Corso di laurea

Electronic engineering for intelligent vehicles

Università degli studi di Bologna · 109 materie · 0 file condivisi

Ecco tutti i dettagli sul corso di laurea selezionato. Sul UniDocs troverai gli appunti condivisi dagli altri studenti del tuo corso di laurea, ordinati per materia. Ricordati che per poter visualizzare il materiale devi essere registrato al sito e possedere un numero di crediti sufficiente.

Sfoglia il materiale didattico

Con UniDocs hai l'opportunità di studiare insieme a tutto il tuo corso di laurea. Guadagna subito dei crediti, carica il materiale del tuo ultimo esame!
Più condividi, più tempo avrai per studiare con tutta la community!

Materie del corso

ANALOG CIRCUITS AND SENSOR SYSTEMS M 1° anno · 2° semestre · 9 CFU · ING-INF/01 · 0 file

Fundamentals of analog interface design: how to bridge the physical and digital worlds. Application examples will include signal conditioning systems for pressure, temperature and optical sensors. Detailed contents:…

Scheda dell'insegnamento

Obiettivi formativi

Fundamentals of analog interface design: how to bridge the physical and digital worlds. Application examples will include signal conditioning systems for pressure, temperature and optical sensors. Detailed contents: Operational amplifiers and review of basic linear op-amp circuits, Voltage/current references, Instrumentation Amplifiers, I/V and V/I conversion, charge amplifiers, Active Filters, Noise in analog circuits, A/D and D/A converters, Signal integrity, EMI/EMC.

Programma

L'obiettivo di questo corso consiste nel fornire un'introduzione alla progettazione di circuiti integrati e sistemi analogici.
In particolare sono trattati i seguenti argomenti:
Modelli analitici dei transistor ed effetti reattivi; impiego del simulatore circuitale SPICE. Stadi elementari, specchi di corrente. Stadio amplificatore di tipo cascode, coppia differenziale;
Schemi di base di amplificatori operazionali e generalità sulla compensazione;
Richiami al problema del rumore nei circuiti;
Richiami sui filtri analogici e metodi di sintesi,sensibilità alla variazione dei parametri;
Amplificatori per strumentazione;
Progetto di un sistema sensoriale.

Modalità d'esame

L'esame consiste in una prova orale volta a dimostrare la padronanza dei concetti di analisi delle caratteristiche dei circuiti analogici per la realizzazione di interfacce sensoriali. La prova orale può essere integrata da uno o due progetti concordati con il docente.

Testi di riferimento

T.C. Carusone, D.A. Johns, K. Martin "Analog Integrated Circuit Design" Wiley & Sons.
P. R. Gray, P. J. Hurst, S. H. Lewis, R. G. Meyer “Analysis and Design of Analog Integrated Circuits” Wiley & Sons.
P.E. Allen, D.R Holberg, “CMOS analog integrated circuit design”, Oxford University Press.
Adel S. Sedra , Kenneth Smith, "Microelectronic Circuits", Oxford University Press Inc

Codice insegnamento 93392

DIGITAL SYSTEMS AND INTRODUCTION TO COMPUTER ARCHITECTURES M 1° anno · 1° semestre · 9 CFU · ING-INF/01 · 0 file

Provide a vision of digital circuits at transistor and gate level so as to have clear ideas about the main factors determining circuit performance, power consumption, signal integrity digital throughput. Overview of…

Scheda dell'insegnamento

Obiettivi formativi

Provide a vision of digital circuits at transistor and gate level so as to have clear ideas about the main factors determining circuit performance, power consumption, signal integrity digital throughput. Overview of digital circuits at logic and register transfer level. Overview of microprocessor and memory architectures. Basics of testing, performance and power consumption at system level.

Programma

MODULE 1
1 - Introduction

  • Brief history of digital circuits design
  • Hierarchical design and levels of abstractions in digital systems
  • Brief introduction to digital design methodologies
  • Main fundamental metrics that helps to quantify cost, reliability and performance of a design
    2 -The MOS transistor
  • Description of n-MOS and p-MOS transistor behavior
    -Description of device models, operating regions, static characteristic, channel length modulation, velocity saturation, drain current vs. voltage, sub-threshold conductance, dynamic behavior
    -Effects of technology scaling on device parameters
    3 - CMOS technology and circuits
  • Introduction to basic digital gates
  • I/O inverter characteristic
  • Inverter design for optimum performance
  • Power consumption of CMOS inverters
  • Dynamic behavior of CMOS inverters
  • CMOS inverter design from delay specifications
  • Design of NOR and NAND CMOS gates
  • Design of complex CMOS gates, dynamic and DOMINO logic, Pass transistor logic
    MODULE 2
  • Boolean logic
  • Combinational logic design
  • Sequential logic
  • Finite state machines
  • Timing analysis
  • Hardware description languages (SystemVerilog).
    MODULE 3
  • Computer architecture concepts
  • Instruction Set Architecture (ISA)
  • RISC-V architecture
  • Assembly programming
  • Fundamentals of cache memories and memory hierarchy.

Modalità d'esame

Learning assessment is done through a final exam that ensures acquisition of knowledge and expected skills. It will be an oral examination.
The oral test consists in 3 questions. To obtain a passing grade, the student must demonstrate the capacity to manage the key concepts illustrated in the course program. The duration of the oral test is about 45 minutes.
Students with specific learning disabilities (SLD) or temporary/permanent disabilities are advised to contact the University office in charge in due time (https://site.unibo.it/studenti-con-disabilita-e-dsa/en ). The office will be responsible for proposing any necessary accommodations to the students concerned. Such accommodations must be submitted to the instructor at least 15 days in advance for approval, which will be granted based on the relevance and compatibility with the learning objectives of the course.

Testi di riferimento

  • J.M. Rabaey, A. Chandrakasan, B. Nikolic: “Digital Integrated Circuits: a Design Perspective, Second Edition”, Prentice Hall Int.

Codice insegnamento 93390

ELECTRONIC FRONTIERS M 1° anno · 2° semestre · 3 CFU · 0 file

The course will address challenges in emerging technologies and architectures for intelligent systems, big data and internet of things, possibly changing year to year.

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

The course will address challenges in emerging technologies and architectures for intelligent systems, big data and internet of things, possibly changing year to year.

Programma

Course Context For almost 6 decades the Moore’s Law, which in its latest incarnation predicts that the number of components in an integrated circuit doubles every 2 years, has been the fundamental driving force of the semiconductor industry. For a great extent of time, i.e., until the MOS transistor gate reached the 0.1 micrometer (submicron) range, the secret sauce that made this empirical law so successful is known as Dennard Scaling, which lay down the rules to decrease the size of the components of a given function while increasing its operating clock frequency and reducing its power consumption.Once the submicron dimension was reached, the insurgence of secondary effects due to the short size of the device channel and quantum effects of layers reach the atom scale, has impaired the channel control, i.e., the ability to provide a good driving current while minimizing the leakage current in OFF conditions, putting a stop to the Dennard Scaling. But the Moore’s Law has been alive thanks to technology improvements, like leakage reduction and mobility improvements techniques, the introduction of new devices, like FinFET, and other technological advancements known as More than Moore.Today, as artificial intelligence pushes computing to new extremes, understanding the hardware foundations behind modern AI systems has become essential — not only for chip designers, but also for software and AI engineers. Course Objective Semiconductors are at the heart of every AI system, data center, IoT device, and smartphone. Knowing how to reason about their performance, power, and cost is increasingly valuable for anyone working in technology — from chip designers to software and AI engineers.This course builds that understanding. Starting from a circuit designer’s perspective, it covers the physical, technological, and economic factors that have kept Moore’s Law alive for nearly 60 years. The focus is on three key metrics for digital integrated circuits: timing and clock frequency, power consumption (including leakage and reliability), and area and cost (including packaging).The goal is not to design a chip from scratch, but to develop the physical intuition and estimation techniques needed to assess these metrics — before and without a full design. Emphasis is placed on understanding concepts and the meaning of equations rather than mathematical derivations. Orders of magnitude matter: knowing whether a number is reasonable is as important as computing it.The course also covers the semiconductor physics and quantum mechanics underlying MOS transistor modeling, including ultra-thin body devices (FinFET and FD-SOI), to understand how these innovations have helped sustain scaling and improve the three key metrics. Economic aspects — including chip cost analysis and estimation — are woven throughout, as they are integral to real technology decisions. Prerequisites The course prerequisites include knowledge of: Fundamentals of quantum mechanics Semiconductor theory and device physics Fundamentals of semiconductor manufacturing process MOS transistor operation (square law and velocity saturated model) Fundamentals of digital and analog design Successful completion of courses listed below, or strong familiarity with the material taught in these courses, is required: 93390 - Digital Systems and Introduction to Computer Architectures 93391 - SEMICONDUCTOR DEVICES AND QUANTUM-COMPUTING Additional material to refresh on some of these concepts is laso provided. Course Outline Moore’s Law and Dennard’s Scaling: the engine behind 60 years of semiconductor progress The semiconductor ecosystem: market, manufacturing and R&D Digital performance metrics: timing, power and area Short-channel effects, leakage current reduction and mobility enhancement Ultra-Thin Body devices: FinFET, FD-SOI, and more advanced devices Physical architecture design: chip performance, cost and reliability estimation Learning from others: chip cost analysis and estimation from information and resources available in the web

Modalità d'esame

All lessons, exams, and discussions are in English Knowledge of English and usage of appropriate terminology by the student will be assessed The exam is a written multiple-choice test, which includes some calculations The exam is in-person only The program for the exam is always the most recent one taught; it varies only slightly from year to year Knowledge of all the material presented in the course is required Emphasis will be placed on the student’s ability to contextualize and argue on the topics presented during the course A fundamental understanding of the prerequisites is also required Occasionally, an oral exam session is offered for students from previous years, just before the new course is completed PhD students are encouraged to earn credits by submitting a project instead of taking the written test

Testi di riferimento

The course will be based on lecture notes, required readings that will be made available on the virtuale platform, as the course progresses. A list of required online videos will also be provided. Much of the presented material is inspired or adapted from various sources, including textbooks, conference tutorials, tutorial papers and other excellent resources available on the web, which are listed in the references section in the slides set for each lecture.

Codice insegnamento 93393

ELETTRONICA DEI SISTEMI DIGITALI M 1° anno · Annuale · 12 CFU · ING-INF/01 · 0 file

Il corso si pone l'obiettivo di illustrare le metodologie di progetto dei circuiti integrati digitali a larga scala in tecnologia CMOS, con riferimento sia alle architetture circuitali che realizzano le più importanti…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si pone l'obiettivo di illustrare le metodologie di progetto dei circuiti integrati digitali a larga scala in tecnologia CMOS, con riferimento sia alle architetture circuitali che realizzano le più importanti funzioni logiche e aritmetiche sia alle tecniche di progettazione assistita ai vari livelli di astrazione. A tal fine, una parte importante del corso è dedicata a esercitazioni guidate volte a permettere allo studente di affrontare e risolvere alcuni problemi di progetto e caratterizzazione di moduli digitali di complessità crescente utilizzando programmi di progettazione assistita.

Programma

Il corso tratta la specifica, la progettazione e l'implementazione di architetture hardware digitali su chip. La teoria è accompagnata da una forte componente pratica e di laboratorio (oltre il 50% del corso). Il primo modulo tratta la progettazione e la caratterizzazione di una libreria di celle elementari per un flusso ASIC e analizza le micro-architetture per accelerare l’esecuzione di alcune operazioni aritmetiche (somma, moltiplicazione) utilizzando Cadence Virtuoso. Il secondo modulo affronta i principali flussi industriali di progettazione ASIC, dalla sintesi logica all'implementazione fisica e alle procedure di Place & Route mediante strumenti EDA industriali.

Modalità d'esame

L’esame consiste in un colloquio orale distinto per ciascuno dei due moduli.
Sarà possibile discutere gli argomenti del Modulo 1, propedeutici a quelli del Modulo 2, durante la pausa invernale.
Per ciascun modulo l’esame richiederà la presentazione di una relazione sulle esercitazioni assegnate in laboratorio seguito da un esame orale sull'intero programma del modulo (teoria + laboratorio).
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it ): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

Tutti i materiali didattici (slide, link, articoli scientifici) saranno distribuiti mediante Virtuale e aggiornato annualmente. Il materiale didattico del Modulo 2 sarà distribuito in lingua inglese.
Riferimenti bibliografico di supporto:
J. M. Rabaey, A. Chandrakasan, B. Nikolic: Digital Integrated Circuits - A Design Perspective, Second Edition, Prentice Hall International, 2003. G. De Micheli, "Synthesis and Optimization of Digital Circuits", McGraw-Hill Education 1994

Codice insegnamento 34876

ELETTRONICA INDUSTRIALE M 1° anno · 1° semestre · 6 CFU · ING-INF/01 · 0 file

Illustrare i princìpi di funzionamento dei sistemi elettronici che trovano applicazione nelle macchine e negli impianti industriali.

Scheda dell'insegnamento

Obiettivi formativi

Illustrare i princìpi di funzionamento dei sistemi elettronici che trovano applicazione nelle macchine e negli impianti industriali.

Programma

Introduzione al corso : sistema di controllo di un impianto industriale, definizione di un convertitore di potenza, rete di controllo, amplificatore di potenza, elettronica di controllo e elettronica di potenza.
Richiami : Valore efficace, potenza attiva e reattiva, potenza apparente, trasformata di Fourier, serie di Fourier, segnali periodici. E quazioni costitutiva del condensatore e dell'induttore.
Classificazione dei convertitori in base alla funzione ed in base al funzionamento dei dispositivi. Convertitori controllati e non controllati. Convertitori AC/DC, DC/DC, DC/AC, AC/AC. Convertitori quasi lineari (serie), convertitori in commutazione (switching)
Prestazioni dei convertitori : distorsione (ingresso ed uscita), rendimento, fattore di potenza, guadagno/banda, regolazione, resistenza di uscita, coefficiente di temperatura .
Dispositivi elettronici di potenza : principi di funzionamento e caratteristiche dei principali diodi, BJT, MOSFET, IGBT, tiristori convenzionali e GTO. Analisi dei fenomeni che limitano le massime tensioni, correnti e la velocità di commutazione dei dispositivi elettronici di potenza.
Circuiti driver per il funzionamento in commutazione dei dispositivi elettronici di potenza.
Snubber : limitazione degli stress dinamici dei dispositivi elettronici di potenza.
Convertitori AC/DC non controllati: raddrizzatori. Raddrizzatore a semionda. Trasformatore. Raddrizzatore ad onda intera. Filtri di ingresso ed uscita per il miglioramento del fattore di potenza e la riduzione della distorsione . Raddrizzatore trifase ad onda intera.
Convertitori controllati mediante tiristoriAC/DC e AC/AC
Convertitori DC/DC quasi lineari: r egolatori/stabilizzatori di tensione. DC/DC con diodi Zener. Convertitore DC/DC di tipo serie con di tensione in retroazione .
Perdite : stima delle perdite di conduzione e di commutazione nei dispositivi elettronici di potenza. Vincoli termici per il dimensionamento dei componenti e dei sistemi di smaltimento del calore.
Struttura ed equazioni delle reti di commutazione e loro realizzazione impiegando i diversi tipi di dispositivi elettronici. Leggi di commutazione per la realizzazione di convertitori DC/DC, DC/AC, AC/DC e AC/AC.
Convertitori Switching DC-DC : convertitori in discesa (buck), salita (boost), salita-discesa, Cuk, Sepic.
Fondamenti sui componenti magnetici : induttore e trasformatore di potenza.
Convertitori DC-DC con isolamento : forward, flyback, a ponte intero.
Controllo : introduzione alle problematiche di controllo, descrizione di un PWM IC controller
DC/AC (inverters): introduzione al mezzo ponte e al ponte intero;
Esempi di applicazione nel campo degli azionamenti e del controllo di impianti industriali : controllo motori elettrici, saldatura elettrica ad arco.
Esercitazioni:
Progetti al simulatore circuitale LT Spice:
Convertitore DC/DC switching abbassatore Buck
Convertitore DC/DC switching a ponte intero
Convertitore DC/DC switching flyback

Modalità d'esame

La prova di esame è orale. Il candidato deve dimostrare la conoscenza delle nozioni teoriche affrontate durante il corso e la capacità di risolvere degli esercizi numerici di progetto analoghi a quelli affrontati in classe.
L'esame di fine corso ha lo scopo di valutare il raggiungimento dei seguenti obiettivi didattici:

  • conoscenza delle caratteristiche dei componenti elettronici per applicazioni di elettronica industriale
  • conoscenza del funzionamento dei circuiti elettronici per applicazioni industriali descritti dal docente
  • conoscenza delle linee guida per la progettazione dei circuiti elettronici per applicazioni di elettronica industriale di potenza
    Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

Mohan, Undeland, Robbins: “Power Electronics” – Wiley&Sons
F. Filicori, G. Vannini: “Elettronica industriale – conv. DC/DC operanti in commut.” – Esculapio
B.Dewan, A.Straughen: “Power Semiconductor Circuits” – Wiley&Sons
R. W. Erickson: “Fundamentals of Power Electronics” – Kluwer Academic Publishers
Rashid: “Elettronica di Potenza” – Pearson

Codice insegnamento 35367

MATHEMATICAL METHODS M 1° anno · 1° semestre · 6 CFU · MAT/05 · 0 file

To know and to be able to use some mathematical techniques for the information engineering. Competencies: to know the theory of linear differential equations and systems; to be able to solve constant coefficient linear…

Scheda dell'insegnamento

Obiettivi formativi

To know and to be able to use some mathematical techniques for the information engineering. Competencies: to know the theory of linear differential equations and systems; to be able to solve constant coefficient linear differential equations and systems; to know the Laplace transform and its use in solving linear differential equations; to have a basic knowledge of dynamical systems. Detailed contents: linear ordinary differential equations, Cauchy problem, existence and uniqueness of solutions. First-order linear equations. Discussion of existence and uniqueness of solutions of first-order differential equations and applications. Higher-order linear differential equations. Numerical solutions of differential equations. Introduction to nonlinear systems. Laplace transform: definition, convergence abscissa; formal properties of the Laplace transform; Laplace transforms of standard functions. Step functions and their transforms. Laplace transforms of some further special functions: the saw-tooth function, the Dirac delta. Applications of Laplace transform to ordinary differential equations: theory and application in solving simple ordinary differential equations with constant coefficients and given boundary conditions. Basic facts about linear transformations; eigenvalues, eigenvectors. Systems of linear differential equations; matrix exponential; dynamical systems, stability; numerical solutions of differential equations. General form of solutions. Transfer function. Stabilization problem.

Programma

Module 1
The topics of Module 1, taught by Diego Ribeiro Moreira, include:
Orthogonality and Fourier series; Fourier sine and cosine series, even and odd functions, and half-range expansions; Basic convergence and approximation properties of Fourier series; Fourier integral, Fourier sine and cosine transforms, and Fourier transform on the real line; Basic properties of the Fourier transform; Discrete Fourier transform and fast Fourier transform; Elementary applications of Fourier methods to partial differential equations, including selected examples involving the heat equation, the wave equation, and Laplace's equation.
Prerequisites: elementary linear algebra, calculus of one and several variables, basic ordinary differential equations, and elementary complex numbers.
Module 2
The topics of Module 2, taught by Andrea Petracci, include: - Some topics in Linear algebra: diagonalization and spectral theorem; - Basic notions of complex analysis: holomorphic functions, radius of convergence of a power series, Taylor and Laurent series expansions for holomorphic functions, the z-transform and its region of convergence, poles of the z-transform; - Basic notions of graph theory: basic definitions, properties of the eigenvalues of the Laplacian matrix. The detailed syllabus and the lecture log will be available on the website: https://www.dm.unibo.it/~andrea.petracci3/2026MathMethodsM/ Prerequisites: linear algebra (solving linear systems, determining bases of vector subspaces, matrix operations, determinants, eigenvalues and eigenvectors, matrix diagonalizability) and calculus (limits, series, partial derivatives, one-variable integrals).

Modalità d'esame

Modules 1 and 2 Each module has a written exam, with theory and exercises. Calls are regularly scheduled on Almaesami. Exams are held in person. Registration for the chosen call on Almaesami is mandatory and must be completed at least 4 days in advance. Students may take each module exam during any call and must present their University badge (showing their name and a clear photo) before the exam begins. The grade for each module is expressed in X/30 and will appear on Almaesami. Students with learning disorders and/or temporary or permanent disabilities: please, contact the office responsible (https://site.unibo.it/studenti-con-disabilita-e-dsa/en/for-students ) as soon as possible so that they can propose acceptable adjustments. The request for adaptation must be submitted in advance (15 days before the exam date) to the lecturer, who will assess the appropriateness of the adjustments, taking into account the teaching objectives. Final mark and verbalization The final grading is given by the arithmetic average of the grades obtained in Module 1 and Module 2, rounded up to the nearest integer. The registration of the grade is made by prof. Diego Ribeiro Moreira. He signs the grades on Almaesami a few days after the completion of the two parts of the exam.

