Développement de capteurs CMOS pixelisés avec réseau de neurone artificiel intégré
Langue Anglais
Accéder à la thèse :

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Zhao, Ruiguang
Date de soutenance : 20-12-2019

Directeur(s) de thèse : Hu, Yann

Président : Courtin, Sandrine
Rapporteur(s) : La Taille, Christophe de - Berry, François
Membre(s) du jury : Prigent, Michel - Besson, Auguste

Établissement de soutenance : Strasbourg
Laboratoire : Institut pluridisciplinaire Hubert Curien (Strasbourg ; 2006-....)
École doctorale : École doctorale Physique et chimie-physique (Strasbourg ; 1994-....)
 
Discipline : Électronique, microélectronique, photonique
Classification : Physique

Mots-clés libres : Physique des Hautes Energies, Capteurs à Pixels CMOS, Réseaux Neuronaux artificiels, FPGA, Recherche de Cluster
Mots-clés :
  • Collisionneurs linéaires
  • Capteurs d'images CMOS
  • Détecteurs à semiconducteurs
  • Réseaux neuronaux (informatique)
Résumé : Dans le détecteur de vertex de l'ILC (International Linear Collider), un nombre élevé d'impacts supplémentaires seront générés par des électrons résultant de processus liés au bruit de fond des faisceaux. Leur impulsion se trouve typiquement est inférieure à celle des particules issues d'événements associés à des processus physiques. Notre groupe à l'IPHC a proposé d'explorer le concept d'un capteur à pixels CMOS avec des ANNs intégrés pour marquer et supprimer les pixels touchés (hits) générés par ces électrons.Au cours de ma thèse de doctorat, je me suis concentré sur l'étude d'un capteur à pixels CMOS avec des ANNs intégrés portant sur les aspects suivants :1. L'implémentation de modules de prétraitement et d'un ANN dans un composant FPGA pour l'étude de faisabilité ; 2. Un algorithme pour la recherche de clusters, qui fait partie des modules de prétraitement, a été proposé en vue d'être intégré dans la conception de l'ASIC.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2019STRAE050
Type de ressource : Thèse