבוסס למידת מכונה להמרת אות אנלוגי לאות דיגיטלי בשיטת מודולו

שם המנחה: אמיר וייס

הרקע לפרויקט:

המרת אות אנלוגי לאות דיגיטלי היא אחת הפעולות החשובות והנפוצות ביותר ברוב המוחלט של המכשירים הטכנולוגיים החשמליים הקיימים היום. לצורך ייעול פעולה זו, לאחרונה הוצעה ארכיטקטורה חדשה לרכיב המבצע פעולה זו, המבוססת על פעולת (דחיסת) מודולו אנלוגית ושחזור המידע שאבד (עקב פעולת דחיסה זו) ע""י פעולות דיגיטליות בלבד. בפרויקט זה תפותח הרחבה (/שכלול) של אלגוריתם החיזוי על בסיס טכניקות למידת מכונה, ובכך דיוק המרת האות ואמינות אלגוריתם שחזור האות יעלו עוד יותר על רמות הדיוק והאמינות שמספק האלגוריתם הנוכחי.

מטרת הפרויקט:

הסטודנטים יתכננו ויממשו ארכיטקטורת רשת נוירונים שתחליף בפועל את אלגוריתם החיזוי הקיים. הרשת תאומן עבור קבוצה של אותות עניין (ביניהם, אותות תקשורת נפוצים), ותשולב באלגוריתם הכללי לשחזור אות המידע באופן דיגיטלי. תבוצע השוואה בסימולציות בין ביצועי האלגוריתם הקיים לבין ביצועי האלגוריתם המשופר.

תכולת הפרויקט:

קריאת המאמרים הרלוונטיים ולימוד החומר התיאורטי הנדרש לפרויקט, הכוללים, בין היתר, דחיסה ע""י מודולו, סינון סיבתי אופטימלי לחיזוי דגימה עתידית בסדרה זמנית, סינון מסתגל, קוונטיזציה, אימון רשתות נוירונים
מימוש האלגוריתם הקיים
בחירת ארכיטקטורה מתאימה ואימון רשת נוירונים למימוש פעולת הסינון לצורך חיזוי מדויק יותר
שילוב הרשת שאומנה באלגוריתם השחזור
סימולציה מלאה של המרת האות האנלוגי לאות דיגיטלי עבור קבוצה של סוגי אותות מידע שונים
השוואת ביצועים בין האלגוריתמים ע""י סימולציית מחשב

קורסי קדם:

ניתוח סטטיסטי של מידע (83420), מבוא ללמידת מכונה (83622)

דרישות נוספות:

תורת האינפורמציה (83620)

מקורות:

Weiss, A., Huang, E., Ordentlich, O. and Wornell, G. W., “Blind Modulo Analog-to-Digital Conversion”, IEEE Trans. on Signal Processing, vol. 70, pp. 4586–4601, Aug. 2022. Arxiv link: https://arxiv.org/abs/2108.08937

402 How leaders are form

איך נוצרים מנהיגים

שם המנחה: יובל תמיר

אחראי/ת אקדמי/ת: פרופ' מוטי פרידמן

הרקע לפרויקט:

בַּנִּסּוּי יצרנו “רשת” של כ-16 כנרים, כשלכל נגן יש אוזניות – דרכן הוא שומע רק נגנים שנבחרו מראש. המבנה הזה מאפשר לנו להגדיר במדויק „מי שומע את מי” ולשלוט בכוח הקִשּׁוּר (כמה חזק כל נגן מושפע מהאחרים). בתחילת כל ריצה כולם מנגנים באותו קצב. בשלב מסוים אנחנו מבקשים מנגן אחד לחרוג לפתע מהקצב או מהגובה הצליל. באמצעות חיישני זמן-תגובה אנחנו מודדים:

הזמן עד שהשינוי שלו מזוהה אצל הנגן הבא בשרשרת,
קצב ההתקדמות של ההפרעה בין כל זוג נגנים,
האם וכיצד הרשת חוזרת לסינכרון.

כך ניתן למפות את מסלול “גל ההפרעה” ולהראות שלמבנה הרשת (מי-שומע-את-מי) ולעוצמת הקִשּׁוּר יש השפעה מכרעת: בשרשראות ליניאריות ההפרעה נעה מהר אך נטייתה להתעצם; בחיבורים עם לולאות משוב או קלט מרובה היא נבלמת ואף מתעמעמת. ניסוי זה מספק תובנות כלליות על התפשטות שינויים במערכות חברתיות סינכרוניות.

מטרת הפרויקט:

בכל מערכת אנושית שבה אנשים פועלים בזמן-אמת — מתזמורות דרך צוותי פיתוח ועד יחידות חירום — נוצרים “מנהיגים” סמויים שמכתיבים את הקצב, מכוונים החלטות ומייצבים את הקבוצה. איתור אותם צמתים בעלי השפעת-יתר חשוב משלוש סיבות מרכזיות:

יציבות ותפקוד הקבוצה – מנהיג יעיל מסוגל לבלום סטיות קטנות לפני שהן מתפשטות ולמנוע קריסה של הסינכרון.
יכולת הסתגלות – בזמן שינוי בלתי צפוי, רשת שבה קיימים מנהיגים ברורים חוזרת לתיאום מהר יותר, כי כולם יודעים על מי “להינעל”.
תובנות ארגוניות וחברתיות – דפוסי הנהגה ספונטניים משקפים תכונות אופי, מיומנות ועמדה מבנית; הבנתם מאפשרת למעצבים של תהליכי עבודה או למאלפים של AI-קולקטיבי ליצור מנגנוני שליטה יעילים יותר.

מטרת הניסוי שלנו היא לגבש שיטה כמותית ואובייקטיבית לזיהוי מנהיגים בתוך רשת כנרים נשלטת-קישורים:

למדוד מי מצליח “לגרור” אחרים, למפות כיצד הטופולוגיה (מי-שומע-את-מי) ותכונות אישיות משפיעות על הופעת מנהיגות, ולהשוות האם הנהגה היא תכונה קבועה באדם מסוים או תוצאה של תנאי הסביבה.

מהתוצאות הללו נוכל ללמוד על מטריצת ההשפעות תחשוף צמתים קריטיים ודרכי זרימת מידע. נוכל להציע טופולוגיות שמעודדות מנהיגות מבוזרת (לחוסן) או היררכיה חדה (לביצוע יציב).

הכללה לתחומים אחרים: ממצאים על מוזיקאים ישימים לצוותי רובוטים, לכיתות לומדות מרחוק או למערכות פיננסיות שבהן החלטה מהירה של “מנהיג” עשויה לייצר תגובת שרשרת.

תובנות פסיכולוגיות ושיקומיות: זיהוי תכונות ההתנהגות והתקשורת שמקנות מנהיגות עשוי לסייע בהכשרת מנצחים, מאמנים ומורי-דרך לשפר שיתוף פעולה וקואורדינציה.

בסופו של דבר, הניסוי מספק חלון נדיר אל מנגנון היווצרות הנהגה ספונטנית ומאפשר להפוך אינטואיציות מוזיקליות למדדים מדעיים שניתנים ליישום רחב.

תכולת הפרויקט:

במסגרת הפרויקט הסטודנטים יחקרו ספרות עדכנית על סנכרון מוזיקלי ומנהיגות, יתכננו ויבנו מערכת אודיו-חיישנים שתקבע מי שומע את מי, יפתחו קוד להזנת האודיו ולניתוח אותות בזמן-אמת, יריצו סדרת ניסויים עם כנרים בטופולוגיות שונות, יעבדו את הנתונים כדי לחשב מתאמים, סיבתיות ומדדי מרכזיות, יבצעו בדיקות סטטיסטיות להוכחת מובהקות, ויציגו את הממצאים בלוח מחוונים אינטראקטיבי, פוסטר ומאמר מסכם.

קורסי קדם:

אין

דרישות נוספות:

אין

מקורות:

מאמרים

403 Circuit parameters estimations from equivalent impedance measurements

שיערוך פרמטרי מעגל חשמלי ממדידת עכבה

שם המנחה: פיני טנדייטניק

אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

נתונה טופולוגיה של מעגל חשמלי ואנו מעונינים לשערך את פרמטרי המעגל החשמלי. ממדידות אימפדנס של המעגל החשמלי (בדרך כלל 10 נקודות בדקדה) , מתקבל חלק ממשי ומדומה לכל תדר ( Nyquist plot). על סמך מדידות אלו אנו נרצה לשערך את פרמטרי המעגל החשמלי.

מקור הבעיה הנו DATA מעולם האלקטרוכימיה, השיטה נקראת Electrochemical Impedance spectroscopy. פרמטרי המעגל החשמלי שאנו משערכים ממופים לתהליכים כימיים אשר קורים בתמיסה. המעגל השקול נקרא Randles circuit [1]

מטרת הפרויקט:

בפרויקט זה הסטודנטים יתנסו במחקר יישומי בתחומי Deep Learning ושיערוך פרמטרים של טופולוגיה של מעגל חשמלי ידוע (ראו דוגמה במאמר [2]). כחלק מהתהליך, הסטודנטים יתרגלו סקר ספרות, הבנה וסיכום של מאמרים עכשוויים בתחום

תכולת הפרויקט:

הבנה של רשתות deep learning וישומים של רשתות ל Multi dimensional regression
סקר ספרות למציאת שיטות לפיתרון הבעיה
שימוש בפייתון על מנת לאמן את המודל
קבלת תוצאות ושיפור של המודל
השוואה לשיטת שיערוך מקובלת בתחום כגון - Levenberg–Marquardt algorithm [3]
עבודה עם רכיב קיבולי שיברי (הכללה של קבל עם נגזרת השונה מאחד)

קורסי קדם:

מבוא ללמידה עמוקה (83707)

מקורות:

https://en.wikipedia.org/wiki/Randles_circuit
Doonyapisut, D., et al. ""Analysis of electrochemical impedance data: use of deep neural networks. Adv Intell Syst 5 (8): 2300085."" 2023 , https://advanced.onlinelibrary.wiley.com/doi/full/10.1002/aisy.202300085
https://en.wikipedia.org/wiki/Levenberg%E2%80%93Marquardt_algorithm"

404 Generetive music intuitive plugin for real time human creation of whole musical compositions

תוסף אינטואיטיבי של מוזיקה גנרית ליצירה אנושית בזמן אמת של יצירות מוזיקליות שלמות

שם המנחה: הגר כפרי

אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

The project is an intuitive plugin for real time human creation of whole musical compositions, integrable into DAWs. This would be based on generating MIDI by a generative system and allowing the user control of the output in real time

מטרת הפרויקט:

The user opens the plugin and sets up basic parameters for generation of a musical part: key, tempo, meter, genres or other descriptors for each generated instrument part and a virtual instrument for every generated MIDI track. Then the user hits play, and the system generates the A part of the composition, while the part is playing, the user manipulates it via (let’s say for now) the keyboard. When the command “increase complexity” is pressed for example, notes and drum hits that weren’t in the composition before are added to it through the generated MIDI tracks, to create richer parts. The user might apply it only to certain tracks, the drums and bass for example. More interesting commands might be more abstract, such as “make the composition sadder” or even customizable commands attained by some kind of text-to-command system. Roughly speaking, every command that we can think of could be interpreted by a machine (better or worse) and integrated into the plugin.