Testi di riferimento

Modulo 1
Main reference:
Kreyszig, Advanced engineering mathematics, 10th ed., selected topics from Chapters 11 and 12.
Additional lecture notes and exercises may be provided during the course.
Modulo 2 Some references are below. Additional or more precise references will be given during the course and will appear at https://www.dm.unibo.it/~andrea.petracci3/2026MathMethodsM/ Treil, Linear algebra done wrong, https://www.math.brown.edu/streil/papers/LADW/LADW.html Poole, Linear algebra, a modern introduction, 3rd ed. Anton, Kaul, Elementary linear algebra, 12th ed., Wiley Lay, Lay, McDonald, Linear algebra and its applications, Pearson Damelin, Miller, The mathematics of signal processing, Cambridge Texts in Applied Mathematics, Cambridge University Press, 2012 Esakkirajan, Veerakumar, Subudhi, Digital signal processing, Springer Kovacevic, Goyal, Vetterli, Foundations of signal processing, Cambridge University Press https://www.fourierandwavelets.org Mathews, Howell, Complex analysis for mathematics and engineering Moudgalya, Digital control, Wiley Proakis, Manolakis, Digital signal processing, 4th ed., Prentice Hall Kreyszig, Advanced engineering mathematics, 10th ed. Diestel, Graph Theory, 6th edition, Graduate Texts in Mathematics, Springer https://diestel-graph-theory.com/basic.html Bondy, Murty, Graph theory, Graduate Texts in Mathematics, Springer Chung, Spectral graph theory, American Mathematical Society

Codice insegnamento 29161

MICROELETTRONICA M 1° anno · 2° semestre · 9 CFU · ING-INF/01 · 0 file

Illustrazione dei metodi di fabbricazione dei circuiti integrati. Analisi del funzionamento dei principali dispositivi a semiconduttore. Introduzione ai dispositivi di ultima generazione. Analisi di alcuni sensori…

Scheda dell'insegnamento

Obiettivi formativi

Illustrazione dei metodi di fabbricazione dei circuiti integrati. Analisi del funzionamento dei principali dispositivi a semiconduttore. Introduzione ai dispositivi di ultima generazione. Analisi di alcuni sensori integrati. Progettazione assistita dal calcolatore.

Programma

Prerequisiti/Propedeuticità consigliate
Lo studente deve possedere le nozioni di tipo matematico e fisico tipiche di un corso di Laurea triennale in Ingegneria o Fisica. La frequenza di altri insegnamenti della Laurea Magistrale non è un prerequisito per la frequenza di Microelettronica.
Introduzione
Presentazione del corso. Scopi del corso. Orario delle lezioni e di ricevimento. Nozioni che si suppongono già acquisite in precedenza da parte degli Studenti. Modalità dell'esame e iscrizione agli appelli. Programma. Bibliografia.
Generalità sull'importanza industriale dei sistemi elettronici. Diffusione e pervasività dei microprocessori. I principali processi di fabbricazione di circuiti integrati.
Reticoli cristallini. Definizioni generali. Vettori caratteristici. Cella elementare. Reticolo diretto e reticolo reciproco. Prima zona di Brillouin. Il reticolo cubico a facce centrate. Indici di Miller. Esempi: la struttura del diamante e quella della zincoblenda.
Richiami di meccanica lagrangiana e hamiltoniana. Cenni sulla relazione di dispersione E(k) in un cristallo. Densità degli stati nello spazio k. Forma delle bande di conduzione e valenza nel silicio. Tipi di transizioni: intravalle, intervalle, interbanda dirette, interbanda assistite da trappole. Forma delle bande nel germanio e nell'arseniuro di gallio.
Sviluppo della relazione E(k) nell'intorno di un estremo di una banda. Definizione e calcolo della densità degli stati in energia. Statistica di Fermi. Funzione di distribuzione. Il caso limite dell'equilibrio. Concentrazione degli elettroni nelle bande. Concetto di lacuna. Definizione della concentrazione di elettroni e lacune a partire dalla funzione di distribuzione. Classificazione dei cristalli in conduttori, isolanti e semiconduttori.
Calcolo della concentrazione intrinseca all'equilibrio. Posizione del livello di Fermi intrinseco. Valori delle grandezze notevoli per i semiconduttori di maggior interesse.
Modello intuitivo del comportamento elettrico di un semiconduttore intrinseco. Definizione della densità di corrente di elettroni e lacune a partire dalla funzione di distribuzione. Cenno alle relazioni dinamiche per elettroni e lacune. Modello intuitivo del comportamento elettrico di un semiconduttore drogato.
Il caso del drogaggio uniforme di tipo donatore. Calcolo delle concentrazioni. Approssimazioni di non degenerazione e di completa ionizzazione. Il caso del drogaggio uniforme di tipo accettore. Calcolo delle concentrazioni. Approssimazione di non degenerazione e di completa ionizzazione. Effetto della temperatura e della concentrazione del drogante sulla posizione del livello di Fermi. Condizione intrinseca, di saturazione e di congelamento del drogante.
Il caso del drogante non uniforme. Restringimento del gap causato dal drogaggio. Varie espressioni delle concentrazioni di elettroni e lacune all'equilibrio. Equazione di Poisson nel semiconduttore.
Il caso fuori equilibrio. Equazioni di continuità. Condizioni di quasi stazionarietà. Equazioni del trasporto di tipo ohmico-diffusivo. Deduzione euristica del termine ohmico. Modello matematico dei dispositivi a semiconduttore. Definizione e uso degli pseudopotenziali di Fermi. Condizioni al contorno del modello.
Transizioni assistite da trappole. Modello matematico comprendente la dinamica delle cariche intrappolate. Deduzione della funzione di ricombinazione SRH. Casi limite della funzione di ricombinazione SRH: completo svuotamento e debole iniezione. Ricombinazione Auger e ionizzazione per impatto. Generazioni e ricombinazioni dirette di tipo termico e ottico. Andamento del tasso di generazione ottica all'interno del materiale. Caso limite della forte ionizzazione.
Modelli macroscopici della mobilità. Collisioni con il reticolo, le impurezze ionizzate e le interfacce. Dipendenza della mobilità dalla temperatura, dalla concentrazione complessiva delle impurezze e dal campo normale all'interfaccia. Cenno alla dipendenza della mobilità dal gradiente dello pseudopotenziale di Fermi. Regola di Mathiessen. Esempio di modello macroscopico di mobilità: l'effetto delle impurezze ionizzate. Risultati di calcoli di mobilità a partire dalla soluzione dell'equazione di Boltzmann.
Giunzione p-n: struttura e andamento qualitativo del potenziale. Risultato della soluzione dell'equazione di Poisson nel caso dell'equilibrio. Regioni neutre e regioni di carica spaziale. Bilanciamento dei termini ohmico e diffusivo nel caso dell'equilibrio. Effetto dei contatti. Contatti ohmici ideali. Funzionamento qualitativo della giunzioni p-n. Teoria di Shockley. Ipotesi di piccole iniezioni e disaccoppiamento delle zone neutre. Calcolo della relazione corrente-tensione della giunzione p-n. Dipendenza dalla temperatura della corrente della giunzione p-n in polarizzazione inversa. Ipotesi di completo svuotamento della regione di carica spaziale nella condizione di polarizzazione inversa. Andamento qualitativo della densità di carica, del campo elettrico e del potenziale elettrico. Calcolo dell'estensione della regione di carica spaziale in polarizzazione inversa. Determinazione della capacità di barriera della giunzione p-n. Richiami sulla ionizzazione per impatto. Modello di Chynowetz dei coefficienti di ionizzazione. Calcolo degl'integrali di ionizzazione. Esempio di applicazione.
Transistore bipolare. Funzionamento qualitativo. Calcolo delle correnti. Modello di Ebers e Moll. Circuito equivalente a due generatori di corrente. Circuito equivalente a un generatore di corrente. Ottimizzazione del guadagno di corrente.
Struttura del condensatore MOS. Zona neutra e zona di carica spaziale. Relazione fra carica del semiconduttore e potenziale superficiale nelle regioni di funzionamento del dispositivo. Soluzione dell'equazione di Poisson nel condensatore MOS nel caso del drogaggio costante. Condizione di banda piatta. Condizioni di svuotamento e di inversione. Relazioni approssimate fra carica per unità di area e potenziale superficiale basate sull'ipotesi di completo svuotamento e ASCE. Andamento delle bande nella giunzione metallo-semiconduttore. Capacità differenziale del condensatore MOS. Relazione fra potenziale superficiale e potenziale di gate nel caso impulsato.
Struttura del transistore MOS. Calcolo della corrente di drain. Ipotesi del profilo graduale e conclusione del calcolo delle caratteristiche statiche del transistore MOS. Il modello parabolico-lineare. Parametri differenziali del transistore MOS a bassa frequenza. Limiti dell'ipotesi del profilo graduale. Soluzione dell'equazione di Poisson nel canale del transistore MOS in condizioni di fuori equilibrio. Giustificazione dell'ipotesi del profilo graduale. Potenziale superficiale al source e al drain.
Evoluzione dei circuiti integrati. Regole di scala a campo costante. Progettazione assistita dal calcolatore: introduzione alle simulazioni numeriche TCAD e utilizzo del tool di simulazione.
Introduzione al formalismo della Meccanica Quantistica: vettori ket/bra, operatori lineari, operatori Hermitiani, il problema agli autovalori, osservabili, completezza, funzioni di operatori, rappresentazione matriciale di vettori e operatori. I postulati della Meccanica Quantistica: quantizzazione, commutatore di operatori coniugati, equazione di Schroedinger. Misure di osservabili ed interpretazione probabilistica. Principio di indeterminazione di Heisenberg. Sistemi quantistici elementari: particella libera, elettrone in una buca di potenziale rettangolare.

Modalità d'esame

Esame orale sugli argomenti del corso. Il voto è compreso fra 0 e 30. L'esame è superato se il voto è maggiore o uguale a 18. Al fine di identificare il livello di approfondimento necessario per il superamento dell'esame, e considerando che per legge le prove d'esame sono pubbliche, gli studenti sono invitati ad assistere alle prove d'esame negli appelli precedenti a quello in cui essi si sono iscritti.
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

I testi elencati devono intendersi come testi di consultazione:
D. A. Neamen, Semiconductor Physics and Devices, IRWIN, 1992.
G. Soncini, Tecnologie microelettroniche, Boringhieri, 1986.
W. Maly, Atlas of IC Technologies: an Introduction to VLSI Processes, The Benjamin-Cummings Publishing Co., 1987.
M. Rudan, Tavole di Microelettronica, Pitagora, 3ª Ed., 2001.
M. Rudan, Physics of Semiconductor Devices, Springer, 1a edizione 2015, 2a edizione 2018.
M. Sze, Semiconductor Devices — Physics and Technology, Wiley, 1985.
E. De Castro, Fondamenti di Elettronica — Fisica elettronica ed elementi di teoria dei dispositivi, UTET, 1975.
E. De Castro, Teoria dei dispositivi a semiconduttore, Pàtron, 1983.
G. Baccarani, Dispositivi MOS, Pàtron, 1982.

Codice insegnamento B2250

PROGETTO DI CIRCUITI E SISTEMI ANALOGICI M 1° anno · 2° semestre · 9 CFU · ING-INF/01 · 0 file

Illustrare il funzionamento e i criteri di progetto dei blocchi analogici fondamentali.

Scheda dell'insegnamento

Obiettivi formativi

Illustrare il funzionamento e i criteri di progetto dei blocchi analogici fondamentali.

Programma

Modelli analitici dei transistor ed effetti reattivi; impiego del simulatore circuitale SPICE. Specchi di corrente, stadi elementari, specchi di corrente cascode e di Wilson. Stadio amplificatore di tipo cascode, stadio differenziale; analisi in frequenza di alcuni stadi fondamentali. Schemi di base di amplificatori operazionali e generalità sulla compensazione: analisi dell'opamp a due stadi, tecniche di compensazione, esempi. Schemi di specchi di corrente ed operazionali avanzati: specchi di corrente ad ampio swing ed alta resistenza d'uscita, di tipo folded-cascode. Stadi di uscita.
Richiami al problema del rumore nei circuiti. Modelli di rumore dei transistori (BJT e MOSFET). Esempi di calcoli di rumore in circuiti con BJT e MOSFET.
Richiami sui filtri analogici e metodi di sintesi. Filtri LCR, circuito di Antoniou per la sostituzione dell'induttanza, filtri biquadratici, sensibilità alla variazione dei parametri.
Convertitori Analogici-Digitali e Digitali-Analogici.
Progetto di un amplificatore operazionale.
Progetto di filtri analogici.

Modalità d'esame

L'esame consiste in una prova orale volta a dimostrare la padronanza dei concetti di analisi delle caratteristiche dei circuiti analogici. La prova orale può essere integrata da un progetto concordato con il docente.

Testi di riferimento

T.C. Carusone, D.A. Johns, K. Martin "Analog Integrated Circuit Design" Wiley & Sons.
P. R. Gray, P. J. Hurst, S. H. Lewis, R. G. Meyer “Analysis and Design of Analog Integrated Circuits” Wiley & Sons.
P.E. Allen, D.R Holberg, “CMOS analog integrated circuit design”, Oxford University Press.
Microelectronic Circuits

Codice insegnamento 81649

RELIABLE DATA PROCESSING AND STORAGE FOR INTELLIGENT SYSTEMS M 1° anno · 2° semestre · 6 CFU · ING-INF/01 · 0 file

Students will learn how to address the various issues related to the design of reliable data processing and storage for intelligent systems. These will range from evaluating the faults and aging phenomena that could…

Scheda dell'insegnamento

Obiettivi formativi

Students will learn how to address the various issues related to the design of reliable data processing and storage for intelligent systems. These will range from evaluating the faults and aging phenomena that could occur during their fabrication and/or in-field operation, to analyzing the effects of such faults and aging phenomena and evaluating the related risks for the intelligent system intended operation, to designing them and their component blocks to guarantee robustness and/or tolerance of likely to occur faults and aging phenomena.

Programma

Introduzione ai Sistemi Intelligenti Affidabili
Definizioni e motivazioni Progettazione per aumentare l’affidabilità all'interno del processo di progettazione e fabbricazione Resa del processo e costo di produzione di un circuito integrato
Guasti Durante la Fabbricazione e Durante il Funzionamento sul Campo
Guasti di tipo Stuck-St (SAs) Equivalenza di guasti e “Fault Collapsing” Dominanza di guasti e “Fault Collapsing” Guasti di tipo Stuck-Open Guasti di tipo Stuck-On Guasti di tipo Bridging resistivo Guasti di tipo Delay Guasti di tipo Crosstalk Guasti transitori Guasti sugli array di memoria: Stuck-At; Transition; Data Retention; Address Decoder
Variazioni dei Parametri Durante la Fabbricazione
Variazione delle dimensioni dei transistor Variazione delle dimensioni di interconnessioni Variazione della soglia di conduzione Accoppiamento capacitivo e induttivo Rumore sulla tensione di alimentazione
Fenomeni di Invecchiamento Durante l'Operazione sul Campo
Negative Biased Temperature Instability Positive Biased Temperature Instability
Principi di base del Collaudo e della Progettazione Orientata al Collaudo (DFT)
Macchine automatiche di collaudo (ATE) Automatic Test Pattern Generation (ATPG) Algoritmi di ATPG per array di memoria Full and Partial Scan Built-In-Self Test (BIST) per logica combinatoria Built-In-Self Test (BIST) per memorie
Approcci di Caratterizzazione Post-Silicon per:
Variazioni dei parametri Speed binning Power binning
Approcci di Progettazione per Sistemi Intelligenti Affidabili
Ridondanza Modulare: Strategie di base Realizzazioni e affidabilità del Voter Guasti di modo comune e Design Diversity Diagnosi dei moduli guasti On-Line Testing e Recovery: Duplicazione e confronto; Circuiti Self Checking: Proprietà dei circuiti Self-Checking; ipotesi di guasto; progetto di blocchi funzionali Self-Checking; progetto di Checkers; Error Indicators Codici a rivelazione d'errore: codici di parità (teoria e progetto di Checker); codici Two-Rail (teoria e progetto di Checker); codici m-out-of-n; codici di Berger (teoria e progetto di Checker) Tecniche di Recovery: Roll Back and Retry; tecniche di riconfigurazione Codici a correzione d'errore: Introduzione ai codici di tipo Linear Parity Check; Codici di Hamming di tipo Single Error Correction; Codici di Hsiao di tipo Single Error Correction/Double Error Detection; Circuiti di codifica e decodifica Approcci di progettazione robusta per: Blocchi di logica combinatoria; Elementi di memoria Approcci di monitoraggio basati su: Circuiti di monitoraggio Riutilizzo di schemi di DFT e di caratterizzazione Post-Silicon
Il corso comprende esercitazioni di laboratorio su:
Emulazione di guasti e fenomeni di invecchiamento, e analisi dei loro effetti Progettazione di componenti base di blocchi per l'elaborazione affidabile dei dati (hardware accelerators, microprocessori) e di memoria per sistemi intelligenti e loro prototipazione mediante FPGA

Modalità d'esame

Esame orale. Le domande riguarderanno qualsiasi argomento trattato a lezione e in laboratorio. Potranno seguire domande specifiche volte a verificare la comprensione delle problematiche specifiche inerenti agli argomenti trattati nel corso. Il voto finale sarà formulato tenendo conto delle risposte fornite alle domande poste.

Testi di riferimento

J. Segura C. F. Hawkins, “CMOS Electronics – How It Works, How It Fails” IEEE Press – Wiley, 2004.
M. L. Bushnell, V. D. Agrawal, “Essential of Electronic Testing”, Kluwer Academic Publishers, 2000
M. Abramovici, M. A. Bruer, A. D. Friedman, “Digital Systems Testing and Testable Design”, Computer Science Press, 1990
S. Mourad, Y. Zorian, “Principles of Testing Electronic Systems”, Essential of Electronic Testing”,Wiley, 2000
N. K. Jha, S. Kundu, “Testing and Reliable Design of CMOS Circuits”, Kluwer Academic Publishers, 1990
P. K. Lala, “Self-Checking and Fault Tolerant Digital Design”, Morgan Caufmann Publ, 2001

Codice insegnamento 93395

SEMICONDUCTOR DEVICES AND QUANTUM-COMPUTING M 1° anno · 1° semestre · 9 CFU · ING-INF/01 · 0 file

Knowledge about the fundamentals of band theory of solids; knowledge about the physical phenomena underlying the transport of charged carriers in solids and about the basic semiconductor devices and solid-state memories.…

Scheda dell'insegnamento

Obiettivi formativi

Knowledge about the fundamentals of band theory of solids; knowledge about the physical phenomena underlying the transport of charged carriers in solids and about the basic semiconductor devices and solid-state memories. Illustration of the functioning principles of the most important categories of solid-state sensors. Sensors realized with process techniques used in Microelectronics and Micro-Electro-Mechanics Systems (MEMS). Application of the quantum theory to few-particle systems. Qbit as the elementary unit of quantum information. Example of solid-state devices where quantum effects play a dominant role. Physical feasibility of a computing device architecture based upon quantum dots and/or quantum wires.

