Wir suchen für das Wintersemester 2021/22 Tutorinnen und Tutoren für das Elektrotechnische Praktikum 2

Einstellungszeitraum: 1. Oktober 2021 – 28. Februar 2022

Der Vertrag wird über 4 Wochenstunden und 5 Monate (insgesamt ca. 80 Stunden) abgeschlossen.
Die Vorbereitung auf den jeweiligen Versuch, werden mit diesem Stundenkontingent verrechnet.

Es besteht die Möglichkeit, Credit Points für ein Tutorium entsprechend BPO zu erwerben.

Formale Voraussetzungen:

• Deutsche Sprache in Wort und Schrift
• Sie sollten mindestens das ET2 Praktikum erfolgreich absolviert haben

Praktische Voraussetzungen:

• Erfahrungen im Bereich Messtechnik, unter anderem der Umgang mit Multimeter und einem Oszilloskop von Vorteil.
• eine frühere Betreuung von Schülern oder Studenten vorteilhaft
• gute Noten vorteilhaft

Bewerbungsfrist: 30. Juli 2021

Bewerbungsunterlagen (Motivationsschreiben, Notenspiegel) bitte an: Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!

VLSI-DF:

Please note that the examination of core modules takes place in written form. 31/07/2021 Exam: 12:00  - 13:30, Online Take home Exam: Duration: 90 min The examination is scheduled to start at 12:00. Validation of ID and working environment begins 45min before. Non-programmable and non-graphic calculators are allowed. Further details will follow.

CAR-F:

Please note that the examination of core modules takes place in written form. 02/08/2021 Exam: 14:00  - 15:30, Online Take home Exam: Duration: 90 min The examination is scheduled to start at 14:00. Validation of ID and working environment begins 45min before. Non-programmable and non-graphic calculators are allowed. Further details will follow.

Zur Unterbrechung der Infektionswege des Coronavirus, möchten auch wir unseren Beitrag leisten.
Daher werden auch bei uns die Kontakte auf ein Minimum beschränkt. Dies führt zu folgenden Einschränkungen.
Wir danken für Ihr Verständnis!

Verfügbarkeit des Sekretariats

Wir bitten um eine Kontaktaufnahme per Email: Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!
Persönliche Termine können auf diesem Wege vereinbart werden.

Vorlesungen und Übungen

Auf Grund der generellen Regelungen zum Vorlesungsbetrieb an der RWTH werden auch am IDS die Vorlesungen, Übungen und Praktika bis auf Weiteres nur online stattfinden. Achten Sie auf weitere Informationen dazu.

CIP-Pool

Der CIP-Pool bleibt bis auf Weiteres geschlossen.

Since 2019, the chair of Integrated Digital Systems (IDS) participates in the “Advanced Computing Architectures” (ACA, Fig. 1) project that targets the accelerated simulation of biological neural networks. As much as science has discovered about the various electro-chemical processes in the brain, it remains still a secret of how it all adds up to create intelligence. To further advance the understanding, an essential step is the emulation of learning processes in the brain. As for a human it takes years, researchers need fast “turn-around times” to validate their assumptions in simulation. Furthermore, they would like to sweep parameters to find the best fit between the simulation results and data observed in nature.

Best-in-class HPC systems provide a simulation speed that more-or-less matches biological real-time. Within the ACA project, we target a 100x acceleration factor for biological networks of relevant complexity, i.e. covering about 10% of the human cortex down to detailed biological neuron models.

As a first step, we analyzed the challenge of communicating the spike information of the 10⁹ neurons to its 10⁴ ‘followers’ each. The work relies on various modelling efforts of the communication requirements and supportive hardware infrastructure [Kau20]. For benchmarking, it also requires a model of the biological communication network – the connectome (cf. Fig. 2 a sketch of such model). This simulation based exploration is supported with a physical cluster of FPGA boards (see Fig. 3 – provided by the Research Center Jülich) to emulate future system capabilities in order to calibrate the derived models.

Targeting the scientific community, it largely differs from the application oriented artificial neural networks as used for big data processing today. However, one day we foresee these efforts to converge providing artificial general intelligence to digital systems in our daily lives.

[Kau20] K. Kauth, T. Stadtmann, R. Brandhofer, V. Sobhani and T. Gemmeke, “Communication Architecture Enabling 100x Accelerated Simulation of Biological Neural Networks”, Proc. ACM/IEEE Int. Workshop on System-Level Interconnect Problems and Pathfinding (SLIPˆ2), 2020. doi: 10.1145/3414622.3431909

Wenn Sie Interesse an einer Mitarbeit in unseren Forschungsgruppen haben, wenden Sie sich bitte an das Sekretariat (Frau Trierweiler) unter Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!