The user then can hit the “next part” command, and the system then generates a B part and plays it, while storing the A part so the user can go back to it (since musical repetition is important). The user could set the direction in which the B part would go similarly to the way the A part was set. The whole session could be recorded to MIDI files which can then be imported to the DAW for editing.

תכולת הפרויקט:

There are 4 stages for creating such plugin:

Figuring which preexisting generative systems to use or making such generative systems.
Deploying the systems such that they could be responsive in real time to the user’s commands (or, if not possible, “tricking” the user and listeners to feel this way, for example by pregenerating and toggling between preexisting options(
Deciding which commands do we want the user to be able to execute and figuring out how to make the systems react to them appropriately.
Figuring the right user interface for these real-time commands and Integrating into a DAW as a plugin

קורסי קדם:

signal processing courses

מקורות:

max\msp

405 Predictive Time Series Analysis of Stock Market Trends using ALgorithms

חיזוי מגמות בשוק המניות באמצעות סדרות זמן ואלגוריתמים מתקדמים.

שם המנחה: ד״ר אלכסנדרה סימנובסקי

אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

הצורך האנושי לחזות את העתיד מלווה אותנו לאורך ההיסטוריה, וכיום הוא מתמקד בין היתר בניסיון לחזות את שוק ההון – מערכת מורכבת תנודתית מושפעת מגורמים פנימיים כמו דוחות כספיים ורווחיות, מגורמים חיצוניים כגון רגולציה, משברים גלובליים או אירועים גיאופוליטיים, וכן מהתנהגות המשקיעים עצמם.

בעבר נעשה שימוש במודלים סטטיסטיים מסורתיים כמו ARIMA, אך יכולתם מוגבלת בזיהוי דפוסים לא־ליניאריים ותלויות מורכבות. עם התפתחות למידת מכונה ולמידה העמוקה הופיעו מודלים מתקדמים יותר, בהם LSTM, CNN, ומודלים היברידיים המשלבים בין גישות שונות, המאפשרים חיזוי מדויק יותר של סדרות־זמן פיננסיות.

עם זאת, גם המודלים החדשים מוגבלים ביכולתם להתמודד עם אירועים חיצוניים בלתי צפויים, ולכן מטרתם אינה לספק תחזית מוחלטת אלא לשפר את ההבנה, להפחית אי־ודאות לסייע בקבלת החלטות מושכלות.

מטרת הפרויקט:

מטרת הפרויקט היא לפתח מודלים מתקדמים לחיזוי כיוון והתנהגות מניות באמצעות סדרות־זמן (time series) של מחירי מניות.

הסטודנטים יקבלו דאטה, יישמו מספר שיטות חיזוי כגון, arima, LSTM, and Transformers ומודלים היברידיים, ויעשו השוואה בין ביצועי המודלים השונים. התוצרים הסופיים יהיו מערכת ניסיונית לחיזוי מחירים, דוח הערכה השוואתי וניסיון מעשי עיבוד נתוני שוק והטמעת מספר שיטות חיזוי.

במידת האפשר, הפרויקט ישלב גם מקורות מידע נוספים מעבר למחירי המניות עצמם, במטרה לבחון כיצד שילוב מידע מגוון משפיע על איכות החיזוי.(משברים גלובליים או אירועים גיאופוליטיים וכו׳)

תכולת הפרויקט:

למידת חומר בנושאי של חיזוי סדרות זמן
למידת חומר מתקדם בלמידה עמוקה ולמידת מכונה
שליטה בקוד פייתון עם ספריות ייעודיות בלמידה עמוקה חיזוי סדרות זמן.
בניית ואימון של מספר מודלים של חיזוי
הערכת ביצועי המודלים השונים וחיפוש היפר פרמטרים המאפשרים תוצר אופטימלי
חיפוש נתונים של מחיר המניה, ומידע נוסף שיכול להשפיע על גובה המניות
איסוף והכנת נתונים -> עיבוד מקדים -> בניית ויישום מודלים שונים, אימון והערכת המודלים ושילוב מידע נוסף (אם ימצא), תוצרים סופיים

קורסי קדם:

מבוא ללמידת מכונה (83662)
מבוא ללמידה עמוקה (83707)

דרישות נוספות:

תכנות בפייתון

מקורות:

406 Open Source Framework for Multimodal Tabular Data

מערכת קוד פתוח לנתונים רבי היבטיים טבלאיים

שם המנחה: רן אייזנברג

אחראי/ת אקדמי/ת: ד"ר אופיר לינדבאום

הרקע לפרויקט:

הפרוייקט יעסוק בשיטות למידה ממידע מרובה היבטים (כמו למשל Canonical Correlation Analysis (CCA). שיטות אלו מאפשרות חשיפת קשרים ועקרונות משותפים בין מערכי נתונים שונים, ובכך מסייעות לזהות תלות הדדית ותבניות משמעותיות שלא ניתן היה לגלות בבחינת כל מערך נתונים בנפרד. למרות חשיבות שיטות אלו, ספריות קוד קיימות (כגון CCA-Zoo), סובלות משימושיות נמוכה. במבקביל, שיטות קיימות ללמידה עמוקה על מידע ביו-רפואי סובלות מנטייה להתאמת יתר (Ovefit), ומחוסר בהירות בנוגע לסיבת קבלת ההחלטה (Interpretable). מבטרה להתמודד עם הקשיים, בפרוייקט זה, יעשה שימוש ברשת ניורונים (LSPIN) לנתונים ביו-רפואיים מהעולם האמיתי.

מטרת הפרויקט:

במסגרת הפרוייקט יעשה שימוש בכלים של למידת מכונה/למידה עמוקה.

פיתוח מאגר קוד פתוח (GitHub) מודולרי, נקי וקריא, המממש את משפחת שיטות ה־CCA עם ממשק Application Programming Interface (API) ידידותי ודוגמאות שימוש פשוטות.

יישום מלא ושחזור של שיטת LSPIN בפלטפורמת PyTorch, והשוואת ביצועיה למול מודלים עדכניים לנתונים טבלאיים.

שילוב תוצאות LSPIN בלוח תחרות ציבורי לנתונים טבלאיים (Leaderboard).

תכולת הפרויקט:

מימוש והסבר של גרסאות שונות ל־CCA: בסיסי, לינארי, עומק (Deep), (Kernel), תוך מתן דוגמאות קוד והסברים פרקטיים.

שחזור ובנייה של שיטת LSPIN ב־PyTorch, כולל הסבר שלבי העבודה.

השוואת ביצועים של LSPIN למול שיטות עדכניות והצגת התוצאות בלוח דירוג מקובל.

קורסי קדם:

מבוא ללמידת מכונה
מבוא ללמידה עמוקה
רשתות ניורונים

דרישות נוספות:

Experience with Python (NumPy, PyTorch, scikit-learn).
Familiarity with GitHub and version control.

מקורות:

Yang, J., Lindenbaum, O., & Kluger, Y. (2022, June). Locally sparse neural networks for tabular biomedical data. In International Conference on Machine Learning (pp. 25123-25153). PMLR.
Hotelling, H. (1936). Relations between two sets of variates. Biometrika, 28(3–4), 321–377."

407 Noise Robustness in Keyword Spotting

עמידות לרעש במערכת זיהוי מילות מפתח

שם המנחה: מאיה ויסמן ברנס

אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

מערכות זיהוי מילות מפתח (Keyword Spotting, KWS) משמשות כיום כמרכיב מרכזי במערכות קוליות שונות, פרוייקטי בית חכם ובממשקי אדם–מכונה. אחד האתגרים המרכזיים בזיהוי קולי הוא עמידות לרעש, שכן איכות הקלט משתנה באופן דרמטי בין סביבות (רחוב, משרד, בית). אחת הגישות הנפוצות לשיפור האות הקולי היא שימוש ב־Autoencoder מסוג Denoiser, שמטרתו לנקות רעשים מהקלט לפני שליחתו למודל ה־KWS. עם זאת, לא תמיד ברור אם האות ה“נקי” מתאים לאלגוריתם הזיהוי – ייתכן כי תהליכי הניקוי משנה תכונות חשובות באות הדיבור ולכן פוגע בביצועים. לכן, שילוב של KWS עם מנגנון ניקוי רעשים מעלה שאלות מחקריות וטכנולוגיות חשובות, ובעל פוטנציאל לשימוש יישומי נרחב.

מטרת הפרויקט:

מטרת הפרויקט היא לבדוק כיצד שילוב של מודול ניקוי רעשים (Denoising Autoencoder) משפיע על ביצועי מערכת KWS, בהשוואה להרצה על דיבור נקי ודיבור רועש. הסטודנטים יבנו מערכת מלאה הכוללת מודל בסיסי ל־KWS, יוסיפו רעשים ברמות שונות לאותות הקול, ויבחנו שלושה מצבים: קלט נקי, קלט רועש, וקלט שעבר ניקוי. התוצרים הסופיים יהיו:

קוד מלא לאימון והערכה של המערכת.
מודלים מאומנים (KWS + Denoiser).
גרפים וניתוחים של דיוק מול יחס אות–רעש (SNR).
מצגת מסכמת המציגה את התובנות: האם ניקוי רעשים משפר או פוגע, ובאילו תנאים.

תכולת הפרויקט:

המשימות העיקריות של הסטודנטים בפרויקט כוללות:

איסוף ועיבוד נתונים: שימוש במאגר Google Speech Commands והוספת רעשי רקע (MUSAN, FreeSound) ברמות שונות.
הקמת מודל KWS בסיסי: אימון מודל זיהוי מילות מפתח ( MatchboxNet, DS-CNN) על דיבור נקי.
פיתוח Autoencoder לניקוי רעשים: אימון מודל הממפה קלט רועש לאות נקי.
ביצוע ניסויים השוואתיים: הערכת ביצועי KWS בשלושה מצבים – נקי, רועש, ונקי אחרי Denoiser.
שיפור וניתוח: בדיקה האם ניתן לשפר את הביצועים של מערכת ה־KWS באמצעות שימוש חכם במודול ה־Denoiser. במהלך הפרוייקט נבצע אחד מבין השניים הבאים:
- Fine-tuning (כוונון עדין) לוקחים מודל KWS שכבר עבר אימון על נתונים ""רגילים"", ומריצים עליו עוד מספר סבבי אימון (epochs) עם נתונים חדשים – במקרה הזה, נתונים שעברו ניקוי רעשים באמצעות ה־Autoencoder. המטרה: לאפשר למודל להתרגל לסוג הקלט החדש (אות ""נקי"" אך קצת שונה מהדיבור המקורי). שיטה זאת מהירה יחסית ולא דורשת אימון מההתחלה
- Joint Training (אימון משולב) מחברים את שני המודולים – ה־Denoiser וה־KWS – למערכת אחת רציפה. כלומר, כל דגימת דיבור רועש עוברת קודם דרך ה־Denoiser ואז מיד למודל ה־KWS, והמערכת כולה לומדת יחד. המטרה: לגרום ל־Denoiser ""לנקות"" את האות באופן שלא רק נשמע טוב לאוזן, אלא גם מתאים לדרישות של המודל שמבצע זיהוי מילות מפתח. שיטה זאת מאפשרת למערכת כולה ללמוד בצורה ""סוף-אל-סוף"" (end-to-end) ולמקסם את הדיוק.
הצגת ממצאים: הפקת דו""ח וגרפים (דיוק, F1, confusion matrix, ביצועים מול SNR) והצגת המסקנות במצגת סופית.