Programma

Prerequisites
Basic concepts of mathematics and physics acquired from earlier courses. Basic concepts about the electron devices. In this course, further mathematical and physical concepts, not necessarily elementary, will be used. They will be explained as necessary during the lessons. The use of such concepts can not be disposed of, they actually constitute the cultural basis of the course itself.
Learning outcomes
Illustrating the functioning principles of the most important categories of solid-state devices and sensors. The students will learn about devices and sensors realized with process techniques used in Microelectronics and Micro-Electro-Mechanical Systems (MEMS). For each device or sensor, the physical effect, the model used for its characterization and the technological aspects used for the overall realization will be discussed. The student will also gain knowledge about the fundamentals of quantum mechanics and band theory of solids, about the physical phenomena underlying the transport of charged carriers in solids. The fundamentals of quantum mechanics will also be used in the last part of the course to provide introductory elements of quantum computing and information.
Competencies
General: To have critical understanding of technical and scientific tools; communication skills; to be able to work in an international context.
Specific: to understand the methods for investigating advanced solid-state devices, memories and sensors; to determine the important microscopic and macroscopic parameters involved in the functioning of such devices.
Contents (M1)
Crystal lattice. Definition of characteristic vectors. Elementary cell. Direct and reciprocal lattices. First Brillouin zone. Face-centered cubic lattice. Miller indices. Examples: diamond and zinc-blende structures. Particle dynamics in a periodic potential. Form of the conduction and valence band of silicon, germanium, and gallium arsenide. Transitions: intra-valley, inter-valley, direct inter-band, trap-assisted inter-band transitions. Fermi statistics.
Density of states in the k space and in the phase space. Effective mass. Dispersion relation E(k) in a crystal. Density of states in energy. Bands in conductors, insulators, and semiconductors. Dependence of conductivity on temperature. Form of the constant-energy surfaces of Ge, Si, GaAs.
Distribution function. Example of calculation of the density of states. Concept of hole. Calculation of the intrinsic concentration at equilibrium. Estimate of the position of the Fermi level. Dependence of the intrinsic concentration on temperature. Relevant parameters for Ge, Si GaAs. Qualitative explanation of the contribution of electron and holes to the current density of a semiconductor. Calculation of the position of the Fermi level. Average velocity and current density of the electrons and of the holes.
Dynamics of electrons and holes in the parabolic-band approximation. Doped semiconductor of the donor or acceptor type. Compensation effect. Calculation of the equilibrium concentrations. Non-degeneracy and complete-ionization approximations. Effect of temperature and dopant concentration on the position of the Fermi level. Intrinsic, saturation and freeze-out conditions of the dopants. Non-uniform dopant distribution. Expressions of the equilibrium concentrations of electrons and holes. Poisson equation in the semiconductor in the equilibrium and non-equilibrium cases.
Continuity equations. Quasi-static approximation. Mathematical model of semiconductor devices. Definition of the quasi-Fermi potentials. Boundary conditions of the model Trap-assisted transitions. Deduction of the SRH net-recombination rate. Limiting cases of it: depletion and weak-injection conditions. Auger recombination and impact ionization. Direct generations of thermal and optical type. Limiting case of strong ionization. Form of the optical generation inside the material. Macroscopic mobility models: collisions with the lattice, the ionized impurities and the interfaces. Dependence of mobility on temperature, total impurity concentration and field component normal to a boundary. Matthiessen rule. Example of a macroscopic mobility model. Results of mobility calculations obtained from the solution of the Boltzmann transport equation.
Applications: p-n junction: structure and qualitative form of the electric potential. Solution of the Poisson equation at equilibrium: neutral regions and space-charge regions. Drift and diffusion component of the current density. Effect of the contacts. Qualitative functioning of the p-n junction. Full depletion of the space-charge region in the reverse-bias condition. Shockley theory. Weak-injection condition and decoupling of the neutral zones. Current-voltage relation of the p-n junction; dominance of the diffusive current density for the minority carriers in the neutral zones. Shockley boundary conditions. Reverse bias: form of the charge density, electric field and electric potential. Calculation of the width of the space-charge region. Barrier capacitance of the p-n junction. Chynowetz model for the impact-ionization coefficients. Avalanche condition.
Bipolar transistor. Qualitative description. Calculation of the currents. Ebers and Moll model. Equivalent circuit. Optimization of the current gain.
MOS capacitor. Neutral zone and space-charge zone. Relation between charge in the semiconductor and surface potential in the different functioning regimes. Solution of the Poisson equation in the MOS capacitor with a constant substrate doping. Flat-band, depletion and inversion conditions. Approximate relations between charge per unit area and surface potential based on the full-depletion and ACE approximations. Differential capacitance of the MOS capacitor.
MOS transistor. Calculation of the drain current. Gradual-channel approximation and calculation of the steady-state characteristics. Saturation voltage. The linear-parabolic model. Low-frequency differential parameters. Limits of the gradual-channel approximation. Solution of the Poisson equation in the channel in a non-equilibrium case. Surface potential at the source and drain ends of the channel.
Contents (M2)
Introductory part where the basic relations of quantum mechanics are shown; deduction of the energy bands in crystals. Transport theory: Boltzmann transport equation and deduction of the mathematical model of semiconductor devices.
Application of the basic devices as memories. Resistive memories. Phase-change memories.
Interaction of radiation with matter, absorption of light. Photodiode, continuous mode and storage mode. Calculation of the current in the continuous mode. Photocapacitor built in a uniform substrate. Integration interval and sampling interval. Photocapacitor built in an epitaxial layer. MOS phototransistor. Charge-transfer devices. Linear charge-coupled devices. Two-dimensional charge-coupled devices: frame-transfer and line-transfer architectures. Use of a charge-coupled device as a filter. CID sensors: qualitative functioning. Analysis of the floating gate.
Solar cell. Equivalent circuit, fill factor and efficiency. Calculation of the equivalent circuit of the solar cell. The solar constant. Form of the contacts of solar cells.
Life-time measurement using optical generation. Mobility measurement (Haynes and Shockley method). Hall effect. Use of the Hall effect to measure carrier concentration and mobility. Measurement of the dopant profile using the measurement of capacitance. Introduction to scaling rules. Evolution of the integration level of integrated circuits. Constant-field scaling rules. Deviations from the scaling rules. Physical and economic limits to scaling.
Scheme of the top-down and bottom-up design sequence of integrated circuits. Computer-aided design. Numerical methods for simulating solid-state devices: solution of the Poisson equation in the one-dimensional case. Solution of the continuity and transport equations. two- and three-dimensional examples.
Performance metric of devices. Performance analysis of solid-state video cameras.
Introduction to the elasticity theory; determination of the mechanical deformation of cantilever beams and membranes. Lattice vibrations, derivation of the macroscopic elastic properties of solids and applications (e.g., energy-harvesting devices, gyroscopes). Piezo-resistive sensors of acceleration and pressure; piezoelectric accelerometer; vertical and lateral capacitive accelerometers.
Thermal sensors: integrated thermopile sensors; semiconductor-junction temperature sensors; proportional-to-absolute-temperature sensors (PTAT).
Magnetic sensors: Hall plates; differential-amplification magnetic sensors (DAMS); MAGFET and dual-drain MAGFET; vertical and lateral magneto transistors. Energy-efficient gas sensors based on SOI CMOS technology.
Use of MOS transistors as chemical sensors in liquids.
Introduction to quantum computing and information. Bits and Qubits. Binary arithmetic. Linear vector spaces. Example of qubit: polarization of light. An example of quantum circuit. Deutsch’s algorithm. Search algorithms. Quantum Fourier transform. Shor’s algorithm. Grover’s search algorithm. No-cloning theorem. Quantum teleportation. EPR and Bell inequalities. The Di Vincenzo criteria. Quantum error correction.

Modalità d'esame

Oral examination. Numerical rating between 0 and 30. The examination is passed if the rating is equal to, or larger than 18.
To timely identify the level of knowledge necessary to fulfill the course's requirements, and remembering that the Italian law prescribes that exams are public, students are firmly invited to be present at other students' exams well before the date of their own.

Testi di riferimento

Refer to the website http://www-micro.deis.unibo.it/cgi-bin/user?rudan

Codice insegnamento 93391

STATISTICA E MACHINE LEARNING PER L'ELABORAZIONE DEI SEGNALI M 1° anno · 1° semestre · 9 CFU · ING-INF/01 · 0 file

Il corso fornisce gli strumenti matematici di base per l’elaborazione dei segnali con particolare enfasi sul modello statistico dell'informazione, il punto di vista geometrico, il ruolo dell’ottimizzazione e un cenno…

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornisce gli strumenti matematici di base per l’elaborazione dei segnali con particolare enfasi sul modello statistico dell'informazione, il punto di vista geometrico, il ruolo dell’ottimizzazione e un cenno all’apprendimento automatico per reti neurali. Applica tali concetti alla definizione e alla soluzione dei tipici problemi fondamentali: dalla sintesi di filtri lineari alla predizione, dalla stima di spettro alla modellazione del rumore.

Programma

Il corso fornisce gli strumenti matematici di base per l’elaborazione dei segnali con particolare enfasi sul modello statistico dell'informazione, il punto di vista geometrico, il ruolo dell’ottimizzazione e un cenno all’apprendimento automatico per reti neurali. Applica tali concetti alla definizione e alla soluzione dei tipici problemi fondamentali: dalla sintesi di filtri lineari alla predizione, dalla stima di spettro alla modellazione del rumore.

Codice insegnamento B8309

STATISTICS AND MACHINE LEARNING FOR SIGNAL PROCESSING M 1° anno · 2° semestre · 6 CFU · ING-INF/01 · 0 file

The course aims to give students the appropriate techniques for the acquisition and processing of real world data and the implementation of efficient and robust signal processing structures. Knowledge about the modern…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

The course aims to give students the appropriate techniques for the acquisition and processing of real world data and the implementation of efficient and robust signal processing structures. Knowledge about the modern theory and practice of sampling from an engineering perspective, and classical and modern signal processing tools will be acquired.

Programma

Il corso è articolato in due moduli tra loro complementari. Sistemi e segnali a tempo discreto Segnali tempo discreto: rappresentazione e operazioni fondamentali Sistemi lineari tempo-invarianti (LTI): risposta all’impulso, convoluzione, stabilità e causalità Trasformata di Fourier tempo discreto (DTFT): definizione e proprietà Trasformata Z: definizione, regione di convergenza (ROC), analisi dei sistemi Filtri digitali: strutture FIR e IIR, risposta in frequenza, criteri di progetto Campionamento e quantizzazione: effetti della quantizzazione, rumore di quantizzazione Trasformata discreta di Fourier (DFT) e Fast Fourier Transform (FFT): principi e implementazione efficiente Processi stocastici e modellazione Richiami di teoria della probabilità Spazi vettoriali e algebra lineare Ottimizzazione e algoritmi di ottimizzazione Covarianza e indipendenza Processi stocastici: proprietà, stazionarietà, ergodicità Blocchi di processamento e rappresentazioni lineari Vettori e processi gaussiani Densità spettrale di potenza (PSD) Predizione lineare, modelli autoregressivi ed equazioni di Yule-Walker Teorema di Wold Il corso fornisce strumenti teorici e metodologici per l’analisi e il progetto di sistemi di elaborazione dei segnali deterministici e stocastici.

Codice insegnamento B8310

ALGORITHMS AND ARCHITECTURES FOR BIG DATA PROCESSING M 2° anno · 1° semestre · 6 CFU · ING-INF/01 · 0 file

The course provides students with a basic knowledge of problems and corresponding techniques of solutions implied by the ever increasing amount and complexity of the data available for analyses and decisions, i.e., the…

Scheda dell'insegnamento

Obiettivi formativi

The course provides students with a basic knowledge of problems and corresponding techniques of solutions implied by the ever increasing amount and complexity of the data available for analyses and decisions, i.e., the so called Big-Data (BD). The corresponding issues are tackled by multiple points of view: from the abstract characterization of the mathematical properties of BD, to the hardware architectures needed to process them.

Codice insegnamento B8312

ANTENNAS FOR WIRELESS SYSTEMS M 2° anno · 2° semestre · 6 CFU · ING-INF/02 · 0 file

The role of antenna as strategic interface between transmitter/receiver and channel. Design rules for the principal families of antennas (wire, aperture, and microstrip antennas), and for their combination in array…

Scheda dell'insegnamento

Obiettivi formativi

The role of antenna as strategic interface between transmitter/receiver and channel. Design rules for the principal families of antennas (wire, aperture, and microstrip antennas), and for their combination in array architectures. Exploitation of antennas in modern energy-aware applications, such as radio-frequency energy harvesting or wireless power transfer systems.

Programma

1. Metodo di analisi
Richiamo delle equazioni di Maxwell: soluzione in un mezzo normale omogeneo
Il problema del mezzo non omogeneo: problema dello scattering and interpretazione dell’antenno come uno scatterer
2. Proprietà dell’antenna in modalità trasmittente a ricevente
Distribuzione di corrente; campo irradiato; coefficiente di riflessione d’antenna, banda operativa d’antenna
In condizioni di campo lontano: potenza irradiata; intensità di radiazione; diagrammi di radiazione; direttività; efficienza di radiazione e guadagno (di potenza); area efficace d’antenna
Disadattamento d’impedenza e di polarizzazione, potenza ricevuta
Equazione di trasmissione di Friis: analisi e progetto di base di un link radio
3. Dipolo elettromagentico e antenna a loop
Analisi in forma chiusa e analisi numerica del dipolo
Antenna a loop vista come un dipolo magnetico
Cenni di analisi di sistemi NFC
Antenne per RF-ID
4. Teoria delle schiere
Fattore di schiera e principio del “pattern multiplication”
Schiere mono- e bi-dimensionali
Schiere schermate
Schiere a scansione elettronica
Schiere intelligenti
Elementi parassiti
Schiere per la ricezione televisiva: Yagi-Uda, log-periodica, e bow-tie
5. Teoria di base delle antenne ad aperture planari
Campo lontano irradiato da una apertura planare con campo di apertura arbitrario
Aperture TEM
Proprietà radianti di aperture TEM uniformi di forma circolare
Riflettore parabolico
Applicazioni: ricevitori satellitari, radio telescopio
6. Antenne a patch in microstriscia
Descrizione della patch come un array di due aperture magnetiche
Tecniche di alimentazione delle patch
Antenna PIFA miniaturizzate per terminali mobili 2G/3G
PIFA multi-risonanti
Tecniche di inviluppo delle risonanze per l’allargamento della banda
Antenne multibanda per terminali mobili 4G/LTE
Antenne “self-scaling” per applicazioni a banda ultra-larga
7. Array di Antenne planari
Soluzioni di array di antenne in microstriscia e loro rete di alimentazione.
Array di antenne planari "smart" ad alta riconfigurabilità
8. Antenne rettificatrici
Definizione di antenna rettificatrice (o RECTENNA) sia per recupero energetico a RF sia per Trasmissione Wireless di Potenza
Possibili scelte di i) architettura della rectenna, ii) antenna.
9. Laboratorio
Progetto elettromagnetico di: i) antenna planare per applicazioni RF-ID; ii) antenna in microstriscia.
Realizzazione di alcuni campioni di antenne in microstriscia a banda singola e loro caratterizzazione in campo-vicino e campo lontano

Modalità d'esame

Esame orale sia sulla parte teorica sia sulle esercitazioni di laboratorio: per la attività di laboratorio (non obbligatoria), è prevista la produzione di report descrittivi dell'attività che contribuiscono al voto finale.
Il colloquio dura circa 40 minuti: i candidati devono spiegare i fenomeni fisici che giustificano i comportamenti di diversi tipi di antenne. Queste spiegazioni possono essere fornite oralmente, oppure prima scritte su carta e poi discusse a voce.
Per studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

  • Slide delle lezioni
  • "Antenna Theory: Analysis and Design", Constantine A. Balanis
  • "Antennas and Radiowave Propagation", Robert E. Collin
  • "Lezioni di Sistemi d'Antenna", Vol. 1 e Vol. 2, V. Rizzoli, D. Masotti

Codice insegnamento 82072

ARCHITECTURES FOR ARTIFICIAL INTELLIGENCE M 2° anno · 1° semestre · 6 CFU · ING-INF/01 · 0 file

The main goal of the class is to enable students to specify, configure, program and verify complex embedded electronic systems for the Internet of Things and for Artificial Intelligence. The importance of…

Scheda dell'insegnamento

Obiettivi formativi

The main goal of the class is to enable students to specify, configure, program and verify complex embedded electronic systems for the Internet of Things and for Artificial Intelligence. The importance of hardware-software interaction will be emphasized, as all practical IoT and AI systems are programmable. The class will provide working knowledge on state-of-the-art hardware platforms used in embedded AI and IoT applications - spanning a wide range of power and cost vs. performance tradeoffs. A detailed coverage will be given of software abstractions and methodologies for developing applications leveraging the capabilities of the above mentioned platforms. Design automation tools and flows will also be covered.

Programma

Module 1: From ML to DNNs - a computational perspective 1. Introduction to key computational kernels (dot-product, matrix multiply...) 2. Inference vs training - workload analysis characterizatio 3. The NN computational zoo: DNNs, CNNs, RNNs, Attention-based Networks, State Based networks Running ML workloads on programmable processor 1. recap of processor instruction set architecture (ISA) with focus on data processing 2. improving processor ISAs for ML: RISC-V and ARM use cases 3. fundamentals of parallel processor architecture and parallelization of ML workloads Algorithmic optimizations for ML 1. Bottleneck analysis and algorithmic techniques 3. Model distillation: efficient NN models - depthwise convolutions, inverse bottleneck, optimized attention, introduction to Neural Architectural Search 3. Quantization and sparsity: scalar, block, vector.

Modalità d'esame

Written exam with oral discussion: the written exam is compulsory and consists of solving problems and answering questions. The oral exam is optional and consists of in-depth questions on topics covered in class.

Testi di riferimento

Selected parts from the following books
1. Dive into Deep Learning (online: d2l.ai)
2. Efficient Processing of Deep Neural Networks (online: https://link.springer.com/book/10.1007/978-3-031-01766-7 )
3. Machine Learning Systems (online: mlsysbook.ai)

Codice insegnamento 93398

ARCHITETTURA DEI CALCOLATORI ELETTRONICI M 2° anno · 1° semestre · 6 CFU · ING-INF/05 · 0 file

Illustrare sistemi a microprocessori a parallelismo multibyte, sistemi di memorie multibyte, agenti hardware intelligenti, schede reali basate su microprocessore x86, architetture avanzate, tecnologie cache, sistemi…

Scheda dell'insegnamento

Obiettivi formativi

Illustrare sistemi a microprocessori a parallelismo multibyte, sistemi di memorie multibyte, agenti hardware intelligenti, schede reali basate su microprocessore x86, architetture avanzate, tecnologie cache, sistemi impaginati e segmentati, famiglia Pentium, pipelinining, accesso burst e temporizzazioni, cache di secondo livello e sistemi multiprocessore, esecuzione out-of-order e tecnologie implementative, i processori Pentium II, III e IV e i chip di supporto, interfacciamento delle memorie dinamiche.

Programma

Obiettivo dell'insegnamento è aiutare lo studente a impadronirsi di un quadro di riferimento che gli consenta di affrontare con consapevolezza la progettazione digitale a diversi livelli di astrazione (dal componente al sistema, sia esso su singolo chip o su scheda).
Il modulo si colloca a valle degli insegnamenti di reti logiche, calcolatori elettronici, e fondamenti di informatica impartiti nelle lauree triennali dell'Ingegneria dell'Informazione dell'Università di Bologna. L'insegnamento presuppone acquisite le conoscenze elementari di architettura dell'hardware dei calcolatori elettronici (Set di istruzioni Registro-Registro e Memoria-Registro, datapath e unità di controllo, pipeline a 5 stadi per set di istruzioni R-R (RISC), memorie, gestione delle interfacce di ingresso/uscita a interrupt e a controllo di programma, driver), e intende trasferire conoscenze più avanzate sull'architettura, sui principi di funzionamento, sulle prestazioni e sulla evoluzione dei calcolatori ad alta integrazione e larga diffusione. In particolare il corso tratta i seguenti argomenti:
parallelismo a livello di istruzione, modelli di esecuzione bloccanti e non bloccanti set di istruzioni per architetture RISC-V gerarchia delle memorie parallelismo a livello dati, estensioni vettoriali sistemi multi/many core estensioni architetturali per la sicurezza, gestione dei consumi.
Il corso si sofferma inoltre su alcune strutture che trovano impiego diffuso all'interno dei calcolatori ad alte prestazioni.

Modalità d'esame

La verifica dell'apprendimento viene effettuata sul risultato di una prova scritta volta a verificare la preparazione dello studente sia sulla progettazione sia sull'architettura dell'hardware dei calcolatori.
E' previsto un colloquio orale facoltativo per gli studenti che hanno superato lo scritto. Il colloquio orale è volto a verificare la capacità dello studente di valutare l'efficacia e le implicazioni delle diverse tecniche architetturali trattate a lezioni oltre a saperne discutere il funzionamento. Qualora precedentemente concordato con il docente lo studente e/o piccoli gruppi di studenti possono presentare elaborati di approfondimento degli argomenti trattati a lezioni.
La formazione dell'esito finale è composta per 3/4 dalla prova scritta e per 1/4 dal colloquio orale facoltativo.

Testi di riferimento

J. L. Hennessy, D. A. Patterson, Computer Architecture: a quantitative approach, 6° edizione, Morgan Kaufmann (https://www.elsevier.com/books/computer-architecture/hennessy/978-0-12-811905-1)
David J. Greaves, Modern System-on-Chip Design on Arm, ARM Education Media (https://www.arm.com/resources/education/books/modern-soc)
David A Patterson John L Hennessy, Struttura e progetto dei calcolatori. Progettare con RISC-V, (https://www.zanichelli.it/ricerca/prodotti/struttura-e-progetto-dei-calcolatori-edizione-risc?hl=risc-v)

Codice insegnamento 69430

ARCHITETTURE DIGITALI PER L'ELABORAZIONE DEL SEGNALE M 2° anno · 1° semestre · 6 CFU · ING-INF/01 · 0 file

Illustrare le architetture digitali piú in uso per la elaborazione del segnale. Partendo dallo studio di alcuni significativi algoritmi di elaborazione del segnale audio e video, si desumono le specifiche che debbono…

Scheda dell'insegnamento

Obiettivi formativi

Illustrare le architetture digitali piú in uso per la elaborazione del segnale. Partendo dallo studio di alcuni significativi algoritmi di elaborazione del segnale audio e video, si desumono le specifiche che debbono essere soddisfatte da architetture hardware par la elaborazione del segnale. L'analisi delle architetture piú in uso, seriali e parallele, viene svolta osservando la stretta correlazione tra specifiche algoritmiche ed architetturali nell'ambito di questa classe di macchine.

Programma

Il corso si focalizza sulla specifica, il progetto e l'implementazione di architetture hardware digitali su chip, con particolare attenzione ad architetture dedicate per l'elaborazione del segnale digitale. Accompagna alla teoria una forte componente pratica e di laboratorio (>50% del corso).
Teoria Modulo 1:
Linguaggio di descrizione hardware SystemVerilog (cenni) Algoritmi di elaborazione del segnale digitale (DSP): formati numerici e rappresentazione mediante data-flow graphs (DFG) Progetto top-down di microarchitetture di datapath per DSP tramite scheduling e mapping di DFG; tecniche di ottimizzazione (retiming, pipelining, parallelismo) Integrazione di datapath per DSP in System-on-Chip complessi basati su microprocessore come estensioni dell'instruction set e/o acceleratori dedicati.
Teoria Modulo 2:
Sintesi logica ed implementazione fisica di sistemi digitali, impatto delle scelte progettuali su prestazioni, potenza ed efficienza energetica.
Laboratorio:
Modulo 1: Realizzazione e simulazione (Siemens QuestaSim) di acceleratori dedicati per l'elaborazione del segnale; integrazione in SoC platform (PULPissimo). Modulo 2: Implementazione fisica di sistemi on chip per l'elaborazione del segnale: sintesi logica (Synopsys Design Compiler) , flussi di place and route (Cadence Innovus).

Modalità d'esame

Relazione su esercitazioni assegnate in laboratorio.
Esame orale unico sull'intero programma del corso (teoria mod 1 + mod 2 + laboratorio).

