Madrid, Community of Madrid, Spain
Doctor en Ingeniería -Procesamiento de Señaes e Imágenes- e Ingeniero Electrónico por la Universidad Tecnológica Nacional Facultad Regional Buenos Aires (UTN-FRBA, Argentina). Actualmente trabajo en fiabilidad de semiconductores (CMOS) y en la aplicación de memorias resistivas (RRAM) en la implementación de circuitos neuromórficos CMOS (redes neuronales en hardware) aplicados al reconocimiento de patrones
● Electrical characterisation of non-volatile memory (NVM) devices ● Design of (semi)-automated characterisation tests ● Data extraction, analysis and report generation ● Development of device phenomenological behaviour based on empirical data ● Development of compact circuit models based on empirical data ● Development and optimisation of NVM operation procedures ● Analysis of device operation and failure models based on test results and design of possible failure mitigation strategies
Posición en el Departamento de Ingeniería Electrónica Redes Neuronales: ● Simulación realista de circuitos neuromórficos basados en la integración RRAM+CMOS, destinados a tareas de reconocimiento de patrones. Desarrollo de un flujo de diseño y simulación combinando MATLAB-SPICE (HSPICE / FineSim) y Python. ● Scripting mediante Tcl / BASH / MATLAB / Python (incluyendo Tensorflow-Keras) para la automatizaciónde simulaciónes. Manejo de herramientas para control de versiones: Git / SVN / Mercurial. ● Utilizaciónde redes neuronales para el reconocimiento de patrones, ajuste y predicción de datos, análisis de clusters y reducción de dimensionalidad (MATLAB / Python -Tensorflow/Keras-). Física de dispositivos: ● Estudio de memorias resistivas de acceso aleatorio (RRAM) mediante herramientas de caracterización eléctrica (I-V, I-t) y estadísticas. ● Adquisición y procesamiento de señales utilizando MATLAB ● Modelado compacto de RRAM en SPICE Otras tareas ● Publicación de hallazgos / resultados
Posición en el Departamento de Ingeniería Electrónica Redes Neuronales: ● Simulación realista de circuitos neuromórficos basados en la integración RRAM+CMOS, destinados a tareas de reconocimiento de patrones. Desarrollo de un flujo de diseño y simulación combinando MATLAB-SPICE (HSPICE / FineSim) y Python. ● Scripting mediante Tcl / BASH / MATLAB / Python (incluyendo Tensorflow-Keras) para la automatizaciónde simulaciónes. Manejo de herramientas para control de versiones: Git / SVN / Mercurial. ● Utilizaciónde redes neuronales para el reconocimiento de patrones, ajuste y predicción de datos, análisis de clusters y reducción de dimensionalidad (MATLAB / Python -Tensorflow/Keras-). Física de dispositivos: ● Estudio de memorias resistivas de acceso aleatorio (RRAM) mediante herramientas de caracterización eléctrica (I-V, I-t) y estadísticas. ● Adquisición y procesamiento de señales utilizando MATLAB ● Modelado compacto de RRAM en SPICE Otras tareas ● Publicación de hallazgos / resultados
Cursos: ● introducción al diseño VLSI (2018-presente): Análisis, diseño y simulación de circuitos CMOS analógicos. Diseño de Layout. Curso semestral desarrollado en el 1er semestre. Tareas: ● Soporte de herramientas EDA (responsable del entorno de herramientas EDA para diseño de ASICs): Tanner EDA, Synopsys tools y Mentor Graphics. ● Preparación y dictadod de clases teóricas. ● Preparación de clases prácticas y guías de ejercicios.
Cursos: ● Electrónica Aplicada I (2017-presente): Análisis, diseño y simulación de circuitos lineales con componentes activos (CMOS / TBJ). Curso semestral desarrollado en el 2do semestre. Tareas: ● Soporte de herramientas EDA (SPICE / MATLAB) ● Preparación de clases prácticas y guías de ejercicios. ● Preparación de clases teóricas en lo relacionado a dispositvos CMOS
Posición en el Laboratorio de Micro- y Nano-electrónica y Física de Dispositivos. Diseño CMOS (ASIC): ● Diseño de circuitos integrados (ASICs) CMOS: Analog y Mixed-Signal (AMS) design en los nodos de 500,180 and 130 nm (herramientas de Synopsys tools, Mentor Graphics y Tanner EDA). ● Scripting en Tcl, BASH, MATLAB y Python para automatización de simulaciones. Manejo de herramientas para control de versiones: Git / SVN / Mercurial. ● Simulación SPICE de circuitos VLSI de señal mixta / digitales para implementar modelos de degradación en transistor level (TDDB, NBTI, PBTI, HCI): Verilog + FastSPICE (FineSIM) Redes neuronales: ● Simulación realista de circuitos neuromórficos basados en integracción RRAM+CMOS para reconocimiento de patrones: Integración en un flujo combinando MATLAB - SPICE (HSPICE / FineSim) - Python (TensorFlow). ● Utilización de redes neuronales para tareas de reconocimiento de patrones, ajuste de curvas, análisis de clusters y reducción de dimensionalidad (MATLAB / Python / TensorFlow) Fiabilidad de smiconductores: ● Fiabilidad de semiconductores: Estadística de ruptura y degradación paramétrica. ● Caracterización eléctrica (C-V, I-V, V-I, I-T) de dispositivos MOS / MiM, incluyendo sustratos convencionales (Si) y de alta mobilidad (III-V / Ge) y dieléctricos (SiO2 / high-K) ● Experimentos de irradiación localizada con iones-pesados en analog ASICS (estudio de ASET) y dispositivos MIM de prueba. ● Automatización (LabVIEW+MATLAB) de setups de medición de laboratorio (Osc. + SMU + analizador de impedancias + amp. Lock-In + gen. de pulsos, etc.) ● Adquisición y procesamiento de señales mediante MATLAB. Otros: ● Colaboraciones internacionales (Singapur, Israel, Italia, España, Arabia Saudi, Uruguay) ● Publicaciones y presentaciones en congresos y conferencias (ver "Publicaciones") ● Instalación y manteamiento de los servidores para diseño CMOS, incluyendo las herramientas de diseño (EDA tools, Mentor Graphics, Synopsys tools, Tanner Tools).
Posición en el Departamento de Ingeniería Electrónica Redes Neuronales: ● Simulación realista de circuitos neuromórficos basados en la integración RRAM+CMOS, destinados a tareas de reconocimiento de patrones. Desarrollo de un flujo de diseño y simulación combinando MATLAB-SPICE (HSPICE / FineSim) y Python (Tensorflow - Keras). ● Scripting mediante Tcl / BASH / MATLAB / Python para la automatizaciónde simulaciónes. Manejo de herramientas para control de versiones: Git / SVN / Mercurial. ● Utilizaciónde redes neuronales para el reconocimiento de patrones, ajuste y predicción de datos, análisis de clusters y reducción de dimensionalidad (MATLAB / Python -Tensorflow/Keras-). Física de dispositivos: ● Estudio de memorias resistivas de acceso aleatorio (RRAM) mediante herramientas de caracterización eléctrica (I-V, I-t) y estadísticas. ● Adquisición y procesamiento de señales utilizando MATLAB ● Modelado compacto de RRAM en SPICE Otras tareas ● Publicación de hallazgos / resultados.