קורסי קדם:

למידה עמוקה, פייתון, אלגוריתמים סטטיסטיים לעיבוד אות

דרישות נוספות:

גיט ברמה בסיסית

מקורות:

KWS on Microcontroller: https://arxiv.org/abs/1711.07128
google’s KWS: https://www.kaggle.com/datasets/sylkaladin/speech-commands-v2"

408 Interpretable Segmentation and Classification for Histology Data

מודלים פרשניים לסגמנטציה וסיווג במידע היסטולוגי

שם המנחה: רן אייזנברג

אחראי/ת אקדמי/ת: ד"ר אופיר לינדבאום

הרקע לפרויקט:

מיקרוסקופיה היסטולוגית היא כלי מרכזי באבחון מחלות, אך ניתוח תמונות מורכבות אלו מציב אתגרים משמעותיים: הן בהיבט הדיוק והן בהיבט הפרשנות של תוצאות המודלים. מודלים עמוקים לסיווג היסטולוגי מצליחים לעיתים קרובות להגיע לביצועים גבוהים, אך מתפקדים כ“קופסה שחורה” ואינם מספקים רמזים חזותיים לגבי בסיס ההחלטה.

בפרויקט זה ניישם גישה המשלבת סגמנטציה מונחית-מושגים (concepts) עם סיווג: נחלק את התמונה למקטעים סמנטיים (Segments) המייצגים מבנים ביולוגיים רלוונטיים (למשל גרעיני תאים, רקמת חיבור), ונשתמש במקטעים אלו לביצוע סיווג (למשל, ממאיר מול שפיר). שילוב זה מאפשר לא רק לשפר את הדיוק, אלא גם לספק הסבר חזותי וברור להחלטות המודל.

מטרת הפרויקט:

פיתוח אב־טיפוס של מערכת לעיבוד נתוני היסטולוגיה, הכוללת שלב סגמנטציה ושלב סיווג.

בחינת היכולת של סיווג מבוסס מקטעים להסביר את ההחלטה במונחים ביולוגיים (למשל: “המודל הסתמך על אזורי גרעינים לא תקינים”).

הערכת ביצועים מול מודלים “ישירים” (סיווג תמונה שלמה ללא סגמנטציה), והשוואה של רמת ההסבריות.

תכולת הפרויקט:

מימוש מודול סגמנטציה על תמונות היסטולוגיה (באמצעות מודלים קיימים, למשל U-Net, Segment Anything, או מודלים פשוטים יותר).
הפקת מאפיינים מהמקטעים ושילובם בתהליך סיווג.
השוואה בין ביצועי מודל סיווג “ישיר” לבין מודל סיווג מבוסס מקטעים.
הדגמה על מערך נתונים היסטולוגי ציבורי (למשל: CAMELYON16 או PatchCamelyon).

קורסי קדם:

מבוא ללמידת מכונה
מבוא ללמידה עמוקה
רשתות ניורונים

דרישות נוספות:

ניסיון ב־Python (NumPy, PyTorch, scikit-learn).
היכרות עם עיבוד תמונה רפואית (יתרון).

מקורות:

Ronneberger, O., Fischer, P., & Brox, T. (2015). U-Net: Convolutional Networks for Biomedical Image Segmentation.
Bándi, P. et al. (2018). From Detection of Individual Metastases to Classification of Lymph Node Status in Breast Cancer Using Whole-Slide Images: The CAMELYON16 Challenge.
Kirillov, A. et al. (2023). Segment Anything.

409 End-to-End DOA-Guided Speech Extraction in Noisy Multi-Talker Scenarios

חילוץ דיבור מונחה כיוון הגעה בתרחישים רועשים ורב־דוברים

שם המנחה: Mordehay Moradi

אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

Speech extraction in real-world acoustic environments is highly challenging, especially when multiple speakers overlap in noisy conditions. Traditional separation approaches often rely solely on spectral or spatial cues, which can be insufficient when noise and reverberation are present. A promising strategy is to incorporate Direction of Arrival (DOA) information, allowing the system to focus on the target speaker based on their spatial location. End-to-end learning frameworks can directly integrate spatial cues with spectral representations, enabling more robust extraction without requiring handcrafted features or explicit intermediate steps. This approach holds the potential to improve both speech intelligibility and noise robustness, making it suitable for real-time applications such as teleconferencing, hearing aids, and human-robot interaction.

מטרת הפרויקט:

The goal of this project is to develop an end-to-end speech extraction system that leverages DOA information to isolate a target speaker in noisy, multi-talker environments. The system aims to achieve robust and intelligible speech output, even under challenging acoustic conditions.

תכולת הפרויקט:

Watch the lectures in Youtube - Stanford University CS231n, Spring 2017
Read the paper
Train each model
Expect to satisfactory results :))
Apply the model on real microphone array, real experiment in our lab.
The project will be implemented in Pytorch

קורסי קדם:

Deep Learing, Python and Pytorch

דרישות נוספות:

Watching related videos on YouTube

מקורות:

The project is based on the following paper:

End-to-End DOA-Guided Speech Extraction in Noisy Multi-Talker Scenarios - https://arxiv.org/pdf/2507.20926"

410 A Tiny Flow-based Song Generator with Fine-grained Controllability and Aesthetic Alignment

מודל יצירת שירים מבוסס זרימה עם שליטה מדויקת והתאמה אסתטית

שם המנחה: Mordehay Moradi

אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

Advances in generative modeling have recently enabled automatic song generation, but most existing systems are large, resource-intensive, and offer only limited control over musical attributes. Flow-based generative models present a promising alternative, as they can synthesize high-quality audio with efficient computation and flexible sampling. A lightweight architecture designed for music generation can make such models more practical and accessible, while still preserving creative expressiveness. Moreover, integrating fine-grained controllability allows users to steer specific aspects of the composition such as melody, rhythm, or timbre according to their needs. To ensure that the generated music aligns with human aesthetic preferences, preference optimization techniques can be applied, guiding the model toward outputs that are both musically coherent and enjoyable.

מטרת הפרויקט:

The goal of this project is to design a compact, flow-based model capable of generating songs with high quality and efficiency. The system emphasizes fine-grained controllability and aesthetic alignment, ensuring that the generated music is both customizable and appealing to listeners.

תכולת הפרויקט:

Watch the lectures in youtube - Stanford University CS231n, Spring 2017
Read the paper
Train each model
Expect to satisfactory results
Create your own song

The project will be implemented in Pytorch

קורסי קדם:

Deep Learing, Python and Pytorch

דרישות נוספות:

Watching related videos on YouTube

מקורות:

The project is based on the following paper:

JAM: A Tiny Flow-based Song Generator with Fine-grained Controllability and Aesthetic Alignment- https://arxiv.org/pdf/2507.20880

411 LLM-guided Diffusion-based Text-to-Audio Generation and DPO-based Alignment

יצירת אודיו מטקסט באמצעות מודלי דיפוזיה והנחיית מודל שפה

שם המנחה: Mordehay Moradi

אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

Recent progress in generative AI has made it possible to synthesize realistic audio directly from text descriptions. However, existing text-to-audio models often face two major challenges: (1) they struggle to fully capture the semantic meaning of the text prompt, and (2) they frequently produce audio with limited acoustic quality and expressiveness. A promising direction is to integrate large language models (LLMs) with diffusion-based generative models. LLMs can provide strong semantic understanding of the textual input, guiding the generation process toward faithful interpretation of complex prompts. Meanwhile, diffusion models are well suited for producing high-quality and natural-sounding audio. To further improve alignment between generated audio and human expectations, Direct Preference Optimization (DPO) can be employed, allowing the system to adapt based on human feedback and preferences. This combination opens the door to controllable, semantically accurate, and high-fidelity text-to-audio generation.

מטרת הפרויקט:

The goal of this project is to develop a text-to-audio generation system that combines the semantic understanding of large language models with the high-fidelity synthesis capabilities of diffusion models. The system further employs preference-based alignment to ensure that the generated audio is both realistic and consistent with human expectations.

תכולת הפרויקט:

Watch the lectures in youtube - Stanford University CS231n, Spring 2017
Read the paper
Train each model
Expect to satisfactory results :))

The project will be implemented in Pytorch

קורסי קדם:

Deep Learing, Python and Pytorch

דרישות נוספות:

Watching related videos on YouTube

מקורות:

The project is based on the following paper: Tango: LLM-guided Diffusion-based Text-to-Audio Generation and DPO-based Alignment - https://arxiv.org/pdf/2304.13731"

412 Speech Inpainting with Continuous Diffusion and Per-Frame Phoneme-Aware Guidance

שחזור דיבור באמצעות דיפיוזיה רציפה עם הנחיה פונמית פר-פריימית

שם המנחה: Mordehay Moradi

אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

Speech inpainting addresses the challenge of restoring missing or corrupted parts of speech while preserving naturalness and intelligibility. While traditional approaches focus on short gaps, Transient Noise Removal via Diffusion-based Speech Inpainting has shown that diffusion models can successfully reconstruct relatively long gaps, making it an important step forward in this field. Building on this foundation, our project proposes a continuous diffusion formulation for speech inpainting, allowing for smoother and more consistent reconstructions. In addition, we integrate a phoneme duration module to guide the temporal structure of the generated speech, ensuring both acoustic plausibility and realistic timing.

מטרת הפרויקט:

The purpose of this project is to develop a continuous diffusion-based speech inpainting model for long gaps. In contrast to previous works, our approach improves speech reconstruction by (i) employing a continuous diffusion model and (ii) incorporating a higher-resolution guidance mechanism that operates per-frame instead of per-phoneme. Together with a phoneme duration module, these enhancements aim to ensure temporally consistent and natural-sounding speech reconstruction. It’s very recommended and possible to publish an article

תכולת הפרויקט:

Watch the lectures in youtube - Stanford University CS231n, Spring 2017
Read the paper
Train each model
Integrate the models
Expect to satisfactory results :))

The project will be implemented in Pytorch

קורסי קדם:

Deep Learing, Python and Pytorch

דרישות נוספות:

Watching related videos on YouTube

מקורות:

The project is based on the following paper:

Transient Noise Removal via Diffusion-based Speech Inpainting - ttps://www.arxiv.org/abs/2508.08890

413 Target speaker extraction using a robot DRTF

שליפת דובר רצוי על ידי איסוף DRTF של רובוט

שם המנחה: יואב אלינסון

אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

בפרוייקט זה הסטודנטים ישתמשו בטכניקות עיבודת אותות קלאסיות לצד למידה עמוקה על מנת ליצור אלגוריתם שמטרתו שליפת דובר רצוי בסיטואציה בה ישנם מספר דוברים בו זמנית, כל זה יבדק על מערכת רובוטית בסביבות אקוסטיות שונות.