Testi di riferimento

Materiali didattici: tutti i materiali didattici (slide, link, articoli scientifici) saranno distribuiti mediante Virtuale. Tutto il materiale sarà distribuito in lingua inglese.
Testi di riferimento (per consultazione):
D. Marković, R. W. Brodersen, "DSP Architecture Design Essentials", Springer 2012 G. De Micheli, "Synthesis and Optimization of Digital Circuits", McGraw-Hill Education 1994

Codice insegnamento 35364

ARTIFICIAL INTELLIGENCE FOR MEDICINE M 2° anno · 2° semestre · 6 CFU · ING-INF/06 · 0 file

At the end of the course, the student has: -knowledge regarding the need for AI in Medicine; -understanding of weaknesses of AI techniques, methods to overcome the challenges of AI in Medicine, and ways in which AI may…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student has: -knowledge regarding the need for AI in Medicine; -understanding of weaknesses of AI techniques, methods to overcome the challenges of AI in Medicine, and ways in which AI may improve healthcare; -essential knowledge to develop and implement reliable AI solutions in clinical research (using, e.g., supervised and unsupervised machine and deep learning techniques, explainable AI methods, and generative adversarial techniques); -practical skills to develop state-of-the-art AI tools with real-world medical data (e.g., clinical and imaging data); -the ability to critically read, discuss and evaluate methods and results of studies using AI in Medicine; -an overview of state-of-the-art AI-powered tools in Medicine.

Programma

· Introduzione all'IA nella Sanità e in Medicina: progressi, sfide e opportunità; · Introduzione ai dati clinici: raccolta e gestione dei dati medici, controllo di qualità, armonizzazione dei dati, dataset sintetici, dimensione dei dataset vs. intervalli di confidenza; · Fondamenti dell'IA per la Medicina: Tassonomia degli algoritmi di machine learning. Introduzione a GitHub e Google Colab per lo sviluppo collaborativo e l’esecuzione in cloud. Capacità del modello, generalizzazione e tecniche di regolarizzazione. Tuning degli iperparametri. Strategie di validazione: hold-out, cross-validation, nested hold-out, nested cross-validation, leave-one-out e campionamento stratificato. Introduzione alla programmazione in Python. Caso di studio pratico: predizione dell’età da dati di Risonanza Magnetica cerebrale. Debolezze delle tecniche di IA e loro conseguenze in Medicina, valutazione degli strumenti di IA in Medicina, Explainable AI, data leakage, riproducibilità dell'IA, apprendimento self-supervised, apprendimento federato e swarm learning, reporting trasparente, integrazione clinica; · Progetti pratici con dati clinici: progetti per fornire esperienza tecnica nell'IA per la Medicina; · Strumenti IA nel mondo reale in Medicina: una panoramica delle soluzioni IA all'avanguardia in Medicina e Sanità.

Modalità d'esame

La verifica dell’apprendimento sarà effettuata tramite un esame finale consistente in una prova orale, focalizzata sia sui concetti teorici presentati durante le lezioni sia sugli strumenti software utilizzati nei laboratori. L’esame ha l’obiettivo di accertare le competenze teorico-pratiche dello studente, la correttezza del linguaggio e la chiarezza nell’esposizione dei concetti.
Come parte integrante della valutazione finale, agli studenti è richiesto di sviluppare e presentare un progetto software utilizzando Python in Google Colab, applicando tecniche di intelligenza artificiale per risolvere un problema reale in ambito biologico o medico. Il progetto può essere scelto da una lista fornita durante il corso oppure proposto autonomamente dallo studente, previa approvazione del docente. I progetti possono essere svolti individualmente o in coppia; in quest’ultimo caso, il livello di complessità e il carico di lavoro devono essere proporzionatamente maggiori.
Il codice deve essere implementato in Python, eseguibile su Google Colab, e consegnato in formato .ipynb (notebook). La consegna del notebook può avvenire tramite una delle seguenti modalità:
repository personale GitHub (fornendo il link), link condivisibile di Google Colab, oppure invio diretto del file via email al docente.
In aggiunta al codice, è necessario consegnare una relazione in formato PDF, redatta secondo il template ufficiale disponibile nella repository GitHub del corso o sulla piattaforma Virtuale.
Sia il codice che la relazione devono essere consegnati almeno 7 giorni prima della data dell’esame.
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it ): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

Dispense fornite dal docente.
M. Lutz, "Learning Python", O'Reilly, 2013
I. Goodfellow, Y. Bengio, A. Courville, "Deep Learning", MIT Press, 2016 (https://www.deeplearningbook.org/ )

Codice insegnamento B5224

AUTOMATION SOFTWARE AND DESIGN PATTERNS M 2° anno · 2° semestre · 6 CFU · ING-INF/04 · 0 file

Il corso si propone di fornire una visione razionale delle principali problematiche, metodi, schemi di progettazione e ambienti di sviluppo per l'implementazione dei moderni sistemi di automazione. Il corso si…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire una visione razionale delle principali problematiche, metodi, schemi di progettazione e ambienti di sviluppo per l'implementazione dei moderni sistemi di automazione. Il corso si concentrerà sulla generazione model-based di macchine a stati finiti, livelli di astrazione basati su Input e Output Bridges, Generic Devices e Generic Axes e sistemi di gestione dei guasti. Al termine del corso gli studenti sono in grado di padroneggiare aspetti progettuali di architetture software avanzate per macchine automatiche complesse, definendo modelli e soluzioni flessibili per i problemi più comuni, indipendentemente dall'architettura della macchina e dell'hardware di controllo.

Programma

Introduzione
Automazione: definizione ed esempi Funzione vs. Implementazione Introduzione al controllo logico e automi a stati finiti
L'ambiente PLC
Introduzione alla progettazione di controlli logici Lo standard IEC 61131-3 strumenti e linguaggi di programmazione organizzazione del software (POUs), function,s function block, program overview linguaggi di programmazione: LD, IL, ST, FBD, SFC Considerazioni sulla implementazione e sul modello di esecuzione CoDeSys Automation Studio Realtime networks and POWERLINK
Programmazione di Macchine Automatiche
Progetto di automi per il controllo di macchine automatiche Incidenza del progetto software Dalle specifiche funzionali al modello formale Implementazione dell’automa in ambiente PLC Diagnostica dei malfunzionamenti Pattern per la riusabilità del codice Shift registers Generic device Automation standards: PLCopen and OMAC PackML Electric cams Syncronized and interpolated axes Generic axis Safety

Modalità d'esame

Discussione dei progetti sviluppati dagli studenti

Testi di riferimento

Bonivento, Gentili, Paoli, , "Sistemi di automazione industriale - architetture e controllo",McGraw-Hill, 2006
Bonfatti, Monari, Sampieri, "IEC 1131-3 Programming Methodology", CJ International, Le Saint Georges, France .
Chiacchio, Basile, "Tecnologie informatiche per l'automazione", seconda edizione, Mc Graw Hill
Laplante, Ovaska, "Real-Time Systems Design and Analysis: Tools for the Practitioner",Wiley, 2011

Codice insegnamento 87269

BIG DATA FOR COMMUNICATIONS M 2° anno · 1° semestre · 6 CFU · ING-INF/03 · 0 file

In the first part of the course students are introduced to the fundamental concepts of Big Data, machine learning, and neural networks. The course also covers key aspects of probability theory and graph theory, which…

Scheda dell'insegnamento

Obiettivi formativi

In the first part of the course students are introduced to the fundamental concepts of Big Data, machine learning, and neural networks. The course also covers key aspects of probability theory and graph theory, which provide the foundation for understanding probabilistic graphical models (e.g., Bayesian networks). These models are widely used in industrial applications, including information validation, fault isolation, and reliability analessi, all of which are becoming increasingly relevant in modern contexts. The second part of the course focuses on more advanced topics in artificial intelligence, such as energy based models (e.g., Boltzmann machines). Students also gain practical experience in applying machine learning and other AI techniques to enhance the performance of communication systems by leveraging the vast amount of data available in contemporary wireless communication environments.

Programma

Please discard the text contained in the box "Learning Outcomes", as it is outdated. The program has changed with respect to the previous years and is organised as follows.
The course introduces the fundamental techniques used to analyse big application and network datasets, for the sake of advanced service provision and network management/optimisation, respectively, with reference to 5G/6G mobile radio networks. The data analysis techniques introduced, belong to the field of numerical optimisation, learning and AI (Artificial Intelligence).
Half of the course will be dedicated to hands-on and lab activities. Real world data will be used.
The course is split in two modules.
The first module will first describe the protocol and network architecture of 5G, then it will introduce optimisation, learning and neural network basics, with the goal to analyse data from a real world industrial 5G robotic application. Lab and hands-on sessions are included (about 10 hours).
The second module will introduce to 5G Key Performance Indicators (KPIs) and MDT data; then, more advanced AI techniques will be described and all practical activities will be geared towards the use of measured KPIs and MDT data to identify features in network data and exploit them to optimise some 5G RAN parameters. Lab and hands-on sessions are included, using real world KPI/MDT data from a 5G network (about 20 hours).
More details follow.
First Module.
1.1 Introduction to 5G.
1.2 Introduction to industrial AI based 5G/6G use cases.
1.3 Data-driven AI: training and test, supervised (regression, classification), unsupervised.
1.4 Machine Learning: linear/logistic regression, decision tree, random forests Deep Learning: artificial neuron, neural networks, back propagation, CNN, AutoEncode.
1.5 Data Analysis & Engineering: data vis, feature creation, missing/anomalous values, imbalanced data.
1.6 Description of an Industrial IoT Case Study.
1.7 Lab IIoT 1: Data Analysis and Engineering for IoT.
1.8 Lab IIoT 2: Deep Learning for fault prediction.
1.9 Hands-On Session: 1D-CNNs for IoT / mobile networks.
1.10 Hands-On Session: AutoEncoders for IoT / mobile networks.
Second Module.
2.1 Introduction to 5G KPIs and MDT Data.
2.2 Lab 5G 1: MDT & KPIs Data Analysis and Engineering.
2.3 Lab 5G 2: Radio KPIs regression.
2.4 Lab 5G 3: MDT to predict Radio KPIs
2.5 Fingerprinting Positioning, wKNN.
2.6 Lab 5G 4: MDT for Positioning.
2.7 Hands-On Session: RayTracing, Sionna, 6G Digital Twins.
2.8 Hands-On Sessions: 3D-CNNs.
2.9 Seminars on future uses of AI in 5G/6G networks.

Modalità d'esame

At the end of each module, a questionnaire with multiple choices plus the assignment of the task to analyse a dataset will be proposed.

Testi di riferimento

Slidesets, databases and software are provided by the instructor.

Codice insegnamento B8313

BIOIMMAGINI E INGEGNERIA CLINICA M 2° anno · 1° semestre · 6 CFU · ING-INF/06 · 0 file

Gestione e normativa delle apparecchiature biomediche. Sistemi informativi sanitari ed elementi di telemedicina. Il dimensionamento dei servizi sanitari. La diagnostica per immagini. Elaborazione di immagini…

Scheda dell'insegnamento

Obiettivi formativi

Gestione e normativa delle apparecchiature biomediche. Sistemi informativi sanitari ed elementi di telemedicina. Il dimensionamento dei servizi sanitari. La diagnostica per immagini. Elaborazione di immagini biomediche: metodi di filtraggio e segmentazione. Visualizzazione assistita al calcolatore. Tecniche di realtà virtuale in biomedicina.

Programma

Il corso è suddiviso in due moduliche tratteranno i seguenti contenuti:
Il parco tecnologico in una struttura sanitaria. Principi fisici di funzionamento e caratteristiche tecnologiche dei seguenti sistemi diagnostici: elettrocardiografi, sistemi di monitoraggio, apparecchiature a raggi X, tomografia computerizzata, ecografi, tomografia a risonanza magnetica, tomografia ad emissione di positroni e sistemi per radioterapia.
Dispositivi medici. Definizione, normativa di riferimento, classificazione e processo di certificazione dei dispositivi medici. Sistemi di codifica delle tecnologie biomediche. Dati orientativi sulla consistenza del parco tecnologico sanitario.
L'ingegneria clinica. Definizione e ruoli, attività e competenze. La gestione e la valutazione delle tecnologie nei presidi sanitari anche mediante approcci di HTA. L'acquisizione e la manutenzione delle apparecchiature. Criteri per il dimensionamento di un Servizio di Ingeneria Clinica. Le normative per assicurare un uso corretto e sicuro delle tecnologie biomediche. La sicurezza elettrica dei dispositivi medici.
Lezioni seminariali verranno tenute su argomenti specifici da esperti del settore.

Modalità d'esame

Durante il corso verranno somministrati questionari anonimi mediante applicazioni web per monitorare in tempo reale il livello di comprensione dei contenuti ed eventualmente effettuarne delle rimodulazioni.
La verifica avviene mediante un esame orale a fine corso, teso alla verifica che tutti i contenuti del corso siano stati compresi ed assimilati. Verrà valutata la capacità dello studente di illustrare i contenuti trattati durante la il corso, effettuando anche valutazioni comparative tra le diverse metodologie presentate e proponendo allo studente l’applicazione delle tecniche studiate anche a nuovi casi studio reali. Proprietà di linguaggio, organicità di esposizione, livello di dettagli saranno parte integrante della valutazione.
Il voto finale viene espresso in trentesimi.
Per studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà cura dell'ufficio proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

Dispense e materiale forniti dal docente che verranno rese disponibili ai discenti tramite Virtuale.
C. Lamberti, W. Rainer: Le Apparecchiature Biomediche e la loro Gestione. Collana di Ingegneria Biomedica. Patron Editore, Bologna, 1998. Massimo Garagnani, Claudio Lamberti: ECOGRAFIA: principi fisici e sviluppi tecnologici. ATHENA Audiovisual Edizioni. Modena, 2003
Manuale di ingegneria biomedicale, Armando Ferraioli, Edizioni: Dario Flaccovio (ISBN 9788857912288)

Codice insegnamento 35425

BIOINGEGNERIA DELLA RIABILITAZIONE M 2° anno · 2° semestre · 6 CFU · ING-IND/34 · 0 file

Fornire allo Studente un quadro sulle problematiche della disabilità, gli ausili utilizzati e le tecniche per la valutazione funzionale con particolare riferimento alla neuroriabilitazione e neuroprotesi nel controllo…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

Fornire allo Studente un quadro sulle problematiche della disabilità, gli ausili utilizzati e le tecniche per la valutazione funzionale con particolare riferimento alla neuroriabilitazione e neuroprotesi nel controllo della postura e del movimento, alla protesi e ortesi per arti superiori e inferiori, e al monitoraggio remoto, applicazioni domotiche e realtà virtuale.

Programma

Contenuti 1. Introduzione al corso • Le tecnologie per la riabilitazione ed il loro impatto sulla salute e sulla società: il disabile, il bambino e l'anziano 2. Basi anatomo-fisiologiche • Anatomo-fisiologia del sistema muscolo-scheletrico • Organizzazione del sistema nervoso centrale e periferico • Funzioni del sistema nervoso centrale colpite più spesso da eventi traumatici/vascolari, da malattie neurodegenerative, del neuro-sviluppo e neuromotorie. 3. La biomeccanica • La biomeccanica: definizione, obiettivi, metodologie • Statica, cinematica e dinamica del corpo rigido e dei sistemi articolati • Biomeccanica del movimento umano: finalità generali, cenni storici • Cinematica e dinamica del movimento umano • Analisi del movimento: Sistemi markerless e marker-based (es. stereo-fotogrammetria), dinamometria e sensoristica indossabile • Applicazioni cliniche su paziente adulto e pediatrico • Esercizi di biomeccanica 4. Il controllo della postura e del movimento • Il controllo posturale • I disordini dell'equilibrio e la loro valutazione clinica • La valutazione del controllo posturale per via strumentale: posturografia statica e dinamica, tecniche stabilometriche • Modelli del controllo postulare • Il segnale posturografico: parametri derivati dalla traiettoria del centro di pressione • La caduta nel soggetto anziano o disabile: analisi della stabilità, determinanti della caduta, dinamica, classificazione, predizione, assistenza e riabilitazione • Applicazioni cliniche su paziente adulto e pediatrico • Esercizi 5. Elementi di valutazione funzionale e cognitiva • Definizione di funzione • Le scale di valutazione funzionale • Tecniche strumentali per la valutazione funzionale • Estrazione di informazione dai dati: uso di modelli statistici e di tecniche di classificazione basati su machine learning. • Valutazione della funzione cognitiva • Esempi applicativi 6. Tecniche riabilitative basate su biofeedback e realtà virtuale • Biofeedback: principi base e applicazioni • Biofeedback posturale, biofeedback del cammino e neurofeedback • Sistemi per la riabilitazione basati su Realtà Virtuale • Casi applicativi 7. Ausili e sistemi per il supporto alla mobilità, alla comunicazione e all'autonomia • Introduzione alla Disabilità • Classificazione ICIDH e ICF • Definizione di Ausilio. Ausili per l'autonomia. Design for All e tecnologie personalizzate. • Protesi ed ortesi per arto superiore ed inferiore. Protesi estetiche e protesi funzionali. Protesi esoscheletriche ed endoscheletriche. Ortesi statiche e dinamiche. Applicazioni cliniche per adulti e bambini. • Ausili per la mobilità • Esoscheletri e sistemi robotici per la riabilitazione 8. Interfaccia uomo-calcolatore-ambiente • Sensori per disabilità motorie • Interfacce per tecnologie assistive. • Ausili tecnologici ed informatici per la comunicazione. Sistemi di accesso al computer. Tastiere speciali ed emulatori di mouse. Software per l'accesso facilitato al PC. • Sistemi domotici e standards. Modalità di trasmissione dati nei sistemi domotici. • Domotica e disabilità • Interfacce basate sulla realtà virtuale • Brain-computer interface (BCI) basate su segnali elettroencefalografi (EEG) ed elettromiografici (EMG)

Modalità d'esame

L'esame finale comprende una prova scritta e una orale. La prova scritta consiste in un esercizio per il modulo 1 e domande aperte per il modulo 2. L'esame orale prevede la presentazione del progetto.

Testi di riferimento

Appunti del docente e presentazioni Power Point. 1. Cappello A., Cappozzo A., di Prampero P.E. (Eds.). (2003). Bioingegneria della Postura e del Movimento, Patron Editore. 2. Winter D.A. (2009), Biomechanics and Motor Control of Human Movement, John Wiley & Sons. 3. Ozkaya N., Nordin M., Goldsheyder D., Leger D. (Eds. Angelo Cappello, Lorenzo Chiari) (2021) Fondamenti di Biomeccanica. Equilibrio, movimento e deformazione, Piccin Editore. 4. Farina, D., Jensen, W., & Akay, M. (Eds.). (2013). Introduction to neural engineering for motor rehabilitation (Vol. 40). John Wiley & Sons. 5. Salisbury, D. B., Dahdah, M., Driver, S., Parsons, T. D., & Richter, K. M. (2016, April). Virtual reality and brain computer interface in neurorehabilitation. In Baylor university medical center proceedings (Vol. 29, No. 2, pp. 124-127). Taylor & Francis. 6. Reinkensmeyer, D. J., & Dietz, V. (Eds.). (2016). Neurorehabilitation technology. New York: Springer. 7. Dimitrousis, C., Almpani, S., Stefaneas, P., Veneman, J., Nizamis, K., & Astaras, A. (2020). Neurorobotics: Review of Underlying Technologies, Current Developments and Future Directions. Neurotechnology: Methods, advances and applications. 8. Chen, S. C., Bodine, C., & Lew, H. L. (2021). Assistive Technology and Environmental Control Devices. In Braddom's Physical Medicine and Rehabilitation (pp. 374-388). Elsevier. 9. Gupta, D., Sharma, M., Chaudhary, V., & Khanna, A. (Eds.). (2021). Robotic Technologies in Biomedical and Healthcare Engineering. CRC Press. 10. Chui, K. K., Jorge, M., Yen, S. C., & Lusardi, M. M. (2020). Orthotics and prosthetics in rehabilitation.

Codice insegnamento 35374

BIOMECCANICA COMPUTAZIONALE M 2° anno · 1° semestre · 6 CFU · ING-IND/34 · 0 file

Lo studente, al termine del corso, acquisisce padronanza di strumenti computazionali avanzati per lo studio della biomeccanica dell’apparato muscoloscheletrico.Il corso richiama la meccanica dei solidi e il metodo agli…

Scheda dell'insegnamento

Obiettivi formativi

Lo studente, al termine del corso, acquisisce padronanza di strumenti computazionali avanzati per lo studio della biomeccanica dell’apparato muscoloscheletrico.Il corso richiama la meccanica dei solidi e il metodo agli elementi finiti, nonché dei metodi numerici per la modellazione ad elementi finiti di problemi non lineari quali grandi spostamenti, contatto, plasticità. Approfondisce lo sviluppo di strumenti computazionali avanzati per l’analisi del sistema muscolo-scheletrico intatto ed in presenza di dispositivi protesici, compresi i metodi per l’integrazione di dati provenienti da immagini con i modelli biomeccanici e per la cross-validazione con risultati ottenuti da sperimentazione in-vitro ed in-vivo. Lo studente sviluppa competenze nella formulazione e soluzione di problemi di biomeccanica strutturale e funzionale, e familiarizza con programmi commerciali diffusamente impiegati per risolvere questi problemi.