מטרת הפרויקט:

ניהול דו-שיח בין אדם לרובוט נהיה נפוץ בימינו, אך בניגוד לבני אדם - רובוטים מתקשים להבין את הדובר הרצוי בסיטואציה בה ישנם מספר דוברים פעילים, ורעש מפריע. בפרויקט זה הסטודנטים יתחילו באיסוף תגובות להלם של מערך מיקרופונים המורכב בתוך רובוט דמוי אדם בחדר אקוסטי, ולאחר מכן ישתמשו במדידות על מנת לאמן מודל אשר מטרתו היא לשלוף דובר מכיוון מסוים.

תכולת הפרויקט:

איסוף תגובות להלם בחדר אקוסטי.
ניתוח המידע הנאסף, והשוואתו לסימולטור.
הכנת המידע לאימון מודל עמוק.
אימון מודל עמוק ובדיקתו על הקלטות בחדר האקוסטי.

קורסי קדם:

DSP1+DSP2, למידה עמוקה, מבוא ללמידת מכונה

דרישות נוספות:

תכנות פייתון

מקורות:

414 Speech enhancement using generative models

שיפור איכות הדיבור בעזרת מודלים גנרטיביים

שם המנחה: יואב אלינסון

אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

השימוש במודלים גנרטיביים הולך וגובר בשנים האחרונות, במיוחד בתחומי עיבוד תמונה וטקסט. גם בתחום עיבוד הדיבור נעשה שימוש במודלים כאלה למשימות מגוונות. בפרויקט זה נשתמש במודל דיפוזיה לצורך הסרת רעשי רקע מדיבור רב-ערוצי.

מטרת הפרויקט:

בפרוייקט זה הסטודנטים ילמדו על מודלים גנרטיביים, ויחקרו את יתרונותיהם בעיבוד אודיו רב ערוצי.

תכולת הפרויקט:

מימוש מודל דיפוזיה בפייתון, הכולל עיבוד של מספר ערוצים.
אימון המודל ובדיקת ביצועיו.
בדיקה על הקלטות אמיתיות בחדר אקוסטי.

קורסי קדם:

למידה עמוקה, מבוא ללמידת מכונה

דרישות נוספות:

תכנות פייתון

מקורות:

415 Neural Network-Based Methods for Enhanced Multistatic Localization under Low SNR

שיטות מבוססות רשת נוירונים לשיפור איכון רב-סטטי בתנאי SNR נמוך

שם המנחה: אמיר וייס

אחראי/ת אקדמי/ת: ד"ר אמיר וייס

הרקע לפרויקט:

איכון מטרה רב-סטטי (Multistatic Localization) מבוסס מדידות זמן הגעה (TDOA/TOA) הוא שיטה מרכזית בתחומים כגון תקשורת, מכ״ם, ומערכות ניווט. האלגוריתמים הקלאסיים מבוססים על הערכת זמן הגעה מדויקת ועל הנחה שהשגיאות מתפלגות בצורה גאוסית. בפועל, כאשר יחס אות-לרעש (SNR) אינו גבוה, שגיאות השערוך חורגות מהמודל הגאוסי, והביצועים מתדרדרים באופן ניכר.לאחרונה הוצעה שיטה לשערוך במשותף של מיקום המטרה ושונויות הרעש הלו ידועות. אף כי השיטה מתקרבת לחסם קרמר-ראו בתנאי SNR גבוה, היא אינה מספקת שיפור מספק באזורי SNR נמוכים. בפרויקט זה מוצעת גישה מבוססת למידת מוכנה, ובה הגלאי לומד למפות באופן ישיר את מדידות הזמן אל מיקום המקור, תוך הימנעות מהערכת שונויות הרעש, ותוך שיפור הדיוק בתנאים מאתגרים.

מטרת הפרויקט:

מטרת הפרויקט היא לפתח שיטה מבוססת למידת מכונה לאיכון מטרה רב-סטטי, שתוכל לשפר את הביצועים בתנאי SNR נמוך. המטרות הספציפיות הן:

בחירת ארכיטקטורת רשת נוירונים ואימונה לאיכון ישיר של מיקום המטרה מתוך מדידות האותות הנקלטים.
השוואת ביצועי הרשת במונחי MSE של האיכון מול האלגוריתם הייחוס המוצע במאמר [1].

תכולת הפרויקט:

קריאת הספרות הרלוונטית והשלמת חומר בנושאי איכון רב-סטטי, שערוך קלאסי ושימוש בלמידת מכונה (ובפרט רשתות נוירונים) לשערוך פרמטרים.
מימוש אלגוריתם Maximum Likelihood (מבוסס Majorization-Minimization) כפי שהוצע במאמר [1].
תכנון והטמעת ארכיטקטורת רשת נוירונים לאיכון ישיר (למשל, על סמך [2]).
אימון הארכיטקטורה הנבחרת עבור טווחי SNR שונים.
ניתוח והשוואת ביצועים על פי קריטריון השגיאה הריבועית ההממוצעת (MSE).
כתיבת דו״ח מסכם והצגת תוצאות.

קורסי קדם:

ניתוח סטטיסטי של מידע (83420), מבוא ללמידת מכונה (83622)

מקורות:

K. Panwar, P. Babu, and P. Stoica, ""Maximum Likelihood Algorithm for Time-Delay Based Multistatic Target Localization"", IEEE Signal Processing Letters, vol. 29, pp. 847–851, 2022
Weiss, A., Arikan, T. and Wornell, G. W., “Direct Localization in Underwater Acoustics via Convolutional Neural Networks: A Data-Driven Approach”, in Proc. of IEEE Int. Workshop on Machine Learning for Signal Processing (MLSP), pp. 1–6, Aug. 2022. https://arxiv.org/pdf/2207.10222.pdf"

416 Deployment of audio algorithms to low cost HW and performance conservation

התאמת אלגוריתמי אודיו לחומרה זולה תוך שמירה על ביצועי המודל

שם המנחה: יואב אלינסון , פיני טנדייטניק

אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

התלמידים יחשפו לכלי העבודה של NVIDIA [1-3] וגוגל [4]. כמו כן תבדק זמינותם של כלי פיתוח נוספים.

מטרת הפרויקט:

בפרויקט זה התלמידים יעסקו בהתאמת מודלים לחומרה זולה ומהירה תוך שמירה על ביצועי המודל.

תכולת הפרויקט:

הכרת טופולוגיות של DEEP NEURAL NETWORKS
שימוש ב Python.
שוואת ביצועים בין המודל המקורי למודל שעבר קוונטיזציה [1-4 ]

קורסי קדם:

למידה עמוקה

מקורות:

417 A transformer approach for polyphonic audio-to-score transcription

שיטה מבוססת טרנספורמר להמרת הקלטות מוזיקה קלאסית מרובת-נגנים לתווים

שם המנחה: עילי זיידל

אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

פרויקט זה מציע ארכיטקטורה של רשת נוירונים מבוססת טרנספורמר המקבלת הקלטה של מוזיקה קלאסית מרובת קולות (למשל רביעיית מיתרים). הרשת מחזירה רצף סימבולים מוזיקליים בפורמט Kern, המתרגמים לתווים.

מטרת הפרויקט:

מטרת הפרויקט היא לאפשר לסטודנטים להתנסות באימון ופיתוח רשתות נוירונים לצורך עיבוד וניתוח מידע מהקלטות מוזיקליות. בנוסף, הסטודנטים ילמדו את המאמר המצורף (A TRANSFORMER APPROACH FOR POLYPHONIC AUDIO-TO-SCORE TRANSCRIPTION), יריצו את המודל המוצע בו ויציעו דרך לשפר את תוצאותיו.

תכולת הפרויקט:

הסטודנטים יחלו את העבודה בללמוד את הרקע הרלוונטי לפרויקט – הנושאים הרלוונטיים בלמידה עמוקה (Deep Learning), ותחום עיבוד האותות המוזיקליים.
לאחר מכן, הסטודנטים יכירו את סביבת העבודה של הפרויקט בשפת python, ויתנסו באימון המודל ובדיקת תוצאותיו על הקלטות שונות.
לבסוף, הסטודנטים יציעו שינוי בארכיטקטורת המודל על מנת לשפר את תוצאותיו עבור הקלטות בתנאים סביבתיים שונים.

קורסי קדם:

מבוא ללמידה עמוקה (83707)
עיבוד ספרתי של אותות 2 (83624)

מקורות:

M. Alfaro-Contreras, A. Ríos-Vila, J. J. Valero-Mas, and J. Calvo-Zaragoza, “A Transformer Approach for Polyphonic Audio-to-Score Transcription,” in Proc. IEEE Int. Conf. Acoustics, Speech and Signal Processing (ICASSP), 2024, pp. 7069–7079,"

פרויקטים נוספים מומלצים

107 Using Graph Neural Networks to Predict Topological Properties of Artificial Neural

חיזוי תכונות טופולוגיות ברשתות נוירונים מלאכותיות באמצעות Graph Neural Networks

שם המנחה: דפנה רוזנברג

אחראי/ת אקדמי/ת: ד"ר ארז יערה

הרקע לפרויקט:

בעקבות ניתוחים מוחיים משתנות תבניות הפעילות והקישוריות בין רשתות ואיזורים שונים במוח. גרייה חשמלית במוח עשויה להביא לשיפור בשיקום הרשתות המוחיות לאורך זמן באמצעות השפעה על דפוסי הפעילות והקישוריות. ניתן לבחון שינויים אלו ואת יכולות השיקום באמצעות רשתות נוירונים מלאכותיות ומהונדסות המדמות את המבנה והתפקוד של רשתות מוחיות ולנתח את התגובה שלהן לגרייה חשמלית. אחת הדרכים לאפיין שינויים אלו היא באמצעות שינוי במבנה הטופולוגי של הרשת בעקבות הגירוי החשמלי. מבנים טופולוגיים מתארים את האופן המרחבי שבו רכיבי הרשת (למשל, נוירונים או אזורים מוחיים) מקושרים זה לזה מבחינה פונקציונלית. ניתן להגדיר ולנתח מבנים טופולוגיים באמצעות כלים מתורת הגרפים ויישומם על הקישוריות ברשת. בפרויקט נשתמש בנתונים שיתקבלו מסימולציות ממוחשבות של רשתות מהונדסות ונבחן את היכולת להבין ולחזות את השינויים הטופולוגיים שבהן באמצעות Graph Neural Networks (GNNs). Graph Neural Networks (GNNs) הם מודלים של למידה עמוקה שמבוססים על גרפים ומאפשרים ללמוד קשרים מקומיים וגלובליים בין רכיבים ברשת ולכן מתאימים לחיזוי תכונות טופולוגיות של רשתות נוירונים. הבנה וחיזוי של תכונות טופולוגיות הן חיוניות לצורך פיתוח ממשקים עצביים, שיקום עצבי במוח לאחר ניתוח, אופטימיזציה של פרוטוקולי גירוי וחקר הדינמיקה המבנית של רשתות מוחיות.