Programma

Il corso di “Biomeccanica Computazionale”, parte del corso integrato di “Biomeccanica”, si concentra sulla biomeccanica dei solidi, lasciando al corso “Biomeccanica della Funzione Motoria” tutti gli aspetti della biomeccanica del movimento umano. I contenuti del corso di Biomeccanica computazionale quest’anno saranno:

  • Introduzione al corso
  • Cenni di calcolo tensoriale e meccanica dei solidi
  • Il Metodo degli Elementi Finiti
  • Patofisiologia e Meccanobiologia scheletrica
  • Credibilità dei modelli predittivi
  • Modellazione stocastica
  • Si può predire la natura? Medicina in silico
  • Machine Learning in Biomeccanica
  • - Applicazioni cliniche dei digital twin
  • - Applicazioni industriali degli In Silico Trials
  • Validazione sperimentale dei modelli

Modalità d'esame

Esame orale.
Al fine di garantire una comprensione anche pratica delle tecniche di modellazione oggetto del corso, le esercitazioni devono essere consegnate tutte prima di sostenere l'esame e di verbalizzare il voto, e possono contribuire in piccola parte al voto finale.
Vista la natura avanzata del corso, i cui contenuti cambiano ogni anno in funzione delle evoluzioni della ricerca nel settore, la frequenza alle lezioni ed alle esercitazioni è fortemente raccomandata.

Testi di riferimento

Viceconti, M. Multiscale Modeling of the Skeletal System. Cambridge University Press, ISBN: 978-0521769501.
Dispensa del corso

Codice insegnamento 37465

BIOMECCANICA SPERIMENTALE M 2° anno · 1° semestre · 6 CFU · ING-IND/34 · 0 file

Lo studente si impadronisce degli strumenti computazionali avanzati per l'analisi del sistema muscolo-scheletrico intatto ed in presenza di dispositivi protesici. Impara ad integrare i dati provenienti da immagini con…

Scheda dell'insegnamento

Obiettivi formativi

Lo studente si impadronisce degli strumenti computazionali avanzati per l'analisi del sistema muscolo-scheletrico intatto ed in presenza di dispositivi protesici. Impara ad integrare i dati provenienti da immagini con i modelli biomeccanici. Cross-validazione con risultati ottenuti da sperimentazione in-vitro ed in-vivo. Acquisisce comprensione teorico-pratica della meccanica dei continui e del metodo agli elementi finiti, nonché dei metodi numerici per la modellazione ad elementi finiti di problemi non lineari quali grandi spostamenti, contatto, plasticità, ecc. Familiarizza con programmi commerciali diffusamente impiegati. Sviluppa capacità di formulare e risolvere problemi di biomeccanica strutturale e funzionale.

Programma

Richiami sulla meccanica dei materiali: - Elasticità, Plasticità, Visco-elasticità, Pseudoelasticità - Criteri di collasso (fragile, duttile, visco-elastico, fatica) Struttura e composizione dei tessuti: - Componenti strutturali dei tessuti biologici - Organizzazione e caratteristiche dei tessuti Classificazione ed analisi dei principali tessuti (in base alla funzione; in base alle caratteristiche): - Osso - Legamenti - Tendini - Cartilagini - Menischi Caratteristiche meccaniche dei vari tessuti e risposta alle sollecitazioni: - Funzione, struttura e caratteristiche meccaniche - Elasticità visco-elasticità - Resistenza meccanica e trauma dei tessuti - Crescita, modellamento, riparazione, e rimodellamento Metodi per la caratterizzazione meccanica dei tessuti: - Problemi nella sperimentazione (incertezze di misura, propagazioni degli errori, progetto dell'esperimento) - Tipi di prove (trazione, flessione, compressione, attrito, creep, isteresi, viscosità, etc). - Strumentazione Esercitazioni: Il corso si avvale di esercitazioni sia numeriche che, soprattutto, sperimentali (una alla settimana). Nel corso delle esercitazioni vengono eseguite caratterizzazioni di tessuti e sistemi biomeccanici. Ciascuno studente deve redigere una relazione tecnica per ciascuna delle esercitazioni svolte. La relazione deve essere sintetica ma esaustiva e coprire i seguenti aspetti: introduzione e finalità dell'esperimento; descrizione dei provini, dei materiali utilizzati e dei metodi; presentazione dei risultati (comprensiva di un'analisi degli errori); discussione dei risultati e note conclusive.

Modalità d'esame

MODALITÀ SVOLGIMENTO ESAME del modulo: BIOMECCANICA SPERIMENTALE
L’esame finale del modulo Biomeccanica Sperimentale consta di una prova orale. Nel corso dell’esame lo studente deve:
Affrontare domande di teoria su tutto il programma svolto(compresi i seminari svolti in orario di lezione); Presentare e discutere le relazioni scritte sulle esercitazioni di laboratorio. Il giorno stesso dell’orale (non serve prima), ciascuno studente deve presentare una stampa cartacea (esame in presenza) o il pdf (esame in remoto) al momento dell’orale.
Il voto finale si basa sulla prova orale
In caso di insufficienza, lo studente non potrà ri-sostenere l'orale prima di 30 giorni.
MODALITÀ SVOLGIMENTO ESAME Corso Integrato «BIOMECCANICA M»
Il Corso Integrato consiste di due moduli distinti (Biomeccanica Sperimentale e Biomeccanica Computazionale):
Gli esami dei due moduli sono indipendenti come contenuti, modalità e date Lo studente può sostenere separatamente, nell’ordine che preferisce, l’esame dei due moduli È necessario sostenere l’esame del 2° modulo entro 365 giorni dal superamento del 1° Trascorso tale termine decadrà l’esito del 1° modulo sostenuto e sarà necessario sostenere nuovamente la prova relativa a tale modulo Voto finale: Media aritmetica dei due voti (eventualmente, arrotondata per eccesso)
Verbalizzazione: Prof. Marco Viceconti
Quanto sopra vale per gli studenti che hanno nel piano di studio il Corso Integrato “Biomeccanica”.
Se qualche studente ha nel piano di studio uno solo dei due moduli, sosterrà solo l’esame di tale modulo.
CASI PARTICOLARI:
Studenti lavoratore e studente atleta: Per ogni sessione d'esame, gli studenti che hanno acquisito lo status di studente lavoratore o studente atleta possono chiedere un appello alternativo, ovvero in sostituzione di uno degli appelli ordinari della sessione. Gli studenti dovranno contattare il docente almeno 14 giorni prima del primo appello previsto nella sessione, in modo da individuare una data comune tra tutte le richieste pervenute. Studenti con DSA o disabilità temporanee o permanenti: Si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile ( https://site.unibo.it/studenti-con-disabilita-e-dsa/it ): sarà sua cura proporre agli studenti interessati eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
INTEGRITA' DELLE PROVE DI VERIFICA: in conformità al Codice Etico di Ateneo, si richiamano gli studenti alla massima correttezza. È vietata ogni attività volta a modificare indebitamente l’esito delle prove (es. copiatura, plagio, accesso alle risorse didattiche online, ricorso a strumenti AI non autorizzati). Si segnala in particolare che il solo possesso di strumentazione o materiale non autorizzato durante la prova comporta l’annullamento immediato del compito e la segnalazione agli uffici competenti. I comportamenti che contravvengono a questo divieto possono dare corso a procedimenti disciplinari o a segnalazioni alle autorità competenti, se penalmente rilevanti; in quest’ultimo caso vi è il rischio che gli studenti coinvolti possano incorrere in procedimenti penali.

Testi di riferimento

Il corso si basa principalmente su dispense a cura del docente (sufficienti a coprire l'intero programma d'esame). Le dispense vengono rese disponibili tramite i servizi web di ateneo, e sono scaricabili dal portale Insegnamenti Online (accesso riservato Studenti UniBo) Lo studente può inoltre approfondire gli studi nei seguenti testi specialistici (facoltativo): - Montevecchi F., Redaelli A. “Biomeccanica. Analisi multiscala di tessuti biologici” Patron Pubbl. 2007 - Fung Y.C. "Biomechanics: Mechanical properties of living tissues” Springer-Verlag Publ., 1981 (caratteristiche dei tessuti) - Fung Y.C. "Biomechanics: Motion, flow, stress and growth” Springer-Verlag Publ., 1990 (adattamento dei tessuti alle sollecitazioni) - Beer F.P., Russel J.E. "Scienza delle costruzioni. Introduzione alla meccanica dei materiali" McGraw-Hill Publ. (scienza delle costruzioni: teoria ed esempi) - Nordin M., Frankel V.H. "Basic biomechanics of the musculoskeletal system" Lea & Febiger Publ. (esercizi ed esempi di biomeccanica) - Black J., Hastings G. "Handobook of biomaterial properties" Chapman & Hall Publ. (proprieta' dei materiali) - Bronzino J.D. "The Biomedical engineering handbook" CRC Press - IEEE Press (riferimento generale) - Palastanga et al. "Anatomy and human movement" Butterworth-Heinemann Publ. (anatomia funzionale) - Pietrabissa R. "Biomateriali per protesi e organi artificiali" Patron ed. (biomateriali)

Codice insegnamento 93798

CYBER-PHYSICAL SYSTEMS PROGRAMMING M 2° anno · 1° semestre · 6 CFU · ING-INF/05 · 0 file

Il corso fornisce allo studente una conoscenza di base delle architetture software e gli ambienti di sviluppo, programmazione e progettazione di sistemi cyber-fisici, con particolare enfasi alla coesistenza di task di…

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornisce allo studente una conoscenza di base delle architetture software e gli ambienti di sviluppo, programmazione e progettazione di sistemi cyber-fisici, con particolare enfasi alla coesistenza di task di controllo, processing di data stream, e comunicazione IoT con requisiti di real-time e cybersecurity. Nel corso lo studente impara a utilizzare compilatori, librerie, runtime e middleware per piattaforme e architetture eterogenee, dotate di processori multicore, co-processori e acceleratori HW e SW per il processing di stream di dati da sensori e verso attuatori.

Programma

Introduction to software development and cross-compilation for cyber-physical systems (CPS): compiler, bootloader, system calls, RTOS, middleware, real-time applications (e.g. controllers, real-time sensor data processing) Embedded firmware development (baremetal programming) for embedded systems: C runtime, call stack, development of drivers Real-time operating systems (RTOS) for CyberPhysical Systems (e.g. Nuttx, Zephyr, SEL4, PikeOS and automotive RTOSes); RTOS configuration and drivers for CPS (Examples on FreeRTOS and NuttX) Middleware for CPS (microROS, xrce-DDS, DDS) Case study: Programming the Crazyflie drone Advanced topics: i) Elements of cybersecurity applied to CPS (Trusted Execution Environments, Trusted Platform Modules for firmware signature/verification and secure communication, control flow integrity); ii) Elements of Artificial Intelligence for autonomous CPS (neural networks and deep reinforcement learning)
Laboratory topics: i) Baremetal programming on QEMU emulator; ii) Learning the development environment of FreeRTOS/Crazyflie; iii) Development of a sensor drivers in FreeRTOS/Crazyflie, debugging howto; iv) Development of applications on Crazyflie (e.g. flight controller, autonomous flight)

Modalità d'esame

L'esame sarà composto da uno scritto della durata di 1 ora con domande a risposta chiusa e dalla discussione di un progetto sviluppato dagli studenti partendo dagli strumenti imparati durante i laboratori.
Gli studenti svolgeranno il progetto singolarmente o in gruppo a seconda della numerosità e dei progetti disponibili.
Il docente proporrà alcuni progetti ma gli studenti potranno proporre personalizzazioni degli stessi. Gli studenti potranno presentare modifiche alle proposte di progetto che verranno valutate dal docente per essere approvate.
Il progetto dovrà essere presentato tramite alcune slide e una breve dimostrazione.

Testi di riferimento

Materiale didattico:
slide fornite dal docente articoli scientifici forniti dal docente puntatori a manuali e siti web specifici

Codice insegnamento 99195

DEEP LEARNING 2° anno · 2° semestre · 6 CFU · INF/01 · 0 file

At the end of the course, the student understands the foundational ideas, recent advances and application potential of deep neural systems. The student understands supervised and unsupervised techniques, basic neural…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student understands the foundational ideas, recent advances and application potential of deep neural systems. The student understands supervised and unsupervised techniques, basic neural topologies, methods for visualizing and understanding the behavior on neural nets, adversarial and generative techniques, reinforcement learning, and recurrent networks. The student is able to apply such technologies to solving classification problems in realistic domains.

Programma

Il corso comincia con una introduzione alle Reti Neurali e al Deep Learning, e al loro tipico meccanismo di addestramento: l'algoritmo di backpropagation.
Si discuteranno i principali tipi di reti neurali: feed forward, convoluzionali e ricorrenti, fornendo esempi concreti e discutendo architetture che si sono dimostrate utili per elaborazione di immagini, localizzazione, segmentazione, trasferimento di stile, elaborazione del testo e molti altre applicazioni.
Investigheremo tecniche per la visualizzazione del comportamento delle unita' neurali nascoste (tematica collegata a deep dreams e inceptionism), tecniche per ingannare le reti neural, e moderne tecniche generative tra cui i recenti diffusion models.
La parte finale del corso sara' destinata ad una introduzione al Deep Reinforcement Learning, con particolare attenzione alla progettazione di agenti per video giochi, guida autonoma, ed ad altre situazioni che richiedono comportamenti intelligenti complessi e adattivi.
Prerequisiti
Il corso è mutuato da un corso integrato con Machine Learning del Corso di Studi in Artificial Intelligence. Si presuppongono conoscenze di:
machine learning analisi algebra pyhton

Modalità d'esame

Progetto individuale su tracce definite dal docente.
Il voto può essere integrato mediante un esame orale opzionale.
Questa modalita' di verifica puo essere soggetta a cambiamenti in conseguenza del numero degli sudenti iscritti.

Testi di riferimento

Testi consigliati:
Dive into deep learning [https://d2l.ai/] I.Goodfellow, Y.Bengio, A.Courville Deep Learning. MIT Press.
Per ogni lezione verrano forniti puntatori specifici a materiale disponibileon line, in aggiunta alle slides del corso.

Codice insegnamento 91250

DISPOSITIVI, CIRCUITI ED ALGORITMI PER IL CALCOLO QUANTISTICO M 2° anno · 1° semestre · 6 CFU · ING-INF/01 · 0 file

Il corso introduce i concetti fondamentali per comprendere i sistemi hardware e software alla base del calcolo quantistico. Al termine, lo studente padroneggia i principi alla base del calcolo quantistico, la…

Scheda dell'insegnamento

Obiettivi formativi

Il corso introduce i concetti fondamentali per comprendere i sistemi hardware e software alla base del calcolo quantistico. Al termine, lo studente padroneggia i principi alla base del calcolo quantistico, la comprensione del modello di circuito quantistico, i principali algoritmi proposti, i concetti fisici alla base dell'implementazione dei sistemi hardware e le principali architetture elettroniche.

Programma

Il corso è diviso in due moduli. Nel primo modulo si introducono il formalismo alla base della descrizione dei sistemi quantistici, i concetti di qubit e di circuito quantistico, insieme alle operazioni che definiscono gli algoritmi a partire dalla composizione dei gate fondamentali. Sono inoltre previste esercitazioni al calcolatore con Qiskit finalizzate alla simulazione di circuiti quantistici elementari (phase kick-back, stati di Bell) e all'implementazione di alcuni algoritmi (Grover, QFT, VQE).
Nel secondo modulo si introducono i principi fisici alla base della realizzazione e del funzionamento dei qubit e si analizza il comportamento fisico dei gate quantistici fondamentali, con particolare riferimento alle soluzioni basate su circuiti a superconduttori. Sono previste esercitazioni al calcolatore con QuTiP volte all’illustrazione dei concetti trattati e alla simulazione fisica di alcuni gate quantistici.
Primo modulo
Il computer come sistema fisico. I limiti dei calcolatori classici. Che cosa è un computer quantistico. Limiti del paradigma classico. Cha cosa è un qubit e sua rappresentazione mediante la sfera di Bloch. Complessità classica e quantistica. Vantaggio quantistico. Lo stato dell'arte: NISQ e FTQC. Il formalismo di Dirac e la rappresentazione quantistica dell’informazione. Richiami sugli spazi di Hilbert: operatori e loro rappresentazione matriciale. Prodotto tensoriale. Sistemi composti: stati separabili and entangled. Sovrapposizione, entanglement, interferenza. Misura. Reversibilità, trasformazioni unitarie e gate quantistici. Teorema di no-cloning. Circuiti quantistici. Gate a 1 e 2 qubit. Stati di Bell, teletrasporto. Operatori di rotazione. Universalità. Esempi di decomposizione dei circuiti, transpilation e mapping. Interferenza e phase kick-back come meccanismi fondamentali degli algoritmi quantistici. Il concetto di oracolo. Gli algoritmi di Deutsch e Grover. La Trasformata di Fourier Quantistica (QFT) e l’algoritmo di stima della fase (QPE). Cenni ad alcuni modelli algoritmici elementari di rumore; bit-flip e phase-flip code. Il concetto di qubit logico. Sfruttare l’hardware attuale: il paradigma variazionale e l’esempio VQE.
Secondo modulo
Richiami sui postulati della Meccanica Quantistica: quantizzazione, commutatore di operatori coniugati, equazione di Schroedinger, misure di osservabili ed interpretazione probabilistica, principio di indeterminazione di Heisenberg, equazione di Schroedinger tempo-dipendente, operatore di evoluzione. Immagine di Schroedinger, di Heisenberg e di interazione. Oscillatore armonico: quantizzazione e calcolo dei livelli energetici. Operatori di creazione e distruzione e loro proprietà. Breve introduzione fenomenologica alla superconduttività. Cenni alla teoria di Ginzburg Landau. Giunzione Josephson: relazioni fondamentali tra corrente, tensione e fase. Qubit a superconduttore. L’oscillatore LC quantistico. Il qubit di tipo transmon: struttura, Hamiltoniano ed analisi dei livelli energetici. Transmon regolabile tramite flusso magnetico. Rumore e decoerenza nei qubit: modelli (cenni) e tecniche di caratterizzazione, sorgenti comuni di rumore, tecniche per ridurre l’impatto del rumore. Gate a singolo qubit: controllo del qubit e relativa dinamica, frequenza di Rabi. Gate Z virtuale. Tecniche avanzate di controllo del qubit per ridurre gli errori di leakage e di fase (cenni). Sistemi a due qubit/risonatori: analisi dell’Hamiltoniano e relative approssimazioni, regime dispersivo. Accoppiamento tra due transmon. Gate a 2-qubit: esempi di implementazione di gate iSWAP e CPHASE. Qubit readout: problematiche generali, readout di tipo dispersivo.

Modalità d'esame

L’esame consiste in un colloquio orale sugli argomenti trattati in entrambi i moduli didattici. Saranno valutate non solo la capacità critica dello studente di spaziare all’interno del programma e di giustificare i ragionamenti ma anche l’eventuale presenza di lacune formative o l’utilizzo di un linguaggio inappropriato. Il voto finale esprime la valutazione sulla padronanza dei concetti e la capacità critica mostrate dallo studente.

Testi di riferimento

Daniel D. Stancil, Gregory T. Bird, “Principles of Superconducting Quantum Computers”, Wiley, 2022 Ray LaPierre, “Introduction to Quantum Computing”, Springer Cham, 2021 Michael A. Nielsen, Isaac L. Chuang, "Quantum Computation and Quantum Information", Cambridge University Press, 2010

Codice insegnamento 99191

ELABORAZIONE DI DATI E SEGNALI BIOMEDICI M 2° anno · 2° semestre · 6 CFU · ING-INF/06 · 0 file

Fornire allo Studente gli strumenti conoscitivi e metodologici per estrarre l'informazione utile da un segnale biomedico, interpretare i risultati e convalidare i descrittori ottenuti alla luce di elementi di…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

Fornire allo Studente gli strumenti conoscitivi e metodologici per estrarre l'informazione utile da un segnale biomedico, interpretare i risultati e convalidare i descrittori ottenuti alla luce di elementi di conoscenza del sistema biologico coinvolto, produrre innovazione nell'ambito del miglioramento delle conoscenze fisiologiche, della produzione di nuove apparecchiature mediche "intelligenti", e della definizione di nuovi protocolli clinici di prevenzione, diagnosi e cura.

Programma

1.Introduzione alla Teoria dei Segnali e Tecniche di Analisi nel Dominio del Tempo Classificazione dei segnali. Segnali, dati ed informazione. Algoritmi per la detezione di eventi ed il riconoscimento di forme d'onda. Tecniche di confronto con un template. Filtri matched. Modelli deep learning per sequenze. Casi di studio: cardiofrequenzimetro, contapassi. 2.Tecniche di Analisi nel Dominio della Frequenza: Analisi Spettrale Tecniche non-parametriche classiche (metodi diretti ed indiretti). Il metodo di Welch. Tecniche parametriche (modelli autoregressivi). L'algoritmo di Yule-Walker. Esempi di analisi spettrale per segnali biomedici rappresentativi (ECG, EEG, HRV). 3.Tecniche di Analisi nei Domini Tempo-Frequenza e Tempo-Scala Le trasformazioni tempo-frequenza lineari e quadratiche. La short-time-Fourier-transform e lo spettrogramma. L'analisi multirisoluzione. La trasformata Wavelet continua (CWT) e discreta (DWT). L'implementazione della DWT con filtri in quadratura. La trasformata di Hilbert-Huang. Esempi di applicazione ai segnali biomedici. 4.Strumenti Statistici per l'Ausilio alla Decisione Clinica Elementi di teoria delle probabilità. Il teorema di Bayes. Il processo diagnostico e l'Evidence-Based Medicine. Valutazione della bontà di un test. Statistica campionaria e test delle ipotesi. Sintesi e descrizione dei dati. Test delle ipotesi. Analisi della Varianza. Introduzione all'analisi statistica multivariata. Analisi delle Componenti Principali. Introduzione alle tecniche di machine learning per applicazioni biomediche. 5.Rassegna dei Principali Segnali Biomedici I principali segnali elettrofisiologici, emodinamici e biomeccanici. Proprietà e genesi di alcuni segnali notevoli: potenziale d'azione, segnali neurali, ECG, EMG, EEG, potenziali evocati. Segnali spontanei ed indotti. Razionale per il trattamento dei segnali biomedici.