מטרת הפרויקט:

פיתוח מודלים של GNNs לחיזוי מאפיינים טופולוגיים של רשתות נוירונים מהונדסות לפני ואחרי גירוי חשמלי. במסגרת הפרויקט תיבדק הרגישות של המודלים לשינויים טופולוגיים ברשת. הנתונים יתקבלו מסימולציות ממוחשבות של גידול רשתות או ממידול של נוירונים כך שישקפו מבנים ותהליכים המאפיינים רשתות מהונדסות אמיתיות.

תכולת הפרויקט:

לימוד תאורטי וקריאה בספרות על מחקרים בתחום.
סימולציה של רשתות נוירונים לפני ואחרי גירוי חשמלי.
בניית גרפים וחילוץ תכונות טופולוגיות מהנתונים
פיתוח ואימון מודלי GNN (GCN, GAT, GraphSAGE)
הערכת הביצועים של המודלים.

קורסי קדם:

מבוא ללמידת מכונה (אפשר במקביל)

דרישות נוספות:

ניסיון עם פיתון, למידה עמוקה (אופציונלי)

מקורות:

Kim T, Chen D, Hornauer P, Emmenegger V, Bartram J, Ronchi S, Hierlemann A, Schröter M and Roqueiro D (2023) Predicting in vitro single-neuron firing rates upon pharmacological perturbation using Graph Neural Networks. Front. Neuroinform. 16:1032538. doi: 10.3389/fninf.2022.1032538
Zhang XM, Liang L, Liu L, Tang MJ. Graph Neural Networks and Their Current Applications in Bioinformatics. Front Genet. 2021 Jul 29;12:690049. doi: 10.3389/fgene.2021.690049. PMID: 34394185; PMCID: PMC8360394.
J. Suárez-Varela et al., "Graph Neural Networks for Communication Networks: Context, Use Cases and Opportunities," in IEEE Network, vol. 37, no. 3, pp. 146-153, May/June 2023, doi: 10.1109/MNET.123.2100773.
Asad Khan, Sakander Hayat, Yubin Zhong, Amina Arif, Laiq Zada, Meie Fang, Computational and topological properties of neural networks by means of graph-theoretic parameters, Alexandria Engineering Journal, Volume 66,2023 , Pages 957-977, ISSN 1110-0168, https://doi.org/10.1016/j.aej.2022.11.001.

108 Classification of patterns of dynamic electrical activity in the brain using deep learning

סיווג תבניות של דינמיקה של פעילות חשמלית במוח באמצעות למידה עמוקה

שם המנחה: דפנה רוזנברג

אחראי/ת אקדמי/ת: ד"ר ארז יערה

הרקע לפרויקט:

אלקטרוקורטיקוגרפיה (ECoG) היא שיטה למדידת פעילות חשמלית ממוח האדם על ידי הקלטת האותות באמצעות מערך אלקטרודות מיוחדות המונחות על גבי המוח החשוף בזמן ניתוחי מוח של מטופלים. טכנולוגיה ייחודית זו מאפשרת הקלטה של פעילות מוחית ברזולוציה גבוהה בזמן ובמרחב שלא ניתן למדוד בטכנולוגיות אחרות שאינן פולשניות, מה שהופך אותה לכלי יעיל לצרכים קליניים ומחקריים. באמצעות האותות הנמדדים ניתן לאפיין תבניות של פעילות מסונכרנת בין איזורים שונים במוח, הנקראת קישוריות מוחית תפקודית (פונקציונלית). תבניות אלו עשויות להשתנות לאורך הזמן בהתאם לסוגים שונים של משימות קוגניטיביות או תהליכים פנימיים ספונטניים. מודלים של למידה עמוקה ובפרט מודלים המבוססים על עיבוד סדרות זמן כמו LSTM או temporal CNN הינם בעלי פוטנציאל ללמוד את הדינמיקה של תבניות הקישוריות לאורך זמן ולאתר מצבים מוחיים משתנים ובכך לתרום להבנה טובה יותר של דינמיקה מוחית ולהוות בסיס לפיתוח של ממשקי אדם-מכונה ושיטות טיפול חדשניות במחלות מוחיות.

מטרת הפרויקט:

מטרת הפרויקט היא לפתח מודל מבוסס למידה עמוקה לניתוח סדרתי של תבניות קישוריות המשתנות לאורך הזמן על בסיס אותות אלקטרוקורטיקוגרפיה (ECoG) שנמדדו ממוח של מטופלים. המודל ישמש לזיהוי שינויים לאורך הזמן, לאפיון חלונות זמן בעלי פרופיל הקישוריות דומה, ולזיהוי מעברים דינמיים בין תבניות קישוריות במהלך משימות קוגניטיביות שונות.

תכולת הפרויקט:

למידת שלבי העיבוד המוקדם של אותות ECoG וחישוב קישוריות מוחיות
חילוץ תכונות טופולוגיות של קישוריות מוחית והפקת פיצ׳רים לאורך הזמן
בניית מודל ואימון לאיתור שינויים, סיווג דינמי או חיזוי תבניות.
הערכת ביצועי המודל והשוואה בין מודלים שונים.
הצגת התוצאות באמצעות כלים ויזואליים.

קורסי קדם:

מבוא ללמידת מכונה, מבוא ללמידה עמוקה (אפשר במקביל)

דרישות נוספות:

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

מקורות:

Moataz Assem, Michael G. Hart, Pedro Coelho, Rafael Romero-Garcia, Alexa McDonald, Emma Woodberry, Robert C. Morris, Stephen J. Price, John Suckling, Thomas Santarius, John Duncan, Yaara Erez, High gamma activity distinguishes frontal cognitive control regions from adjacent cortical networks, Cortex, Volume 159,2023,Pages 286-298, ISSN 0010-9452, https://doi.org/10.1016/j.cortex.2022.12.007.
Miller, K.J. A library of human electrocorticographic data and analyses. Nat Hum Behav 3, 1225–1235 (2019). https://doi.org/10.1038/s41562-019-0678-3
Ko AL, Weaver KE, Hakimian S, Ojemann JG. Identifying functional networks using endogenous connectivity in gamma band electrocorticography. Brain Connect. 2013;3(5):491-502. doi: 10.1089/brain.2013.0157. Epub 2013 Sep 21. PMID: 23879617; PMCID: PMC3796331.
Xie, Z., Schwartz, O., & Prasad, A. (2018). Decoding of finger trajectory from ECoG using deep learning. Journal of Neural Engineering, 15(3), 036009. https://doi.org/10.1088/1741-2552/aa9dbe

110 Characterization of Rare Genetic Kidney Disease through 5' end Single-Cell RNA Seq - International Collaboration with U of Toronto

אפיון מחלת כליות גנטית נדירה באמצעות ריצוף RNA של תא בודד בקצה 5' - שיתוף פעולה בינלאומי עם אוניברסיטת טורונטו

שם המנחה: Dana Markiewitz

אחראי/ת אקדמי/ת: פרופ' קליסקי תומר

הרקע לפרויקט:

The ubiquitin ligase NEDD4L is a candidate gene for essential hypertension on both functional and genetic grounds. This gene is characterized by alternative start sites that affect its activity and have direct implications in a rare genetic kidney disease. Although commonly single-cell RNAseq is performed on the 3' end of the transcripts, we plan to use a unique data of 5' end scRNAseq to analyse the different isoforms of NEDD4L, its location and abundance in different nephron segments and the impact of variable genotypes on their expression. This will allow us to decipher the mechanisms related to hypertension. The findings will have a critical impact on current research for Liddle syndrome and other related genetic disorders.

This project is an international collaboration with Dr. Mathieu Lemaire and Dr. Daniela Rotin from the SickKids Research Institute (U of Toronto).

מטרת הפרויקט:

Download and preprocess 5' end scRNAseq data of 19 healthy human kidney samples.
Characterize and quantify expression of specific NEDD4L isoforms in the different segments of the nephron.
Analyse impact of variable genotypes in expression of isoform 1

תכולת הפרויקט:

Download and preprocess 5' end scRNAseq data
Perform appropriate quality control
Cluster and Label distinct nephron segments
Quantify NEDD4L isoform expression in segments
Analyze genotype impact on isoform expression and distributions
Enable result visualization in Genome Browser

קורסי קדם:

תכנות פייתון, ביולוגיה חישובית

דרישות נוספות:

bash scripting for Linux

מקורות:

Single-Cell RNA Sequencing Reveals mRNA Splice Isoform Switching during Kidney Development https://pubmed.ncbi.nlm.nih.gov/32651222/

111 Characterizing Alternative Polyadenylation (APA) in kidney tumors using single-cell RNA-seq

אפיון פוליאדנילציה אלטרנטיבית (APA) בסרטן כליה באמצעות ריצוף RNA-seq של תא בודד

שם המנחה: עונג יצחק הלוי

אחראי/ת אקדמי/ת: פרופ' קליסקי תומר

הרקע לפרויקט:

בשנים האחרונות נעשה שימוש בריצוף RNA חד-תאי (scRNA-seq) בתפוקה גבוהה למדידת ביטוי גנים באלפי תאים. מידע זה משמש לזיהוי תת-אוכלוסיות של תאים ולאפיון מנגנונים מולקולריים בכליה ובגידולים סרטניים בכליה. עם זאת, ניתן למצוא שכבה נוספת של הטרוגניות תאית מעבר לביטוי גנים, באיזופורמים חלופיים של תעתיקי mRNA, ואלה לא אופיינו במלואם. מנגנון אחד כזה הוא פוליאדנילציה אלטרנטיבית (APA), לפיו גן מכיל אתרי ביקוע ופוליאדנילציה מרובים, ובכך מאפשר לייצר תעתיקי mRNA מרובים באורכים שונים מאותו גן. מנגנון ה-APA תורם להגדלת מגוון התעתיקים על ידי השפעה על יציבות ה-mRNA, התרגום והלוקליזציה בתא.

בפרויקט זה, הסטודנטים ישתמשו במערך נתונים חד-תאיים של RNA-seq של תאים סרטניים ותאים רגילים ממערכי נתונים מפורסמים, נתונים ממערכת ה-microfluidic drop-seq מהמעבדה וכן ריצוף long-read שבוצע באמצעות Oxford Nanopore technology על מנת לחקור APA בגידוליים סרטניים בכליות.

באופן יותר ספציפי, אנחנו נשאף למצוא הבדלים בין תאים נורמליים וסרטנים (גידולי Renal Cell Carcinoma וגידולי ווילמס).

מטרת הפרויקט:

מטרת הפרויקט היא מציאת רשימת גנים שיאפשרו גילוי סמנים לאיתור מוקדם, זיהוי, וניטור של מחלות וגידולי כליה וזיהוי מנגנונים מולקולריים ספציפיים שניתנים לתיקון על ידי טיפול מתאים.

תכולת הפרויקט:

הבנת התופעה הביולוגית-מולקולרית ולמידת רקע מתאים.
עיבוד וניתוח מקדים של נתונים, עיבוד דאטה גולמי והכנה מותאמת של מטריצות ביטוי גנים כקלט להמשך שלבי עיבוד הנתונים. (יבוצע בסביבת linux)
הכרה עמוקה של כלי עיבוד לנתונים בילוגיים, קוד בR שכולל שימוש בחבילות וכלים שונים.
ניתוח תוצאות והבנתם הביולוגית, זיהוי דפוסים וגנים קורלטיביים לדפוסים.
בחינת הקשר בין הדפוסים והגנים שהתקבלו בקרב תאים בריאים לבין תאי הסרטן.
סיכום התוצאות לכדי ספר פרויקט.

קורסי קדם:

מבוא להסתברות וסטטיסטיקה
מבוא לביולוגיה למהנדסים
ביולוגיה חישובית - ביואינפורמטיקה
נוירוגנומיקה

דרישות נוספות:

מבוא ללמידת מכונה
הכרות עם מערכות UNIX
רקע ביולוגי
רקע בשפת התכנות R

מקורות:

Patrick, R., Humphreys, D. T., Janbandhu, V., Oshlack, A., Ho, J. W., Harvey, R. P., & Lo, K. K. (2020). Sierra: discovery of differential transcript usage from polyA-captured single-cell RNA-seq data. Genome Biology, 21(1), 167.
Hao, Y., Hao, S., Andersen-Nissen, E., Mauck III, W. M., Zheng, S., Butler, A., ... & Satija, R. (2021). Integrated analysis of multimodal single-cell data. Cell, 184(13), 3573-3587.
פרויקטים נוספים מומלצים

213 Design of Hardware Accelerator configuration for Exact Cover Problem

תכן האצת חמרה בורילוג עבור FPGA לפתרון בעיית exCov ע"י שיטת חלחול אותות ומקבול

שם המנחה: אלישבע סולומון

אחראי/ת אקדמי/ת: פרופ' איתמר לוי

הרקע לפרויקט:

קיימות מגוון אפליקציות (מיפוי, הקצאת משאבים ואופטימיזציה בתחומים רבים כמו תחבורה ותכנון מעגלים) שדורשות פתרון בעיות NP קשות וביניהן exCov, ופתרונן באופן יעיל (כמה שניתן) מהווה אתגר. כיום, פתרונן נעשה ע"י אלגוריתמים שונים אשר מנסים לשפר את זמן הריצה ולרוב נתקלים בטריידאוף חסמי זמן-ריצה\זכרון כאשר הפתרון מסתמך על זיכרון זמני ומכונת מצבים. פתרונות אלו, משאירים את זמן הפתרון אקספוננציאלי. מחקר בנושא גילה מבנה חומרתי שמאפשר בעזרת חלחול אותות דרכו לקבל את פתרון הבעיה בצורה ישירה לעיתים ללא זכרון כלל, שכן הפתרון כבר ברמת החומרה והאותות והבעיה מומרת לבעיית שטח (עם מגבלות מסוימות). המאיץ עשוי להביא למהפכה בזמני חישוב של בעיות קשות להן יש שימוש בתחומים רבים נוספים, עבור סטים של פרמטרים פרקטיים ובעלי ישימות.

מטרת הפרויקט:

בפרויקט, לאחר טעימה מהרקע לבעיה, הבנת הישגי ומגבלות הפתרונות בתוכנה, והכרת המעגל לתכנון בחמרה – תידרשו למדל את החישוב בשפת חמרה (verilog/VHDL), לסנטז ולממש את המעגל על גבי תשתית FPGA. מטרתנו לבחון את ביצועיו ולהשוות לדיווחי ביצועי הפתרונות התוכנתיים שהוצעו בעבר.

במהלך הפרויקט תיחשפו לכלים ותהליך design, תביאו לידי ביטוי ידע בנושא תכנון שבבים ואלגוריתמים, תתנסו בסינטזה על FPGA ומימוש חמרתי ותבצעו אופטימיזציה ובחינה עמוקה.

תכולת הפרויקט:

הפרויקט כולל מספר שלבים:

לימוד רקע תיאורטי על בעיות לדוגמא שהמאיץ פותר, ביצועי דרכי הפתרון בתוכנה הנוכחיים לשם השוואה עתידית והכרת תכנון המעגל המוצע.
סינטזה על FPGA, כתיבת קוד ורילוג (בהנחייה), בקונפיגורציה שמתאימה לבעיות NP קשות כלליות ובקונפיגורציה מצומצמת לבעיה הספציפית exCov.
בניית ממשק קוד לווידוא הפתרונות.
ניתוח ביצועי המאיץ והשוואה לפתרון אלגוריתמי בתכנה.

מדרגה נוספת שמעניין לחוות בפרויקט המחשת שימוש על בעיות קיימות, תוך פירוט תרגום הבעיה לייצוג החשמלי ככניסה לרשת.

קורסי קדם:

יתרון: עקרונות של תכנון מערכות דיגיטליות או בעלי רקע בתכנות VERILOG. (במידה ואין, ניתן ללמוד עצמאית מראש או גם במהלך הסמסטר הראשון VERILOG בסיסי ילמד בקורס מעגלי ומערכות VLSI דיגיטליים, קורס חובה למסלול ננו בסמסטר א')
יתרון אך לא חובה: (רלוונטי לחשמל ומחשבים) אופטימיזציה
יתרון אך לא חובה: (רלוונטי לחשמל ומחשבים) אלגוריתמיקה ומבני נתונים

דרישות נוספות:

מקורות:

T Korten, S Diez, H Linke, DV Nicolau, H and Kugler. Design of network-based biocomputation circuits for the exact cover problem. New J. Physics 23 (8), 085004, 2021..
P. Surendiran, C.R Meinecke, A. Salhotra, G. Heldt, J. Zhu, A. Månsson, S. Diez, D. Reuter, H. Kugler, H. Linke, T. Korten. Solving Exact Cover Instances with Molecular-Motor-Powered Network-Based Biocomputation. ACS Nanoscience Au, 2022..
Qi, X., Yang, J., & Yu, G. (2004). Scheduling problems in the airline industry. In Handbook of scheduling: algorithms, models, and performance analysis (pp. 50-1). CRC Press.

214 Advanced layout obfuscation and logic locking techniques

טכניקות מתקדמות לעמימות מימוש פיסיקאלי של שבבים ונעילה לוגית

שם המנחה: איתמר לוי

אחראי/ת אקדמי/ת: פרופ' איתמר לוי

הרקע לפרויקט:

מעגלים אלקטרוניים המממשים פונקציונליות אבטחתית רגישים למתקפות פיסיקליות על ידי תוקפים פאסיביים ואקטיבים. בעיות חמורות הן גניבת חמרה, שחזור המעגל הלוגי והמבנה הפיסיקלי שלו האמור להיות לא ידוע, יכולת העתקה ויכולת גישה ללוגיקה. במחקר זה אנחנו נממש טכניקות הסתרת הלוגיה מתקדמות המחולקות (בהתאם לצורך) לעולמות התוכן של LOGIC LOCKING ו- LAYOUT OBFUSCATION.

מטרת הפרויקט:

ההישגים יהיו פיתוח ושיפור טכניקות הגנה ידועות וקונבנציונליות.

ההישגים המצופים נגזרים כתוצר ישיר של שלבי הביצוע המתוארים כדלהלן. ובפרט יישום לוגי, יישום פיסיקלי (בכלי סימולציה פיסיקלי), בחינה לוגית של רמת ההגנה והשיפור וכו'.

הכלים - כלי EDA החל מוירטואוזו \ VERILOG A \ סימולציה \וכלי סינטזה ו PLACE AND ROUTE.

מימוש טכניקות מתקדמות ברמה הפיסיקלית להגנה על המעגל.

הסטודנטים יבצעו סקירה ספרותית עמוקה (מאמרים לדוגמא מצורפים).

הסטודנטים יידרשו במימוש פיסיקלי (סינטזה PLACE AND ROUTE) של מעגלים לוגיים נבחרים (כדוגמת מצפין).

הסטודנטים ימשיכו בהוספת שכבת הגנה פיסיקלית בצורת אובפוסקציה (ניתנת לתכנות ולהתאמה POST PROCESS) של VIAS או אלמנטים לוגיים ומתכון (אופציונלית עם מודל של אלמנטים מתקדמים, אולי כמודל VERILOG A) כמו RERAM).

בחינת התוצאה בכלים לוגיים וסימולציונים

ניתוח סיכום ומסכנות

תכולת הפרויקט:

מימוש טכניקות מתקדמות ברמה הפיסיקלית להגנה על המעגל.

הסטודנטים יבצעו סקירה ספרותית עמוקה (מאמרים לדוגמא מצורפים).

הסטודנטים יידרשו במימוש פיסיקלי (סינטזה PLACE AND ROUTE) של מעגלים לוגיים נבחרים (כדוגמת מצפין).

בחינת התוצאה בכלים לוגיים וסימולציונים

ניתוח סיכום ומסכנות

קורסי קדם:

כל סטודנט מוכשר במסלול ננו מתאים.

דרישות נוספות:

ייתרון למביאי "מטען" של תכן מעגלים מתקדם.

מקורות:

Tehranipoor, Mark, et al. "Advances in Logic Locking." Hardware Security: A Look into the Future. Cham: Springer Nature Switzerland, 2024. 53-142.
Kamali, Hadi Mardani, et al. "Advances in logic locking: Past, present, and prospects." Cryptology ePrint Archive (2022).
Abideen, Zain Ul, et al. "An overview of FPGA-inspired obfuscation techniques." ACM Computing Surveys 56.12 (2024): 1-35.
Talukdar, Jonti, et al. "ALT-Lock: Logic and Timing Ambiguity-Based IP Obfuscation Against Reverse Engineering." IEEE Transactions on Very Large Scale Integration (VLSI) Systems 32.8 (2024): 1535-1548.
Subbiah, Karthik, and Sujatha Chinnathevar. "A Survey on Logic-Locking Characteristics and Attacks." Journal of The Institution of Engineers (India): Series B 105.4 (2024): 1073-1087.
Kadiyam, Tirumala Rao, et al. "FeSATLock: An Energy Efficient and SAT Attack Resilient Logic Locking Design with FeFET LUT Architecture for Enhanced Hardware Security." IEEE Access (2025).
Wang, Yuhang, Song Jin, and Tao Li. "A low cost weight obfuscation scheme for security enhancement of ReRAM based neural network accelerators." Proceedings of the 26th Asia and South Pacific Design Automation Conference. 2021.
Karn, Rupesh Raj, Johann Knechtel, and Ozgur Sinanoglu. "Obfuscation of FSMs for Secure Outsourcing of Neural Network Inference onto FPGAs." 2024 IEEE International Symposium on Circuits and Systems (ISCAS). IEEE, 2024.
Karn, Rupesh Raj, Johann Knechtel, and Ozgur Sinanoglu. "Logic Locking for Random Forests: Securing HDL Design and FPGA Accelerator Implementation." International Conference on Information Systems Security and Privacy. Vol. 2. Science and Technology Publications, Lda, 2025.