Modalità d'esame

In momenti distinti, esame finale orale e presentazione del progetto assegnato ai gruppi durante il corso. La presentazione dei progetti viene svolta in una data unica da tutti gli studenti e si effettua al termine del ciclo delle lezioni. Il voto finale sarà la media pesata delle due valutazioni espresse in 30esimi (2/3 orale; 1/3 progetto).

Testi di riferimento

Letture necessarie Materiale didattico fornito dal docente Letture consigliate A.V. Oppenheim, R.W. Schafer, "Discrete-time Signal Processing (2nd ed.)", Prentice Hall, 1999 Letture di approfondimento della materia R. Shiavi, "Introduction to Applied Statistical Signal Analysis. Guide to Biomedical and Electrical Engineering Applications", 3rd edition, Academic Press, 2007 K.J. Blinowska, J. Zygierewicz, "Practical Biomedical Signal Analysis Using MATLAB® [http://www.crcnetbase.com/doi/book/10.1201/b11148] ", CRC Press (NB: risorsa accessibile solo da macchine UNIBO) A. Géron, "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow", 2nd Edition, O'Reilly Media, Inc., 2019 T. Haslwanter, "Hands-on Signal Analysis with Python", Springer Nature, 2021

Codice insegnamento 35371

ELECTRIC POWER SYSTEMS M 2° anno · 1° semestre · 6 CFU · ING-IND/33 · 0 file

The course provides the basics for understanding the main aspects of modern power systems/smart grids analysis and operation in steady state and transient/dynamic conditions. At the end of the course students are able to…

Scheda dell'insegnamento

Obiettivi formativi

The course provides the basics for understanding the main aspects of modern power systems/smart grids analysis and operation in steady state and transient/dynamic conditions. At the end of the course students are able to understand the main technical problems relevant to transmission and distribution of electric energy, and can solve them with particular reference to load flow, short circuit calculation, stability, frequency control, voltage control and renewable sources diffusion in the electric network and smart grids.

Programma

Il corso tratta le caratteristiche tecniche principali del funzionamento e del controllo dei moderni sistemi di trasmissione e distribuzione dell'energia elettrica.
Contenuti del corso:
Modulo 1 (6 CFU)
Introduzione ai sistemi elettrici per l'energia. Analisi dei flussi di potenza. Analisi dei guasti. Dinamica e stabilità dei sistemi elettrici per l'energia. Stabilità angolare. Stabilità di tensione. Controllo della potenza attiva e della frequenza. Controllo automatico della generazione.
Modulo 2 (3 CFU) riservato agli studenti di ingegneria dell’energia elettrica.
Transitori elettromagnetici. Interazione tra transitori elettromagnetici e transitori elettromeccanici. Simulazioni EMTP in condizioni stazionarie e transitorie.

Modalità d'esame

L’esame consiste in una prova a libro chiuso su eol.unibo.it, con un unico voto finale. La prova comprende sia domande teoriche che calcoli applicativi per valutare le conoscenze e le capacità operative del candidato in relazione ai concetti chiave illustrati durante l’intero corso (modulo 1 e modulo 2). Per migliorare il voto ottenuto nella prova, lo studente può richiedere un colloquio di valutazione finale. Il raggiungimento da parte dello studente di una conoscenza completa dei contenuti del corso e della loro applicazione per la soluzione di problemi ingegneristici viene valutato con voti di eccellenza. La conoscenza mnemonica della materia, con limitate capacità di sintesi e analisi, e difficoltà nell’applicazione a casi di studio comportano valutazioni discrete. Lacune nell’apprendimento e l’incapacità di applicare le conoscenze a casi di studio giustificano valutazioni negative o voti bassi.

Testi di riferimento

Appunti di lezione (https://virtuale.unibo.it/).
Libri utili per consultazione:
modulo 1
J.J. Grainger, W.D. Stevenson, Power system analysis, McGraw-Hill 1994. H. Saadat, Power system analysis, PSA Publishing, 2010.
modulo 2
J. Machowski, J.W. Bialek, J.R. Bumby, Power system dynamics : stability and control, Chichester, U.K. : Wiley, 2008 M.H.J. Bollen, The Smart Grid: Adapting the Power System to New Challenges, Morgan & Claypool Publishers; 2011.

Codice insegnamento 87236

ELECTROMAGNETIC COMPATIBILITY M 2° anno · 2° semestre · 6 CFU · ING-IND/31 · 0 file

Il corso si propone di fornire la conoscenza delle principali problematiche relative alla compatibilità elettromagnetica delle apparecchiature elettriche e/o elettroniche. Vengono trattate la diafonia, le emissioni…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire la conoscenza delle principali problematiche relative alla compatibilità elettromagnetica delle apparecchiature elettriche e/o elettroniche. Vengono trattate la diafonia, le emissioni condotte e irradiate e l’immunità condotta e radiata, e ne sono ricavati modelli per l’analisi. Sono fornite le competenze per la soluzione di problemi di interferenza condotta e irradiata, con particolare riferimento ai filtri EMI, ai metodi e alle tecniche di schermatura elettromagnetica e alle misure in camera riverberante. Sono fornite inoltre le conoscenze dei fenomeni alla base della propagazione delle onde elettromagnetiche sia in mezzi illimitati sia guidata. Gli argomenti sono proposti agli studenti con particolare riferimento agli aspetti applicativi, accompagnando la teoria con attività di esercitazione numerica e di laboratorio.

Programma

Generalità sulla compatibilità elettromagnetica
Storia della compatibilità elettromagnetica (EMC). Definizioni di base. Requisiti di compatibilità elettromagnetica secondo la Direttiva EMC 2014/30/EU: concetti di emissione e immunità. Modello di interferenza elettromagnetica. Richiamo sui decibel e dimensioni elettriche. Scelta del modello elettromagnetico per un problema EMC: elettrodinamica quasi-stazionaria e non stazionaria.
Diafonia
Accoppiamento capacitivo (elettrico). Accoppiamento induttivo (magnetico). Accoppiamento capacitivo-induttivo. Modelli circuitali per la diafonia.
Comportamento non ideale dei componenti elettrici
Modello reale di conduttori, condensatori, induttori, resistori. Resistenza e induttanza dei conduttori al variare della frequenza. Risposta in frequenza dell'impedenza di condensatori, induttori e resistori reali.
Emissioni ed immunità condotte
Emissioni condotte di modo comune e di modo differenziale. Esempi di sorgenti di disturbi condotti. Normativa. Metodi e strumenti di misura. Rete stabilizzatrice dell'impedenza di linea (LISN). Sonde di corrente. Risoluzione problemi: filtri, alimentatore, posizionamento dei componenti all'interno dell'apparecchiatura. Modello per la valutazione delle emissioni condotte nei convertitori switching. Filtri EMI. Immunità condotta. Problematiche. Risultati delle prove di immunità. Disturbi nella rete di distribuzione. Disturbi impulsivi: burst, surge e sistemi di prova. Buchi di tensione, brevi interruzioni e variazioni di tensione. Scariche elettrostatiche. Metodi e strumenti di misura. Norme sull'immunità.
Antenne a dipoli elementari
Campo elettromagnetico irradiato da dipoli elementari. Dipolo elettrico e dipolo magnetico. Approssimazioni di campo vicino e campo lontano. Onde piane uniformi (onde TEM) in un mezzo privo di perdite. Esempi di antenne EMC. Fattore d'antenna, balun, antenna biconica, antenna logperiodica e antenna bilog.
Emissioni ed immunità radiate
Modelli per la valutazione delle emissioni irradiate da fili e circuiti stampati. Normativa. Metodi e strumenti di misura. Siti di misura. Risoluzione problemi. Immunità a radio frequenza. Problematiche. Modello per la valutazione dell’immunità radiata di linee. Normativa. Metodi, strumenti e siti di misura. Risoluzione problemi.
Schermatura elettromagnetica
Efficienza di schermatura di uno schermo piano. Metodi per il calcolo dell'efficienza di schermatura. Schermatura di onde piane uniformi. Approssimazione per sorgenti in campo vicino. Schermi con aperture. Impedenza di trasferimento di contenitori, cavi, connettori, giunzioni. Tecniche per la misura dell'efficienza di schermatura. Materiali schermanti.
Camere riverberanti
Cenni preliminari. Guide d'onda e cavità. Frequenze di risonanza. Applicazioni alle misure EMC. Apparecchiatura di prova. Sintonizzazione dei modi e agitazione dei modi. Validazione della camera. Misure di efficienza di schermatura di materiali, contenitori, cavi, connettori, guarnizioni.
Direttiva 2004/108/EC
Obiettivi e definizioni. Procedure per la valutazione della conformità alla Direttiva di apparecchiature elettriche ed elettroniche. Analisi EMC e relativo diagramma a blocchi.

Modalità d'esame

Esame finale orale.
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

C. R. Paul, Introduzione alla Compatibilità Elettromagnetica, Hoepli, 2006
H. W. Ott, Electromagnetic Compatibility Engineering, John Wiley & Sons, 2009
P. A. Chatterton, M. A. Houlden, EMC Electromagnetic Theory to practical design, John Wiley & Sons, 1991

Codice insegnamento 37125

ELEMENTS OF APPLIED DATA SECURITY M 2° anno · 2° semestre · 6 CFU · ING-INF/01 · 0 file

The course provides a basic knowledge of the fundamental concepts, terminology and problems in cryptography as well as tools for assessing the security of data protection schemes commonly employed. It also provides…

Scheda dell'insegnamento

Obiettivi formativi

The course provides a basic knowledge of the fundamental concepts, terminology and problems in cryptography as well as tools for assessing the security of data protection schemes commonly employed. It also provides high level requirements and design guidelines for typical blocks used in security-ensuring mechanisms.

Programma

Part 1 - Fundamentals
Data security services Symmetric Algorithms Perfect Secrecy, Diffusion, and Confusion Stream Ciphers: LFSR, Berlekamp-Massey Algorithm, CPRNG Block Ciphers: AES, Modes of Operation Asymmetric Algorithms RSA Cyclic Groups and DHKE Digital Signature Hash function Post-Quantum Cryptography Block-Chain Security in Neural Networks
Part 2 - Practical implementation
Modular arithmetic and foundations Authentication and integrity mechanisms Key management Hardware security features, focusing on microcontrollers Secure Boot and Firmware Update
Part 3 - Blockchain and Ethereum module
Distributed Ledger Technology Hash chains Blocks and transactionsConsensus mechanisms Proof-of-Work Proof-of-Stake Public/private key model Wallets Transactions Ethereum Virtual Machine (EVM) Smart contracts Practical exercizes

Modalità d'esame

Written and oral exam

Testi di riferimento

Available on the platform Virtuale:
Lecture Notes Scientific papers Technical notes/specifications and standards publications
Additional textbooks for reference
Boneh, Shoup, "A Graduate Course in Applied Cryptography" (available online cryptobook.us [https://toc.cryptobook.us/] ) Smart, "Cryptography: An Introduction (3rd Edition)" (available online) Rubinstein-Salzedo, "Cryptography", Springer, 2018 (available in the UniBO library) Buchmann, "Introduction to Cryptography", Springer, 2001 (available in the UniBO library)

Codice insegnamento 90392

FINAL EXAMINATION 2° anno · 18 CFU · 0 file

At the end of the degree programme, students must be able to formulate an interesting research question motivating its relevance, to critical assess the extant literature on the topic and to satisfactorily address it…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the degree programme, students must be able to formulate an interesting research question motivating its relevance, to critical assess the extant literature on the topic and to satisfactorily address it by using theoretical and/or empirical analysis. This process will be finalized by writing a Thesis, which normally should include some theoretical or empirical original results, and that must be defended in front of the final graduation committee.

Codice insegnamento B0636

FINAL EXAMINATION 2° anno · 3 CFU · 0 file

The final dissertation and its defence is the result of the research and the activities carried out by the student. Through the thesis preparation, the student develops an original research and acquires critical skills…

Scheda dell'insegnamento

Obiettivi formativi

The final dissertation and its defence is the result of the research and the activities carried out by the student. Through the thesis preparation, the student develops an original research and acquires critical skills to present his/her final results.

Codice insegnamento 86298

HARDWARE SOFTWARE DESIGN OF AI AND IOT SYSTEMS M I.C 2° anno · 1° semestre · 0 file

The main goal of the class is to enable students to specify, configure, program and verify complex embedded electronic systems for the Internet of Things and for Artificial Intelligence. The importance of…

Scheda dell'insegnamento

Obiettivi formativi

The main goal of the class is to enable students to specify, configure, program and verify complex embedded electronic systems for the Internet of Things and for Artificial Intelligence. The importance of hardware-software interaction will be emphasized, as all practical IoT and AI systems are programmable. The class will provide working knowledge on state-of-the-art hardware platforms used in embedded AI and IoT applications - spanning a wide range of power and cost vs. performance tradeoffs. A detailed coverage will be given of software abstractions and methodologies for developing applications leveraging the capabilities of the above mentioned platforms. Design automation tools and flows will also be covered.

Programma

Module 1: From ML to DNNs - a computational perspective 1. Introduction to key computational kernels (dot-product, matrix multiply...) 2. Inference vs training - workload analysis characterizatio 3. The NN computational zoo: DNNs, CNNs, RNNs, Attention-based Networks, State Based networks Running ML workloads on programmable processor 1. recap of processor instruction set architecture (ISA) with focus on data processing 2. improving processor ISAs for ML: RISC-V and ARM use cases 3. fundamentals of parallel processor architecture and parallelization of ML workloads Algorithmic optimizations for ML 1. Bottleneck analysis and algorithmic techniques 3. Model distillation: efficient NN models - depthwise convolutions, inverse bottleneck, optimized attention, introduction to Neural Architectural Search 3. Quantization and sparsity: scalar, block, vector.

Modalità d'esame

Written exam with oral discussion: the written exam is compulsory and consists of solving problems and answering questions. The oral exam is optional and consists of in-depth questions on topics covered in class.

Testi di riferimento

Selected parts from the following books
1. Dive into Deep Learning (online: d2l.ai)
2. Efficient Processing of Deep Neural Networks (online: https://link.springer.com/book/10.1007/978-3-031-01766-7 )
3. Machine Learning Systems (online: mlsysbook.ai)

Codice insegnamento 93397

HARDWARE-SOFTWARE DESIGN OF IOT SYSTEMS M 2° anno · 2° semestre · 6 CFU · ING-INF/01 · 0 file

L'obiettivo principale del corso è fornire metodologie per l'analisi e la programmazione di sistemi elettronici embedded single-core e multi-core. Viene sottolineata l'importanza dei componenti software in tutti i…

Scheda dell'insegnamento

Scheda ripresa da un altro corso di laurea dello stesso ateneo.

Obiettivi formativi

L'obiettivo principale del corso è fornire metodologie per l'analisi e la programmazione di sistemi elettronici embedded single-core e multi-core. Viene sottolineata l'importanza dei componenti software in tutti i sistemi elettronici. Le principali conoscenze e competenze da conseguire sono (i) una chiara comprensione delle architetture hardware embedded programmabili più comuni e delle piattaforme hardware-software; (ii) metodologie per l'analisi comparativa e approcci per stimare gli indicatori chiave di prestazione (KPI) come costi, prestazioni, efficienza energetica, per valutare quantitativamente l'utilizzo di una piattaforma hardware-software per un dominio applicativo (ad esempio automobilistico, di consumo, industriale) e per un'applicazione specifica; (iii) tecniche di sviluppo e verifica del software embedded, tenendo conto dei vincoli tipici e degli indicatori chiave di prestazione che differenziano i sistemi embedded dai sistemi informatici generici; (iv) metodi e strumenti di ottimizzazione del software per hardware embedded sia single-core che multi-core.

Programma

1. Introduction to Hardware/Software design and System-on-Chip Architectures. 2. Microcontroller systems design – Hardware and Software Microcontroller architecture based on the ARM Cortex M family and RISC-V. Microcontroller peripherals. Microcontroller programming for maximum Energy efficiency Analog and Digital sensor interfaces, MEMS sensors – Smart sensors – Wireless sensor interfacs. System power management 3. Parallel Architecture and Parallel programming for advanced embedded systems Multicore architectures and their use in energy efficient embedded Systems with examples from consumer and industrial market segments. Programming shared memory multicore systems using the OpenMP programming model – with practical examples based on open-source multicore RISC-V system (PULP platform)

Modalità d'esame

See English Section

Testi di riferimento

Refer to the English Section

Codice insegnamento 93322

HIGH FREQUENCY ELECTRONIC CIRCUITS M 2° anno · 1° semestre · 6 CFU · ING-INF/01 · 0 file

The course deals with the analysis and design of high-frequency electronic circuits as those found in IoT, 5G and remote sensing applications. Students learn how high-frequency front-ends work, to state and evaluate…

Scheda dell'insegnamento

Obiettivi formativi

The course deals with the analysis and design of high-frequency electronic circuits as those found in IoT, 5G and remote sensing applications. Students learn how high-frequency front-ends work, to state and evaluate the specifications of the main building blocks and to face the trade-offs involved in their design.

Programma

The course 84442 - High Frequency Electronic Circuits is made of two parts. Module 1 is given by prof. Alberto Santarelli (30 hours), whereas Module 2 is given by prof. Alberto Maria Angelotti (30 hours).
Basics: Review of radio transceiver architectures and their behavioural components. Implementing technologies. Modulation and demodulation schemes. Overview of high-frequency circuit applications. Electron Devices for microwave and millimetre-wave applications.
Small-signal Amplifiers: Scattering parameter and Smith Chart theory. Power Gain, Return Loss and VSWR. Impedance Matching. Design of Transistor Bias Networks (Field Effect and Bipolar Transistors). Design of lumped and distributed matching networks. Stability analysis of microwave amplifiers. Low-Noise Amplifiers. Sensitivity and dynamic range.
Power Amplifiers: Harmonic and Intermodulation Distortion Analysis. Gain compression, Third-Order Intercept point, energetic efficiency, Power Added Efficiency. Other figures of merit (ACPR, EVM, NPR,..). Power Amplifier behavioral models (AM/AM and AM/PM characteristics). Source and Load Pulling. Design of power amplifiers in A, B, C, F class of operation. Elements of Efficiency and Linearity Enhancement Techniques (Envelope Tracking, Doherty Amplifiers, Digital Pre-Distortion).
Computer Aided Design: Introduction to using CAD tools, practical exercises on FET basing and S-parameter simulation, stability analysis and impedance matching, single-tone and multi-tone Harmonic Balance analysis.

Modalità d'esame

Coherently with the learning objectives, the exam consists in two parts: 1. Theory and 2. CAD. The theory part of the exam consists in an oral interview. This is aimed at evaluating: 1. theoretical knowledge of concepts included in the course program; 2. how deep the student is able to develop the subjects (e.g., demonstrations); 3. their ability to plainly explain the subjects by using adequate technical language. One subject per module will be typically addressed during the interview. If requested, some time will be given before the interview for writing formulas, graphs, schemes, thought to be useful for subject exposition. The CAD part of the exam concerns the laboratory exercises. This is aimed at evaluating 1. the student's knowledge of the different tasks to be pursued with standard CAD tools for HF circuit analysis/design. 2. The abilities to autonomously carry out simple circuit simulation tasks and interpret the obtained results.

Testi di riferimento

During the course, slides used in class will be made available on the Virtual platform. These provide sufficiently detailed material for exam preparation. The following texts might also be considered for further study of the topics.

  • G. Gonzales, Microwave Transistor Amplifiers, Artech House
  • R. S. Carson, Radio communications concepts: Analog, J.Wiley&Sons
  • B. Razavi, RF Microelectronics, Prentice Hall
  • S. Cripps, RF Power Amplifiers for Wireless Communications, Artech House

Codice insegnamento 84442

INTERNET OF THINGS 2° anno · 2° semestre · 6 CFU · INF/01 · 0 file

Al termine dell'attività formativa, lo studente comprende le architetture e le metodologie alla base dell'Internet delle Cose (IoT) seguendo un approccio che pone al centro i dati. Lo studente ha una comprensione…

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell'attività formativa, lo studente comprende le architetture e le metodologie alla base dell'Internet delle Cose (IoT) seguendo un approccio che pone al centro i dati. Lo studente ha una comprensione profonda dei protocolli di rete, dell'integrazione di dispositivi mobili e pervasivi, di piattaforme middleware per sistemi IoT M2M, di principi di computazione edge/distribuita/gateway, di nuovi servizi, di piattaforme di servizio e di scenari applicativi innovativi.