215 Natural Synchronization of a Grid of Ring Oscillators on an FPGA

סנכרון טבעי של מתנדים טבעתיים בסבכה בFPGA

שם המנחה: יונתן קופר

אחראי/ת אקדמי/ת: פרופ' איתמר לוי ומוטי מדינה

הרקע לפרויקט:

הפרויקט עוסק במימוש מודל לסנכרון טבעי של אוסילטורים, ומטרתו יישום מעשי של מערך אוסילטורים בטכנולוגיית FPGA. במסגרת הפרויקט יבנה מערך פיזי של Ring Oscillators בסידור מטריצה בגודל 5X5 בשפת חמרה (תחת התניות חמרה ואילוצים מיוחדים). הסטודנטים ימדדו סנכרון טבעי ברמות שונות, בתנאים שונים ובמרחקים משתנים.

מטרת הפרויקט:

מטרת הפרויקט היא לפתח וליישם מערך של 25 Ring oscillators (או יותר) על FPGA, על מנת לחקור תופעת סנכרון טבעי כתלות במרחק הפיזי בין האוסילטורים. ישנם אתגרים רבים בפרויקט, מעבר להבנה, אתגרים מעשיים וטכניים שדרכם הסטודנטים ילמדו חמרה, מימוש אך גם יתמודדו עם אילוצי מערכת פיסיקלית אמיתית, אותות בתדרים גבוהים מאוד, הנחתות וחיבור לציוד מדידה.

מימוש מערך של אוסילטורים על FPGA, בשפה ביהביורלית וגם מימוש מאולץ לאבני בניין בחמרה (תחת מגוון תנאים).
מדידת סנכרון האוסילטורים כתלות במרחק ובמיקום במערך וכפונקציה של אילוצים לוגיים של טכלאות האמת היוצרות אותם המעלים את רמת הצימוד ביניהם והסנכרון.
אבלואציה של קריאת האותות מהרכיב זו בעיה קשה.נתמודד עמה במגוון שיטות, הורדת תדר המתנדים עצמם, הגברת האות פנימית ברכיב, הורדת תדר לאחר ייצור (ובדיקה שפרמטרי סנכרון עדיין ניתנים לבחינה מבחוץ ובקצב מספיק מהיר).
דו״ח טכני המנתח את תוצאות המדידות.
המלצות לשיפור ומחקר עתידי.

תכולת הפרויקט:

הסטודנטים בפרויקט יבצעו את המטלות הבאות לפי סדר התקדמות הפרויקט:

סקירת ספרות ולימוד רקע תאורטי
תכנון ומימוש של Ring Oscillator
שכפול ומימוש מערך של אוסילטורים
הטמעה של המערך על FPGA
ביצוע מדידות סנכרון בנקודות שונות ובמרחקים משתנים בתוך המערך
ניתוח הנתונים והכנת דוח מסכם

קורסי קדם:

83612 מעגלים ומערכות VLSI דיגיטליים

תכן לוגי

מבוא למעגלים

דרישות נוספות:

מקורות:

מקורות (וחומר בסיסי למימוש) יינתנו למתאימים

216 Characterization of Advanced Protection Mechanisms Against Fault Injection Hardware Attacks

אפיון מנגנוני הגנה חדישים כנגד התקפות חומרה מסוג החדרת כשלים

שם המנחה: דניאל דובקים

אחראי/ת אקדמי/ת: פרופ' איתמר לוי

הרקע לפרויקט:

התקפות חומרה (Hardware Attacks) הן איום ממשי על מערכות קריפטוגרפיות ורכיבי עיבוד במכשירים מודרניים, שכן הן מאפשרות לתוקפים לעקוף הגנות לוגיות באמצעות ניצול חולשות פיזיות של הרכיב. התקפות אלו מאפשרות גישה למידע סודי כמו מפתחות הצפנה מידע רגיש ועוד. בעידן שבו אבטחת חומרה קריטית להגנה על מידע אישי, תעשייתי ובטחוני, הבנת התקפות חומרה והגנה מפניהן היא חיונית להמשך פיתוח של מערכות מאובטחות.

החדרת כשלים אלקטרומגנטיים (Electromagnetic Fault Injection – EMFI) היא טכניקת תקיפה שבה התוקף משתמש בפולסים אלקטרומגנטיים חזקים וממוקדים כדי להפריע לפעולת הרכיב ולגרום לו לבצע שגיאות מתוזמנות. הטכניקה מאפשרת לעקוף מנגנוני אבטחה באמצעות גרימת שגיאות חישוב, השמטת הוראות, או קבלת גישה לאזורי זיכרון מוגנים על ידי שינוי זמני מעבר של מעגלים או מתחי אספקה פנימיים באופן רגעי. הייחודיות של EMFI טמונה בדיוק הגבוה שהיא מאפשרת מבחינת תזמון ומיקום, יחד עם העובדה שהיא אינה מצריכה מגע ישיר עם המעגל, מה שהופך אותה לכלי תקיפה יעיל במיוחד במבחני חדירה ואימות עמידות חומרה.

כלובי מתכת, המכונים גם כלובי פאראדיי (Faraday Cages), משמשים כמנגנון הגנה פיזי להגנה מפני התקפות אלקטרומגנטיות ופליטת קרינה העלולה לשמש להדלפת מידע או להחדרת כשלים. הכלוב פועל כחסם אלקטרוסטטי ואנטי-רזוננס, ומפזר את השדות החשמליים והאלקטרומגנטיים סביב המעגל כך שהם אינם חודרים פנימה או יוצאים החוצה. שילוב כלובים אלו במארזי רכיבים קריפטוגרפיים או סביב אזורים רגישים בלוחות אם יכול להפחית את רמת הקרינה הנפלטת ולהקשות על תקיפות מסוג EMFI וכן על תקיפות ערוץ צדדי מבוססות קרינה, ומהווה שכבת הגנה נוספת כחלק מגישה של הגנה בעומק במערכות חומרה מאובטחות.

שבב הleo-secure 1 פותח בפקולטה להנדסה בר-אילן מס' ליבות ניסיוניות מתקדמות, הכוללות ביניהן מימוש של כלוב פאראדיי ברמת הסיליקון כדי להגן על מצפינים הן מיריבים פאסיביים ואקטיביים.

מטרת הפרויקט:

ניתוח אנליטי איכותי וכמותי של מנגנוני ההגנה המובנים בשבב leo secure 1 . ניתוח תוצאות עמוק וקריאת הספרות הקודמת וניתוח אנליטי של מנגנוני ההגנה והטראיידאוף ביניהם, ניתוח אבטחה כפונקציה של פרמטרים חשמליים

תכולת הפרויקט:

תוכן הפרויקט:

סקירה ספרותית ולמידה מעמיקה של התקפות חומרה מסוג החדרת כשלים אלקטרומגנטיים, כפי המוצע ב[1]
סקירה ספרותית של מגנים תוך סיליקוניים כפי הממומש ב[2]
התקפות חומרה על שבב leo_secure1
ניתוח התוצאות באמצעות והסכת מסכנות על יעילות ההגנות כנגד ההתקפה

קורסי קדם:

מערכות מוטמעות, פיסיקה (חשמל) 2,

דרישות נוספות:

הכרות מעמיקה עם python, C ומערכות מוטמעות ויתרון למי שעשה אחד הקורסים של מבוא לאבטחת חומרה

מקורות:

Fault Injection Attacks on Cryptographic Devices: Theory, Practice, and Countermeasures
Refined Analytical EM Model of IC-Internal Shielding for Hardware-Security and Intra-Device Simulative Framework

217 Design and Enhancement of Laser Fault Injection System for Silicon Devices and Improving Fault Attacks

תכנון ושיפור מערכת להזרקת שגיאות למעגלים משולבים בעזרת לייזר

שם המנחה: אור נחום

אחראי/ת אקדמי/ת: פרופ' איתמר לוי

הרקע לפרויקט:

תקציר הפרויקט: תכנון, הנדסת מערכת ושיפור המאפיינים הקיימים במערכת לייזר להזרקת כשלים במעגלים משולבים. לקיחת אבטיפוס קיים של לייזר רב עוצמה והפיכתו למערכת מודרנית, רובסטית ודינמית שתוכל לתקוף ולחלץ מידע רגיש משבבים שונים בטכנולוגיות שונות (28 ננומטר, 65 ננומטר, 180 ננומטר, וכו׳) ועם ארכיטקטורות זכרון שונות (זכרון נדיף, זכרון פלאש, רגיסטרים, וכו׳) על ידי קריאת ערוץ הצד ועקיפת מגבלות ההגנה הקיימות של השבבים.

מטרת הפרויקט:

מטרת הפרויקט: מטרת הפרויקט היא לקיחת אבטיפוס קיים של מערכת הלייזר והפיכתו למערכת דינמית, רובסטית וגמישה שיכולה לתקוף שבבים בטכנולוגיות שונות ובעלי ארכיטקטורה שונה. המערכת הקיימת הוקמה כדי להתמודד עם שבב ספציפי בטכנולוגיה ספציפית עם תכן לוגי ספציפי - מטרת הסטודנטים תהיה לקחת את המערכת הקיימת (על שלל הספריות שלה והפונקציות השונות - לייזר רב עוצמה, מנוע מכני ללייזר, אוסילוסקופ, מחשב שולחני, ספק מתח חיצוני, ועוד) ולהתאים אותה ל2025 ואילך. הסטודנטים יתנסו בהזרקת כשלים לשבבים שונים והתאמת המערכת לאיסוף המידע דרך ערוץ הצד (מדידות זרם, מתח והספק), ניתוח הנתונים ויצירת ממשק נוח לתוקף שיאפשר שימוש גמיש ואדפטיבי עבור שבבים שונים בשנים הבאות. הסטודנטים יתנסו בהנדסת מערכת ברמה המתקדמת והמתוחכמת ביותר שקיימת היום בתעשיית השבבים ויקחו מערכת קיימת עם רכיבים מתקדמים ויהפכו אותה לבעלת יכולות טובות יותר מרוב חברות השבבים המובילות (אינטל, קוואלקום, אנבידיה, וכו׳).

תכולת הפרויקט:

תכולת הפרויקט: הנדסת מערכת, הזרקת כשלים בלייזר, כתיבת קוד בפייתון ומטלאב, עטיפת דרייברים של רכיבי חומרה (אוסילוסקופ, ספק מתח, מנוע לייזר מכני, דיודת לייזר, אופטיקה ומצלמת אינפרא-אדום), ניתוח נתונים (ביג דאטה).

קורסי קדם:

קורסי תכנות בסיסיים, קורס בפייטון, תכן לוגי

דרישות נוספות:

שליטה בסביבת תכנה מורכב, שליטה בפייטון, הבנת חמרה ודרייברים, יכולת אנליטית לניתוח דאטה (וייתרון לאנליזת דאטה גדול), ייתרון גם למי שלקח \יקח אחד הקורסים בחמרה בטוחה

מקורות:

Ultra high precision circuit diagnosis through seebeck generation and charge monitoring , Key Extraction Using Thermal Laser Stimulation , Laser Logic State Imaging (LLSI) , Real-World Snapshots vs. Theory: Questioning the t-Probing Security Model

314 Incorporation of fiber-based water leakage detector

שילוב סיבים אופטיים לניטור נזילות מים מצינורות

שם המנחה: יפים ביידרמן

אחראי/ת אקדמי/ת: פרופ' זלבסקי זאב

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:

ביצוע ניסויים ופיתוח שיטה נומרית לניתוח דאטה

תכולת הפרויקט:

ביצוע ניסויים וניתוח דאטה

קורסי קדם:

מבוא לאופטיקה

מקורות:

J. Philosof, Ye. Beiderman, S. Agdarov, Ya. Beiderman and Z. Zalevsky, “Optical multimode fiber-based pipe leakage sensor using speckle pattern analysis,” Sensors 2023, 23, 8634 (2023)."