Programma

Il corso introduce le tecnologie abilitanti, i linguaggi, i protocolli, le architetture software e le applicazioni legate al paradigma emergente dell’Internet of Things (IoT). Dopo una breve introduzione alle tematiche del pervasive computing ed ai suoi campi di utilizzo emergenti (Industry 4.0, domotica, intelligent transportation systems, dispositivi wearable, etc), il corso fornisce una panoramica esaustiva degli elementi abilitanti di un sistema IoT dal punto di vista delle tecnologie per la comunicazione wireless tra dispositivi, della programmazione embedded (architetture e linguaggi), delle tecniche di processamento dati. In particolare, le componenti di un tipico sistema IoT vengono illustrate seguendo un percorso data-oriented: dalla generazione e processamento dei dati su sistema embedded/microcontrollore, alla loro trasmissione all’interno di una rete WSAN/WLAN/WPAN, all'acquisizione su sistema remoto e storage, fino all'estrazione di conoscenza mediante tecniche di AI ed integrazione all’interno di un sistema edge (approcci edge AI e tinyML).
Segue un elenco sommario dei contenuti del corso:
Introduzione ai sistemi IoT: definizioni, applicazioni, tecnologie abilitanti
Componenti IoT: Comunicazione e Networking
Sensori e attuatori, elementi di progettazione di circuiti elettronici (cenni), politiche di sensing e acquisizione dati Tecnologie di comunicazione senza fili e codifiche per IoT Comunicazione Machine-to-machine (M2M) tra dispositivi: tecnologie wireless abilitanti per reti WPAN (BLE, IEEE 802.15.4, Z-Wave, etc.), WLAN e LP-WAN (LoRA, LoRaWAN) Architetture di rete e routing (6LoWPAN, RPL)
Componenti IoT: Sistemi embedded
Sistemi embedded: introduzione e pattern architetturali Approcci bare-metal e framework-oriented (es., Arduino) Approcci basati su Real Time Operating Systems (es. FREERTOS e ESP-IDF) Approcci basati su micro-interpreti (Micropython, Web Assembly) Interfacciamento del microcontrollore con sensori/attuatori mediante protocolli seriali
Componenti IoT: Acquisizione dati
Protocolli di acquisizione dati: COAP, MQTT, HTTP Web of Things ed interoperabilità
Componenti IoT: Gestione e prossamento/analisi dati
Storage e processamento di dati di sensori, Time-series e time-series database: INFLUX-DB Visualizzazione di serie temporali: esempi con tool GRAFANA Forecasting di serie-temporali con metodi statistici Forecasting di serie-temporali con techniche di AI/ML Edge AI e TinyML
Componenti IoT: Architetture IoT edge/cloud
Architetture di storage/processamento dati: approcci cloud/fog/edge computing Piattaforme IoT: AWS IoT, ThingSpeak, etc.

Modalità d'esame

Il corso prevede un seminario (facoltativo) ed un progetto (obbligatorio). Il seminario viene svolto durante l'ultima settimana del corso, e consiste in una presentazione di 20-30 minuti nella quale lo studente presenta un argomento di ricerca legato al programma di corso, prendendo spunto da un articolo scientifico o da un tool esistente. L'argomento del seminario può essere scelto da una lista messa a disposizione dai docenti oppure proposto dallo studente. Il seminario viene valutato su una scala di 4 valori (Insufficiente, Sufficiente, Buono, Ottimo).
Il progetto consiste nello sviluppo di un sistema IoT che implementi tutta la pipeline presentata a lezione (acquisizione dati da sensori, sistema embedded basato su microcontrollore, acquisizione dati su nodo edge con protocolli HTTP/CoAP/MQTT, storage dei dati con database di serie temporali, dashboard, analisi dati/forecasting di serie temporali con approcci AI/ML e di statistical learning). Come per l'argomento del seminario, la traccia del progetto viene proposta dagli studenti ed approvata dal docente, o direttamente proposta dal docente. Il progetto produce un voto in 30-esimi.
Il voto finale viene calcolato tenendo in considerazione il voto del progetto ed il giudizio ottenuto durante il seminario, in base ai seguenti vincoli:
(1) Se il seminario non è stato svolto, il voto massimo finale ottenibile è 23.
(2) Se il seminario è stato svolto, con giudizio Sufficiente, il voto massimo finale ottenibile è 25.
(3) Se il seminario è stato svolto, con giudizio Buono, il voto massimo finale ottenibile è 28.
(4) Se il seminario è stato svolto, con giudizio Ottimo, il voto massimo finale ottenibile è 30 e lode.

Testi di riferimento

Slides del docente, link a capitoli di libro, articoli scientifici ed a risorse online indicate sul sito del corso. Testo consigliato: Riccardo Melen, Vittorio Trecordi, "IoT Networking", Pearson, ISBN 8891931934, ISBN13 978-8891931931, 336 pp. (cover price 34 EUR). Altri testi sono consigliati durante il corso in base all'argomento trattato.

Codice insegnamento 81683

INTERNSHIP ABROAD FOR PREPARATION OF THE FINAL EXAMINATION 2° anno · Annuale · 15 CFU · 0 file
INTERNSHIP FOR PREPARATION FOR THE FINAL EXAMINATION 2° anno · 1° semestre · 15 CFU · 0 file
INTERNSHIP IN ICT M 2° anno · 1° semestre · 6 CFU · 0 file

Tirocinio in ICT soggetto ad approvazione da parte della Commissione Tirocini

Scheda dell'insegnamento

Obiettivi formativi

Tirocinio in ICT soggetto ad approvazione da parte della Commissione Tirocini

Codice insegnamento 82091

Image Processing And Computer Vision M 2° anno · 1° semestre · 6 CFU · ING-INF/05 · 0 file

Introducing basic knowledge about algorithms, tools and systems for the management, processing and analysis of digital images. The main topics of the course are filtering aspects of digital images, algorithms for image…

Scheda dell'insegnamento

Scheda ripresa da un altro corso di laurea dello stesso ateneo.

Obiettivi formativi

Introducing basic knowledge about algorithms, tools and systems for the management, processing and analysis of digital images. The main topics of the course are filtering aspects of digital images, algorithms for image processing, algorithms for segmentation and classification of objects in digital images. Theoretical aspects that are introduced in the course are then applied to the design and manufacturing capabilities of simple systems oriented to real world applications. At the end of the course students are able to master basic digital image processing techniques and know potentials of this technology in applicative research and industrial contexts.

Programma

Introduction – Basic definitions related to image processing and computer vision. An overview across major application domains. Image Formation and Acquisition – Geometry of image formation. Pinhole camera and perspective projection. Geometry of stereopsis. Using lenses. Field of view and depth of field. Projective coordinates and perspective projection matrix. Camera calibration: intrinsic and extrinsic parameters, lens distortion. Camera calibration based on planar targets and homography estimation (Zhang's algorithm). Image rectification and stereo calibration. Basic notions on image sensing, sampling and quantization. Image Filtering –Convolution and correlation. Mean and Gaussian filtering. Median Filtering. Bilateral filtering. Non-local means. Image Segmentation and Blob Analysis – Gray-level Histogram. Binarization by global thresholding. Automatic threshold estimation. Spatially adaptive binarization. Colour-based segmentation. Binary Morphology Operators. Connected components labeling and blob analysis. Local Features – Edge features and image gradient, Smooth derivatives (Sobel), Canny edge detector. Keypoint detectors and descriptors. Harris Corners. Scale invariant features. SIFT features. Efficient feature matching by kd-trees. Instance Detection – Pattern matching by SSD, SAD, NCC and ZNCC. Shape-based mathing. Hough Transform for analystic shapes, Generalized Hough Transform. Object detection by local invariant features: Hough-based voting, least-squares similarity estimation. Deep Learning for Computer Vision – Review of machine learning basics. Image Classification. Linear Classifiers and Fully Connected Neural Networks. Convolutional Neural Networks (CNN). Successful CNN architectures for image classification: AlexNet, VGG, Inception, ResNet. Transfer Learning. The Vision Transformer (ViT). ViTs and Self-Supervised Learning.

Modalità d'esame

Students are required to carry out and present a software project related to solving a real-world image processing or computer vision problem. Such a project can be either chosen among a list provided by the teacher through the course web-site or proposed by the student.
The, the exam is oral and comprises both project discussion as well as assessment of theoretical knowledge.
For the project: limited and non-substantial use of AI is allowed as a support tool (e.g, code debug, code documentation). Substantial use of AI to complete parts of the project is not permitted. Use of AI tools must be explicitly declared by the students. Students must always be able to explain their code.
Students with specific learning disorders (SLD) or temporary or permanent disabilities are advised to contact the relevant University office well in advance ( [https://site.unibo.it/studenti-con-disabilita-e-dsa/en).] The office will propose any necessary accommodations to the students concerned; in any case, these accommodations must be submitted to the Professor for approval at least 15 days in advance. The Professor will assess their suitability also in relation to the learning objectives of the course.

Testi di riferimento

ll corso è in inglese: vedi la sezione in lingua inglese.

Codice insegnamento 69661

LAB OF BIG DATA ARCHITECTURES M 2° anno · 2° semestre · 3 CFU · 0 file

The Lab of Big Data architectures extends and integrates what learnt by the student in the course “statistics and architectures for big data processing” with a more in depth and practical knowledge of the big-data…

Scheda dell'insegnamento

Obiettivi formativi

The Lab of Big Data architectures extends and integrates what learnt by the student in the course “statistics and architectures for big data processing” with a more in depth and practical knowledge of the big-data technologies and architectures. The students will learn how to design a big data system, the key concepts and differentiators behind state-of-the-art technologies and architectures, and how to use it effectively. This will be done by a series of practical exercises with interactive explanations, where students will learn by solving practical problems and examples.

Codice insegnamento 87195

LAB OF DIGITAL ELECTRONICS M 2° anno · 1° semestre · 3 CFU · 0 file

Aim of this course is to enrich the practical experience of the students on advanced digital hardware design tools and methodologies. The students are expected to work on a practical project to deeper their knowledge…

Scheda dell'insegnamento

Obiettivi formativi

Aim of this course is to enrich the practical experience of the students on advanced digital hardware design tools and methodologies. The students are expected to work on a practical project to deeper their knowledge in digital hardware design, integration of hardware modules into Systems on Chip, and prototyping of digital systems on FPGA devices. The course will also cover aspects related to interactions between software and hardware components in Systems on Chip.

Programma

Part 1: Basics of Hardware Design – fundamental concepts
Hardware Description Languages (HDL) concept and its usage to implement combinational and sequential logic, and Finite State Machines. Digital blocks simulation and verification with Mentor Modelsim.
Mirocontroller architecture based on a synthesizable open-source RISC-V ISA core Programming microcontrollers Micrcontroller peripherals
Partitioning of the SoC functionalities between hardware and software Extending SoCs with custom memory mapped peripherals
C Programming Digital electronics Basics of computer architecture Basics of linux operating system

Modalità d'esame

Laboratory exercises plus oral presentation

Testi di riferimento

Logic Design and Verification Using SystemVerilog (Revised): https://www.amazon.com/Logic-Design-Verification-SystemVerilog-Revised/dp/1523364025

Codice insegnamento 84419

LAB OF HIGH-FREQUENCY CIRCUIT DESIGN M 2° anno · 2° semestre · 3 CFU · 0 file

Learning the specific procedures for the analysis and the design of RF, microwave and modelling -wave circuits by using the most advanced CAD tools. Specific projects will be assigned to students. Each project will…

Scheda dell'insegnamento

Obiettivi formativi

Learning the specific procedures for the analysis and the design of RF, microwave and modelling -wave circuits by using the most advanced CAD tools. Specific projects will be assigned to students. Each project will consist in the design of a typical RF or microwave circuit exploited in communication system front-ends (e.g. transmitters, receivers, transponders, transceivers) or in high-frequency remote sensor systems (e.g. radars, SARs, altimeters).

Programma

Il corso non prevede ore di lezione frontale.
Ad ognistudente viene assegnato uno specifico progetto.Ogni progetto consiste nella progettazione al CAD di un tipico circuito elettronico ad RF o microonde per sistemi di telecomunicazione (trasmettitori, ricevitori, transponders, transceivers) o sensori ad alta frequenza (e.g. radar, SAR, altimetri satellitari). Il circuito assegnato è scelto tra i tipici blocchi funzionali fondamentali, anche a seconda dello specifico interesse dello studente, quali: amplificatori di potenza, amplificatore a basso rumore, oscillatori, mixers, moltiplicatori e divisori.
Tecnologia: il circuito da progettare può essere ibrido o monolitico.
Requisiti: conoscenza generale dei circuiti elettronici analogici, dell'analisi circuitale, dei dispositivi elettronici ad effetto di campo e bipolari.
Prerequisiti: lapartecipazione al corso“Elettronica delle Telecomunicazioni M-A” è incoraggiata anche se non obbligatoria: infatti, oltre ad una analisi del funzionamento di diversi circuiti per le telecomunicazioni, questo corso include anche sezioni di laboratorio che introducono all'utilizzo del software CAD per la progettazione.
Attrezzature e laboratorio: l'attività di progettazione viene eseguita su PC equipaggiati con il CAD di simulazione circuitale presso la sala CAD del laboratorio EDM-LAb. L'accesso alla sala CAD è gestito dal docente.

Modalità d'esame

Il test finale consiste nelle due seguenti parti che contribuiscono alla definizione del giudizio sull'attività dello studente:
1) Relazione di 5 pagine che descrive il progetto e le prestazioni simulate del circuito in confronto alle specifiche
2)Colloquio per la descrizione del progetto direttamente nel software CAD di progettazione.

Testi di riferimento

1) G. Gonzales, Microwave Transistor Amplifiers, Artech House
2) Steve C. Cripps, “RF power amplifiers for wireless communications”, second edition, The Artech House Microwave Library, 2006
3) John L.B. Walker, “High Power GaAs FET Amplifiers” Artech House
4) Stephen A. Maas, “Nonlinear Microwave Circuits” Artech House
5) Stephen A. Maas, “Microwave mixers”, The Artech House Microwave Library, 1993
6) Advanced Design System (ADS) manuals and application notes at www.agilent.com

Codice insegnamento 72972

LAB OF INTELLIGENT SENSOR SYSTEMS M 2° anno · 2° semestre · 3 CFU · 0 file

Compensation of amplifiers, opamp macromodels, high slew-rate opamp, instrumentation opamps, opamp characterization and non- idealities, noise in the opamps. Use of Spice as a circuit simulator.

Scheda dell'insegnamento

Obiettivi formativi

Compensation of amplifiers, opamp macromodels, high slew-rate opamp, instrumentation opamps, opamp characterization and non- idealities, noise in the opamps. Use of Spice as a circuit simulator.

Programma

Laboratorio sulla progettazione di circuiti mixed-signal per sistemi sensoriali.
Studio di tecniche di progettazione di: amplificatori operazionali (low noise/low power), OTA, amplificatori per strumentazione, filtri audio, interfacce per sensori, stadi di uscita, regolatori di tensione, convertitori analogico-digitale e digitale-analogico.
L'uso del simulatore SPICE per la verifica del rispetto delle specifiche di progetto.
Tecniche di progetto di circuiti stampati. Sviluppo di sistemi sensoriali a microcontrollore.

Modalità d'esame

Discussione del progetto realizzato

Testi di riferimento

D. Crecraft, S. Gergely, "Analog Electronics: Circuits, Systems and Signal Processing".

Codice insegnamento 93324

LAB OF RELIABLE INTELLIGENT SYSTEMS M 2° anno · 1° semestre · 3 CFU · 0 file

Circuit level design and verification by electrical level and Monte Carlo simulations performed by the tool HSPICE. Circuit reliability analysis by electrical level simulations performed by the tool HSPICE. System…

Scheda dell'insegnamento

Obiettivi formativi

Circuit level design and verification by electrical level and Monte Carlo simulations performed by the tool HSPICE. Circuit reliability analysis by electrical level simulations performed by the tool HSPICE. System integration and synthesis performed by the tool Synopsys Design Compiler. System reliability evaluation by fault injection and simulation performed by the tool Synopsys Tetramax. System implementation by Field Programmable Gate Arrays (FPGAs) performed by the Xilinx implementation tool.

Programma

Esercizio di analisi e progettazione di circuiti e sistemi ad alta affidabilità da effettuarsi con l'ausilio di tool CAD (HSPICE e/o Synopsys Design Compiler).

Modalità d'esame

Valutazione del report finale del progetto.

Testi di riferimento

Articoli tecnici di pubblicazioni IEEE, che variano a seconda del tipo di progetto assegnato.

Codice insegnamento 93323

LABORATORIO DI ARCHITETTURE DIGITALI PER L'ELABORAZIONE DEL SEGNALE M 2° anno · 2° semestre · 3 CFU · 0 file

Al termine dell’attività formativa lo studente è in grado di sviluppare in autonomia il progetto di un sistema digitale di elaborazione del segnale, partendo dalla formulazione a livello algoritmico ed arrivando ad una…

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell’attività formativa lo studente è in grado di sviluppare in autonomia il progetto di un sistema digitale di elaborazione del segnale, partendo dalla formulazione a livello algoritmico ed arrivando ad una soluzione architetturale ottimizzata, integrata in un sistema digitale complesso (System-on-Chip), implementata mediante flusso digitale VLSI e/o FPGA. Lo studente acquisisce altresì le competenze necessarie per la valutazione del progetto realizzato in termini di performance, area e consumo di potenza.

Programma

Il corso è da intendersi come attività progettuale di accompagnamento al corso di Architetture Digitali per l'Elaborazione del Segnale M (35364). Scegliendo fra alcune attività progettuali di lieve/media complessità proposte o comunque concordate con il docente, lo studente ne effettua il progetto completo, comprendente:
studio delle caratteristiche numeriche dell'algoritmo implementazione di un modello in linguaggio ad alto livello (ad esempio Python, Matlab, o C++) sviluppo dell'architettura di un acceleratore dedicato e sua descrizione in Hardware Description Language (SystemVerilog HDL) integrazione in un System-on-Chip e verifica funzionale implementazione in flusso digitale VLSI o FPGA, con valutazione della qualità del risultato in termini di performance (frequenza massima e latenza di calcolo), area/consumo di risorse, e consumo di potenza
L'attività progettuale potrà essere condotta sia all'interno delle strutture dell'università, sia in stretta collaborazione con aziende e centri di ricerca di rilievo nazionale ed internazionale.
La complessità delle attività progettuali proposte è calibrata in modo da permettere di vedere l'intero flusso di progetto nell'ambito delle 75h dell'attività progettuale per chi ha già seguito il corso 35364.

Modalità d'esame

Consegna del progetto e presentazione finale in cui lo studente espone e discute con il docente:
l'architettura scelta e l'approccio alla risoluzione delle difficoltà di progetto la qualità dei risultati in termini di performance, area, potenza

Testi di riferimento

Materiale didattico dal corso Architetture Digitali per l'Elaborazione del Segnale M (35364).

Codice insegnamento B5523

LABORATORIO DI STRUMENTAZIONE ELETTRONICA AUTOMATIZZATA M 2° anno · 1° semestre · 3 CFU · 0 file

Apprendere le modalità di progetto e utilizzo dei moderni sistemi automatici di misura ed acquisizione dati basati su strumentazione digitale e virtuale gestita da calcolatore, con particolare enfasi alle applicazioni in…

Scheda dell'insegnamento

Obiettivi formativi

Apprendere le modalità di progetto e utilizzo dei moderni sistemi automatici di misura ed acquisizione dati basati su strumentazione digitale e virtuale gestita da calcolatore, con particolare enfasi alle applicazioni in campo industriale e scientifico.

Programma

Introduzione
Scopo del corso è illustrare mediante lezioni teoriche ed esperienze di laboratorio le principali fasi della progettazione di un sistema elettronico automatico per l’ acquisizione di dati e/o il controllo di un processo basato sul concetto di strumento virtuale e di presentare applicazioni in diversi ambiti: industriale, automotive, consumer ecc.
Le lezioni in aula affrontano le problematiche di progetto e realizzazione di un sistema complesso con particolare accento sulla scelta dei componenti hardware, il progetto di circuiti di condizionamento del segnale, lo sviluppo del software utente, l’ interfacciamento con altri strumenti o sistemi sia locali che remoti. La maggior parte del corso si svolgerà in laboratorio e sarà dedicata allo sviluppo di sistemi di misura automatici basati su strumentazione da banco e schede di acquisizione. L’ ultima parte del corso è dedicata allo sviluppo di semplici progetti per la realizzazione di strumenti virtuali.
Programma
Lezioni in aula
Sistemi di acquisizione e generazione: schede di acquisizione, sistemi embedded, sistemi industriali VXI e PXI. Scelta della corretta configurazione del sistema di acquisizione del segnale. Acquisizione simultanea e algoritmi di scheduling per sistemi monoconvertitore. Ghosting, dithering, connessione con le sorgenti di segnale. Analisi delle caratteristiche di alcune schede di acquisizione e criteri guida nella scelta.
Condizionamento dei segnali: Amplificatori differenziali (DiffAmp) e amplificatori per strumentazione (InAmp). Amplificatori di isolamento. Convertitori I/V. Analisi di data sheets di dispositivi di interesse e discussione dei parametri di merito. Commenti sui criteri di scelta e di progetto di un circuito di condizionamento con particolare riguardo all' interfacciamento con i trasduttori ed i sistemi di acquisizione.
Cabling: Ground loops, Shielding, Guarding. Considerazioni riguardante il contenimento del rumore mediante un corretto cablaggio.
Attività di laboratorio
Il linguaggio LabVIEW: fasi di progetto di un VI, l’ ambiente Labview, debugging di VI , implementazione di un VI, elaborazione e memorizzazione dei dati di misura, modularità. Gestione del sistema di misura, acquisizione di segnali, elaborazione e memorizzazione.
Misura di circuiti: analisi di un filtro attivo mediante schede di acquisizione e strumenti benchtop. Confronto fra i due approcci.

Modalità d'esame

Esame pratico (sviluppo di un progetto) concluso con una discussione sulle prestazioni del sistema realizzato.

Testi di riferimento

Application notes e documenti in formato pdf disponibili sul sito di riferimento.