315 Extraction of Optical Properties in Semi-Infinite Phantoms with Single- and Multi-Layered Configurations Using Diffuse Reflectance and a Self-Calibration Point

שימוש במדידת ההחזר הדיפוזיבי ובנקודת כיול עצמית לחילוץ תכונות אופטיות של פנטומים חצי אינסופיים ורב-שכבתיים

שם המנחה: אלון צרויה

אחראי/ת אקדמי/ת: פרופ' דרור פיקסלר

הרקע לפרויקט:

במערכות אופטיות הפועלות בסביבה מפזרת, החזר האור הדיפוזיבי מושפע מתהליכי פיזור ובליעה. בעוד שהפיזור שולט בהתפשטות האור ובערבוב כיוונים, הבליעה משנה את עומק החדירה של הפוטונים. מדידה נכונה של התכונות האופטיות חשובה לפיתוח שיטות לא חודרניות למגוון רחב של נושאים, בינהם ניטור ביו-רפואי. בפרויקט זה נעשה שימוש במספר טכניקות כדי למדוד נכון את התכונות האופטיות של טווח מחקה רקמה בעל שכבות שונות. נשתמש בקיטוב האור כדי להעריך את הפיזור ולהפריד בין שכבות שונות. בנוסף לכך, נמדוד את פרופיל ההחזרה של האור מהרקמה ונעשה שימוש בנקודת כיול עצמית, ייחודית למעבדה שלנו, ונשתמש בה על מנת לחוש את הבליעה. בכך נקבל מעטפת מידע שלמה אודות הרקמה.

מטרת הפרויקט:

שימוש במדידות החזר אור מקוטב ובנקודת כיול עצמית למדידת התכונות האופטיות של דוגמאות מחקות רקמה חצי־אינסופיות ורב־שכבתיות.

תכולת הפרויקט:

במסגרת הפרויקט הסטודנטים יתחילו בכך שיחלצו את המידע עבור דוגמאות חד שכבתיות בעלות תכונות אופטיות משתנות. לאחר מכן, יוכנו פנטומים חצי־אינסופיים ורב־שכבתיים עם תכונות אופטיות מבוקרות ושונות בין שכבות, ויבוצעו מדידות של ההחזר הדיפוזיבי באמצעות מערכת אופטית קיימת. במקביל יעשה שימוש בסימולציית מונטה-קרלו קיימת כדי לבחון את השפעת הפיזור והבליעה על ההחזר.

קורסי קדם:

מבוא לאופטיקה

דרישות נוספות:

מבוא לנוירופוטוניקה, גלאים

מקורות:

Tzroya, Alon, Hamootal Duadi, and Dror Fixler. ""Extracting Superficial Scattering by Q‐Sensing Technique."" Journal of Biophotonics (2024): e202400262.
Duadi, H.; Feder, I.; Fixler, D., Linear dependency of full scattering profile isobaric point on tissue diameter. Journal of biomedical optics 2014, 19 (2), 026007.
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.
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.
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).
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."

316 Integrated Detection of Nanoplastics and Environmental Contaminants Using Polarized Diffuse Reflectance with Self-Calibration Point

זיהוי ננופלסטיקים ומזהמים סביבתיים באמצעות החזר דיפוזיבי, נקודת כיול עצמית וקיטוב האור

שם המנחה: אלון צרויה

אחראי/ת אקדמי/ת: פרופ' דרור פיקסלר

הרקע לפרויקט:

הצטברות מזהמים סביבתיים, ובפרט ננופלסטיקים, במים ובקרקע מהווה איום ממשי לבריאות הציבור ולמערכות אקולוגיות. איתורם בריכוזים נמוכים הוא אתגר מתמשך, שכן השיטות הקיימות מתקשות להפריד באופן חד משמעי בין תרומת הפיזור לבליעה בצורה זולה, יעילה ומדויקת המתאימה לעבודה בשטח בזמן אמת. שילוב של החזר דיפוזיבי עם נקודת כיול עצמית וקיטוב האור מציע גישה ייחודית להפרדת תהליכים אלה, ומאפשר סיווג רגיש ומדויק יותר של מזהמים. פרויקט זה יתמקד כולו בביצוע ניסויים מדויקים לצורך פיתוח כלי אמין במטרה לזהות ננופלסטיקים ומזהמים אורגניים נוספים בסביבות מים ואדמה.

מטרת הפרויקט:

פיתוח והדגמת שיטה אופטית המבוססת על החזר דיפוזיבי, נקודת כיול עצמית וקיטוב האור, לצורך זיהוי וסיווג ננופלסטיקים ומזהמים סביבתיים אחרים במים ובקרקע, על בסיס מדידות ניסוייות וגישות חישוביות.

תכולת הפרויקט:

במסגרת הפרויקט יוכנו דוגמאות מים ואדמה המכילות ננופלסטיקים ומזהמים נוספים בריכוזים מבוקרים. יבוצעו מדידות החזר דיפוזיבי תוך שימוש במקטבים לניתוק תרומות הפיזור השטחי מהפיזור העמוק. בנוסף, תיושם נקודת כיול עצמית שתאפשר חילוץ של התכונות האופטיות של הדגימה ושל המזהם. הנתונים הניסוייים ישמשו לזיהוי ולסיווג מזהמים בריכוזים נמוכים ולבחינת היכולת של השיטה להפריד בין סוגי מזהמים שונים.

קורסי קדם:

מבוא לאופטיקה

דרישות נוספות:

גלאים

מקורות:

1. Duadi, H.; Feder, I.; Fixler, D., Linear dependency of full scattering profile isobaric point on tissue diameter. Journal of biomedical optics 2014, 19 (2), 026007.

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.; Fixler, D., Single wavelength measurements of absorption coefficients based on iso-pathlength point. Biomedical optics express 2020, 11 (10), 5760-5771.

4. 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).

5. 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.

6. Organization, W. H., Guidelines for drinking-water quality: incorporating the first and second addenda. World Health Organization: 2022.

7. Zulkifli, S. N.; Rahim, H. A.; Lau, W.-J., Detection of contaminants in water supply: A review on state-of-the-art monitoring technologies and their applications. Sensors and Actuators B: Chemical 2018, 255, 2657-2689."

317 Examining the realization of quantum cryptography in a multinode photonic network

בחינת מימושים של הצפנה קוונטית ברשת פוטונית מרובת צמתים

שם המנחה: יובל עידן

אחראי/ת אקדמי/ת: פרופ' אליהו כהן

הרקע לפרויקט:

הפצת מפתחות סודיים באמצעות מצבים קוונטיים של אור ידועה בתור שיטת הצפנה בטוחה אשר מהווה מסלול התקדמות אפשרי לשיפור האבטחה ב-data centers. עם זאת, כאשר מספר הצמתים גדל ומתווספים שיקולים פיזיקליים שקשורים למימוש רשתי לא אידאלי, מתפתח סיכון להאזנות שקשה לגלות. הפרויקט יחקור מימושים אופטיים חדשניים מהסוג הזה ויאמוד את רמת האבטחה שהם מאפשרים.

מטרת הפרויקט:

בחינת אופן המימוש הפיזיקלי של הפצת מפתחות סודיים באמצעות מצבים פוטוניים שזורים וכן את המתקפות האפשריות על מימוש זה, בדגש על מגבלות פרקטיות שכוללות cross-talk, סנכרון, יעילות גלאי מוגבלת, איבודים, רעש ועוד. התוצר יהיה פרוטוקול אופטי, מגובה בסימולציה, אשר ידגימו מימוש רשתי של הפצת מפתחות סודיים.

תכולת הפרויקט:

סקר ספרות ראשוני יכלול הכרה של האלגוריתמים ושל החומרה הרלוונטיים. אחריו יבוצע סקר סיכונים וימופו האיומים האפשריים. כנגד האיומים, יגובש פרוטוקול ותיבחר חומרה שתמזער את הסיכוי לזליגת מידע. הסטודנטים יבצעו חישובים אנליטיים וסימולציות מטלב שיצביעו על רמת אבטחה גבוהה של הפצת מפתחות, כלומר, את היכולת לגלות בסיכוי גבוה ניסיונות האזנה.

קורסי קדם:

יש לקחת את הקורס מבוא לאינפורמציה קוונטית וחישוב קוונטי (אפשר במקביל)

דרישות נוספות:

הכרות עם אינפורמציה קוונטית, תקשורת אופטית

מקורות:

ניתן להתרשם מניתוח דומה שביצענו כאן: https://advanced.onlinelibrary.wiley.com/doi/10.1002/qute.202300437"

318 Weight-based quantum error correction

תיקון שגיאות קוונטיות בהתבסס על משקלים

שם המנחה: יובל עידן

אחראי/ת אקדמי/ת: פרופ' אליהו כהן

הרקע לפרויקט:

מחשבים קוונטיים מאפשרים לממש אלגוריתמים מסויימים באופן מאוד יעיל ובכך פותחים הרבה הזדמנויות מעניינות. עם זאת, הם מחייבים תיקון שגיאות מורכב ואינטנסיבי שמצריך יתירות משמעותית. השאיפה שלנו בפרויקט זה לבצע אופטימזציה של תיקון השגיאות באופן שחלוקת המשאבים תתבצע בהתאם למשקל של כל קיוביט במחשב הקוונטי.

מטרת הפרויקט:

המטרה היא לנסח לפחות שני קריטריונים שונים שמאפשרים מתן ""משקל"" לכל קיוביט ובהתאם להם להקצות את משאבי תיקון השגיאות באופן חסכוני ויעיל. התוצר יהיה הדגמה של הפרוטוקול המלא ע""ג מחשב קוונטי מרוחק באופן שיעקוף את הביצועים של אלגוריתמים מתקני שגיאות שהם לא ""ממושקלים"".

תכולת הפרויקט:

היכרות עם המדדים המועמדים שלנו: אינפורמציית פישר וערכים חלשים. חישוב מדדים אלו עבור קיוביטים במעגלים קוונטיים ידועים. התאמה בין המדדים הללו לבין encoders קיימים כך שהיתירות תחולק בהתאם למשקל של כל קיוביט. בחינת הביצועים בסימולציות ובאמצעות הרעשה של חומרה קוונטית מרוחקת של IBM.

קורסי קדם:

מבוא לאינפורמציה קוונטית וחישוב קוונטי (אפשר גם במקביל)

מקורות:

ניתן להיעזר ב- https://journals.aps.org/pra/abstract/10.1103/PhysRevA.104.012610