Codice insegnamento 99194

NANOELETTRONICA M 2° anno · 1° semestre · 6 CFU · ING-INF/01 · 0 file

Il corso si propone di fornire agli studenti che lo frequentano gli strumenti concettuali per affrontare lo studio dei dispositivi a dimensione nanometrica. La complessità delle equazioni quantiche del trasporto rende…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire agli studenti che lo frequentano gli strumenti concettuali per affrontare lo studio dei dispositivi a dimensione nanometrica. La complessità delle equazioni quantiche del trasporto rende difficile lo sviluppo di modelli compatti e obbliga all’adozione di tecniche numeriche per la loro soluzione. Pertanto, il corso comprenderà nel proprio programma anche lo studio dei principali metodi numerici per la soluzione dell’equazione di Schrödinger a contorno sia chiuso che aperto, per il quale ha oggi assunto una grande popolarità il formalismo della funzione di Green di non equilibrio (NEGF). I dispositivi oggetto di studio comprenderanno, per la loro importanza preminente, i transitori ultrasottili di silicio su isolante (SOI), i fili quantici di silicio (NW-FET) e i dispositivi multi-gate (MG-FET), recentemente annunciati da Intel come componenti base del nodo tecnologico a 22 nanometri. Il corso esaminerà altresì dispositivi a eterostruttura basati su semiconduttori composti III-V, il cui interesse per le applicazioni digitali sta oggi aumentando a livello di ricerca per la realizzazione di componenti dotati di una transizione veloce fra lo stato di spegnimento e quello di accensione. Sono fra questi i transistori a effetto tunnel banda a banda e i super-reticoli (SL-FET) che, per la loro proprietà di filtraggio degli elettroni ad alta energia, rendono possibili pendenze inverse sotto soglia molto minori di (kBT/q) ln(10) = 60 mV/dec.

Programma

L'evoluzione delle tecnologie microelettroniche ha reso possibile la fabbricazione di sistemi integrati contenenti svariati miliardi di transistori con dimensioni lineari dell'ordine di una decina di nanometri. Il confinamento laterale delle cariche mobili genera una quantizzazione del moto in direzione ortogonale alle interfacce silicio-ossido e riduce il numero di gradi di libertà di elettroni e lacune, alterandone la densità di stati e la modalità di calcolo della loro concentrazione. Inoltre, le dimensioni longitudinali dei dispositivi sono oggi comparabili con il cammino libero medio degli elettroni e la scala di variazione dei campi elettrici al loro interno rende invalide le condizioni per l'applicabilità del modello di trasporto a deriva e diffusione. Nasce da questi effetti la necessità di una revisione profonda dei metodi classici di analisi dei dispositivi e l'esigenza di adottare nuove metodologie di studio che possano interpretare fenomeni come il confinamento quantico delle cariche, l'effetto tunnel e il trasporto balistico o quasi balistico.
Il corso di Nanoelettronica M si propone di dare una risposta a questa esigenza, e di investigare il trasporto di carica in strutture a dimensione minore o comparabile al cammino libero medio degli elettroni. Scompare pertanto l'assunto di quasi-equilibrio locale e la descrizione del trasporto attraverso il concetto di mobilità e diffusività degli elettroni. La natura delle equazioni costitutive diviene fortemente non locale e aumenta l'importanza delle condizioni al contorno, con le quali si cerca, non sempre con successo, di isolare il dispositivo che è oggetto di studio dal contesto circuitale in cui lo stesso è inserito. La difficoltà di soluzione delle equazioni accoppiate di Schroedinger e di Poisson impone frequentemente l'uso di un approccio numerico allo studio dei dispositivi moderni e alla predizione delle loro caratteristiche funzionali.
I dispositivi oggetto di studio comprenderanno, per la loro importanza preminente, i transistori multi-gate (MG-FET), che rappresentano i componenti base dei nodi tecnologici a 7, 5 e 3 nanometri, i transistori silicio su isolante a svuotamento completo (FD-SOI), i transistori a struttura cilindrica con gate avvolgente (SG-FET). Il corso tratterà inoltre a grandi linee lo studio dei transistori a effetto tunnel banda a banda (T-FET), che si caratterizzano per una elevata pendenza della loro caratteristica di trasferimento sotto-soglia e dei dispositivi basati su materiali a struttura bidimensionale.
Contenuti specifici del corso
1) Fondamenti di Meccanica Quantistica e Struttura della Materia
Proprietà ondulatorie degli elettroni Principi generali della Meccanica Quantistica Elementi di Elettrodinamica Quantistica Applicazioni elementari Atomi idrogenoidi Spin dell’elettrone. Equazioni di Pauli Teoria delle perturbazioni indipendenti dal tempo Teoria delle perturbazioni dipendenti dal tempo Il metodo WKB Cenni di Meccanica Quantistica relativistica L'equazione di Dirac
2) Sistemi di particelle e teoria dello stato solido
Indistinguibilità degli elettroni e principio di esclusione L’approssimazione adiabatica Vibrazioni reticolari nelle molecole e nei corpi solidi Statistiche quantiche Elettroni e lacune nei semiconduttori Il Teorema di Bloch Il Teorema della massa efficace Bande di energia nei semiconduttori
3) Trasporto di carica nei semiconduttori
Equazione di Boltzmann Equazioni di continuità nei semiconduttori Equazioni di trasporto nei semiconduttori
4) Dispositivi a dimensione nanometrica
Transistore simmetrico a due gate (DG-FET) Transistore silicio su isolante a svuotamento completo (FD-SOI FET) Transistore cilindrico a gate avvolgente (SG-FET) Transistore a effetto tunnel (T-FET) Cenni sui transistori realizzati con materiali bidimensionali

Modalità d'esame

La verifica dell’apprendimento dei contenuti del Modulo 1 sarà accertata mediante un colloquio orale su tutti e soli gli argomenti svolti a lezione. La verifica dell’apprendimento dei contenuti del Modulo 2 sarà accertata mediante un colloquio orale sugli argomenti svolti a lezione e potrà essere integrata dalla presentazione di una tesina svolta su di una tematica concordata con la docente del modulo stesso. La votazione finale sarà determinata da una valutazione complessiva delle prestazioni del/la candidato/a svolta dai due docenti.

Testi di riferimento

L.I. Schiff: Quantum Mechanics, McGrow-Hill A. Messiah: Quantum Mechanics, Dover S.M. Sze: Physics of Semiconductor Devices, Wiley M. Rudan: Physics of Semiconductor Devices, Springer S. Datta: Quantum Transport, Cambridge M. Lundstrom, J. Guo: Nanoscale Transistors, Springer H.J.M. Veendrick: Nanometer CMOS ICs, Springer G. Baccarani: Dispense del Corso di Nanoelettronica

Codice insegnamento 69437

OPTICAL TECHNOLOGIES FOR ELECTRICAL ENGINEERING M 2° anno · 1° semestre · 6 CFU · ING-INF/02 · 0 file

Al termine del corso lo studente/la studentessa possiede familiarità con le caratteristiche di base delle Tecnologie Ottiche maggiormente utilizzate nell'area dell'Ingegneria Elettrica. Attraverso uno studio di…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

Al termine del corso lo studente/la studentessa possiede familiarità con le caratteristiche di base delle Tecnologie Ottiche maggiormente utilizzate nell'area dell'Ingegneria Elettrica. Attraverso uno studio di componenti e dispositivi che si avvale di un approccio di tipo fisico e viene integrato da alcune esperienze di laboratorio, egli/ella è in grado di comprendere a fondo come le peculiarità di tali Tecnologie vengono sfruttate all'interno di Sistemi Elettrici e Smart Grid, per applicazioni di Telecomunicazioni, Monitoraggio e Sensoristica.

Programma

Modulo 1 Caratteristiche dei sistemi in fibra ottica finalizzati ad applicazioni nel campo dell’ Ingegneria Elettrica La fibra ottica e le sue proprietà. Fibre ottiche in silice e plastica. La Fibra ottica come canale trasmissivo per le telecomunicazioni e come sensore distribuito per il monitoraggio. Aspetti della trasmissione del campo elettromagnetico nei sistemi a fibra ottica Trasmettitori, ricevitori e componenti ottici. Proprietà generali e caratteristiche richieste per le applicazioni nel campo dell’ Ingegneria Elettrica. Considerazioni sulla progettazione dei sistemi in fibra ottica. Sistemi digitali e analogici in fibra ottica. Topologie utilizzate relative a scenari delle telecomunicazioni che possono essere adottati in contesti Smart Grid. Modulo 2 Introduzione delle tecnologie ottiche nei sistemi e sottosistemi dell’ Ingegneria Elettrica Monitoraggio e controllo delle Smart Grids tramite sistemi in fibra ottica. Vantaggi rispetto ad altre possibili tecnologie di comunicazione (ad es. Power Line, comunicazione Wireless, Digital Subscriber Line). Lo Standard IEC 61850. Esempi di sistemi per Supervisory Control and Data Acquisition che sfruttano l'infrastruttura ottica. Il modello Generic Object Oriented Substation Event (GOOSE). Sensori a fibre ottiche nelle reti elettriche. Grandezze da monitorare e tecnologie di rilevamento utilizzate. Tecniche reflettometriche nel dominio del tempo e della frequenza per il monitoraggio dei sistemi in fibra ottica Trasmissione di energia elettrica attraverso sistemi a fibra ottica: la tecnica Power over Fiber (PoF) Caratteristiche tecniche e vantaggi della tecnica PoF. Esempi di distribuzione dell'energia elettrica attraverso la tecnica PoF all'interno di scenari applicativi

Modalità d'esame

L'esame consisterà in una prova scritta che deve essere superata per poter partecipare ad una parte orale successiva. La prova scritta mira a controllare la capacità dello studente di risolvere esercizi numerici, con riferimento alle diverse parti del programma, del tipo di quelli che verranno risolti in classe durante il corso. Il risultato della prova scritta sarà un giudizio: insufficiente / sufficiente / discreto/ buono / ottimo. Scopo della parte orale è di integrare il giudizio proveniente dalla parte scritta, tenendo conto della capacità dello studente di spiegare i concetti in modo chiaro, e della sua effettiva comprensione dei contenuti del programma . Il livello finale di preparazione dello studente sarà espresso da un punteggio (min: 18, max: 30 e lode ) Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

Dispense fornite dal Docente

Codice insegnamento 93038

OPTIMIZATION AND MACHINE LEARNING M 2° anno · 2° semestre · 6 CFU · MAT/09 · 0 file

The aim of this course is to provide the student the ability of using both machine learning and mathematical optimization for advanced analytics. In particular, machine learning techniques are at the core of predictive…

Scheda dell'insegnamento

Obiettivi formativi

The aim of this course is to provide the student the ability of using both machine learning and mathematical optimization for advanced analytics. In particular, machine learning techniques are at the core of predictive analytics, where – based on historical data – one needs to predict the future outcome of a time series or classify unseen observations. Machine learning techniques build upon optimization techniques, and, in the case of neural networks, continuous optimization methods. Conversely, discrete optimization methods are at the core of prescriptive analytics, where one is required to make decisions optimizing a certain revenue / saving function by selecting within a discrete set. Discrete optimization methods are empowered by machine learning in estimating the parameters of the associated decision problems and, in some cases, benefit from machine learning to speed up the solution techniques.

Programma

L'allievo che accede a questo insegnamento deve conoscere i concetti fondamentali della Ricerca Operativa, della implementazione di codici di calcolo e dell'analisi della loro complessità. Tutte le lezioni saranno tenute in inglese. È quindi necessaria la comprensione della lingua inglese.
Il corso presenta algoritmi per la soluzione di problemi di ottimizzazione non lineari che sono alla base delle tecniche di machine learning, estremamente diffuse in diversi contesti, incluse le telecomunicazioni, l'elettronica, i controlli automatici e i sistemi di supporto alle decisioni. Il corso è diviso in due moduli Modulo 1: Il primo modulo introduce alcuni algoritmi di ottimizzazione per problemi non lineari.
Ottimizzazione non lineare: introduzione alla Programmazione Matematica, modelli ed algoritmi. Modelli non lineari: ottimizzazione non vincolata ed ottimizzazione vincolata. Rilassamenti e algoritmi basati su funzioni di penalità. Ottimizzazione convessa: rilassamento lagrangiano in ottimizzazione convessa. L'algoritmo barriera. Algoritmi euristici ed applicazioni dell'ottimizzazione convessa al support vector machine ed al deep learning.
Modulo 2: Il secondo modulo introduce i fondamenti delle tecniche di machine learning per la classificazione e l'apprendimento.
Introduzione al machine learning Algoritmi per clustering Algoritmi per problemi di classificazione Reti neurali Relazione tra ottimizzazione discreta e learning Attività di laboratorio su applicazioni degli algoritmi di machine learning e di ottimizzazione ad alcuni problemi reali.

Modalità d'esame

Per il modulo 1, l'esame comprende una oarte scritta (senza possibilità di consultare appunti) ed una prova orale.
L'esame del modulo 2 prevede lo svolgimento di un progetto e la valutazione verte sia sul codice implementato che su un documento riassuntivo dell'attività svolta e dei risultati ottenuti. Il voto finale viene determinato analizzando i voti di entrambi i moduli.

Testi di riferimento

Slides disponibili online.
Per approfondimenti:
-- C. Bishop, Pattern Recognition and Machine Learning. Springer
-- S. Boyd e L. Vandenberghe, Convex Optimization. Cambridge University Press -- L. Grippo e M. Sciandrone, Metodi di Ottimizzazione Non Vincolata. Springer -- J. Nocedal e S. J. Wright, Numerical Optimization. Springer

Codice insegnamento 95601

OPTIMIZATION MODELS AND ALGORITHMS M 2° anno · 1° semestre · 6 CFU · MAT/09 · 0 file

The goal of the course is to deal with Integer Programming that is a very powerful tool for modeling combinatorial optimization problems arising in many branches of engineering, industry and resource allocation. The…

Scheda dell'insegnamento

Obiettivi formativi

The goal of the course is to deal with Integer Programming that is a very powerful tool for modeling combinatorial optimization problems arising in many branches of engineering, industry and resource allocation. The first part of the course covers the modeling aspects of the field, providing the tools for constructing effective mathematical models, i.e., models that can be solved in practice. The second part is devoted to the algorithmic aspects: basic algorithms are reviewed and more sophisticated ones, useful for those models characterized by a large number of variables and/or constraints, are presented in detail. Finally, the third part of the course discusses real-world applications. At the end of the course students are able to formalize a combinatorial problem taken for the real life and run specific tools and algorithms for solving it in practice.

Programma

Prerequisiti: si richiede una buona conoscenza dell'algebra lineare e della matematica di base.
Il corso viene fornito in inglese: le slide e gli esercizi sono in inglese. L'esame deve essere sostenuto in inglese.
Il corso riguarda lo studio di problemi di ottimizzazione in ambito decisionale e la definizione di modelli matematici e di algoritmi esatti per la loro risoluzione. La teoria matematica su cui si basano i metodi risolutivi viene approfondita con lo studio di teoremi.
Programma
Introduzione ai problemi di ottimizzazione in ambito decisionale e alla Programmazione Matematica. Programmazione convessa, Programmazione Lineare, algoritmo del simplesso, teoria della dualità. Programmazione Lineare Intera, algoritmo del branch-and-bound, problemi classici di ottimizzazione combinatoria, rilassamenti, complessità computazionale. Modelli di dimensione esponenziale, tecniche di generazione di colonne e separazione di vincoli Problemi su grafo, esempi di applicazioni reali, software di ottimizzazione.

Modalità d'esame

L'esame consiste in un orale in cui lo studente risolve alcuni esercizi (o parti di esercizi) sugli argomenti visti nel corso e risponde a domande su tutti gli argomenti del corso (inclusi teoremi e dimostrazioni).
Durante l'esame, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.
Studenti/sse con DSA o disabilità temporanee o permanenti:si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

Slide disponibili su virtuale.unibo.it (alla pagina del corso)
Per approfondimenti: Fischetti M. Introduction to Mathematical Optimization. Kindle Direct Publishing, 2019. Christos H. Papadimitriou and Ken Steiglitz, Combinatorial optimization: algorithms and complexity. Dover, 1998. D. Bertsimas and J. Tsitsiklis, Introduction to linear programming. Dynamic Ideas and Athena Scientific, Belmont, Massachusetts, 2008. D. Bertsimas, D. and R. Weismantel, Optimization over integers. Dynamic Ideas, Belmont, Massachusetts, 2005.

Codice insegnamento 69441

PREPARATION FOR THE FINAL EXAMINATION ABROAD 2° anno · Annuale · 15 CFU · 0 file
PREPARAZIONE PROVA FINALE ALL'ESTERO 2° anno · Annuale · 15 CFU · 0 file

Attraverso l’attività di preparazione della prova finale all’estero lo studente, indirizzato da un docente e sulla base di un progetto condiviso, effettua in forma autonoma raccolte di dati, indagini e attività di…

Scheda dell'insegnamento

Obiettivi formativi

Attraverso l’attività di preparazione della prova finale all’estero lo studente, indirizzato da un docente e sulla base di un progetto condiviso, effettua in forma autonoma raccolte di dati, indagini e attività di ricerca all’estero, nell’ambito del proprio progetto di tesi di laurea. Al termine della preparazione della prova finale lo studente sa lavorare in gruppo, interagire con soggetti diversi e ha sviluppato le proprie abilità comunicative in lingua straniera. Tale attività consente la registrazione di crediti acquisiti all’estero.

Codice insegnamento 82271

PROGETTO DI CIRCUITI ANALOGICI AVANZATI M 2° anno · 2° semestre · 6 CFU · ING-INF/01 · 0 file

Illustrare il funzionamento e i criteri di progetto dei blocchi analogici fondamentali.

Scheda dell'insegnamento

Obiettivi formativi

Illustrare il funzionamento e i criteri di progetto dei blocchi analogici fondamentali.

Programma

Modelli compatti avanzati dei MOSFET. Cenni al modello livello 9 PSPICE, sue peculiarità ed utilizzo nella simulazione circuitale. Rumore elettronico. Richiami al problema del rumore nei circuiti. Modelli di rumore nei transistori (BJT e MOSFET). Esempi di calcoli di rumore in circuiti con BJT, MOSFET ed operazionali. Non-linearità nei circuiti. Parametri che caratterizzano le non-linearità nei circuiti (HD, IIP3, ...). Metodi per ridurre le non-linearità. Layout dei circuiti analogici. Problemi di match dei componenti nei circuiti integrati e tecniche per contrastarne l'effetto. Amplificatori operazionali avanzati. Schemi completamente differenziali (folded cascode, current mirror, ...), con ingresso rail-to-rail e ad alto slew-rate. Controllo della tensione di modo comune d'uscita. Operazionali con retroazione in corrente. Filtri tempo-continui. Richiami sui filtri analogici e metodi di sintesi della funzione di trasferimento. Filtri opamp-RC. Filtri a transconduttanza e capacità: transconduttori lineari con MOSFET in zona triodo o in saturazione. Filtri MOSFET-C. Circuiti per il tuning automatico dei parametri del filtro. Filtri a condensatori commutati. Richiami sui segnali tempo-discreti e sulle trasformate z. Integratori, filtri del I e del II ordine. Esempi applicativi.

Modalità d'esame

La verifica dell'apprendimento finale è in forma orale. Il candidato viene invitato ad esporre e a discutere criticamente i principi di funzionamento e le metodologie di progetto dei blocchi analogici illustrati. Viene valutata positivamente la capacità di cogliere le motivazioni, le limitazioni ed i punti di forza delle varie soluzioni studiate.

Testi di riferimento

"Analog integrated circuit design", D.A. Johns, K. Martin, Ed. Wiley.

Codice insegnamento 81654

PROVA FINALE 2° anno · 18 CFU · 0 file

Lo studente è in grado di esporre e discutere, con il sostegno di un elaborato scritto, un argomento riguardante il percorso formativo seguito, mettendo in relazione dati, conoscenze anche interdisciplinari e…

Scheda dell'insegnamento

Obiettivi formativi

Lo studente è in grado di esporre e discutere, con il sostegno di un elaborato scritto, un argomento riguardante il percorso formativo seguito, mettendo in relazione dati, conoscenze anche interdisciplinari e informazioni raccolte in autonomia per illustrare l'argomento prescelto.

Codice insegnamento 34634

PROVA FINALE 2° anno · 3 CFU · 0 file
REAL TIME SYSTEMS AND PROGRAMMING FOR AUTOMATION M 2° anno · Annuale · 12 CFU · ING-INF/05 · 0 file

Alla fine del corso lo studente: - conosce le basi di Python e programmazione a oggetti; - ha familiarità con i concetti fondamentali relativi all’organizzazione e al funzionamento dei moderni sistemi operativi con…

Scheda dell'insegnamento

Scheda ripresa da un altro corso di laurea dello stesso ateneo.

Obiettivi formativi

Alla fine del corso lo studente: - conosce le basi di Python e programmazione a oggetti; - ha familiarità con i concetti fondamentali relativi all’organizzazione e al funzionamento dei moderni sistemi operativi con un’enfasi sui sistemi realtime per l’automazione; - sa realizzare semplici applicazioni concorrenti che usino chiamate a sistema e meccanismi di sincronizzazione; - sa analizzare progettare e implementare semplici applicazioni concorrenti realtime.

Programma

The course is organized into modules.
Python (20 hours), September/October. First part of "Module 1". Lectures and hands-on lab covering the basics of Python and object-oriented programming.
Operating Systems (40 hours), October/December. Second part of "Module 1". Lectures on the following topics: Overview and system structures. Processes and threads. Scheduling. Process synchronisation and deadlocks. Memory and I/O.
Operating Systems Lab (15 hours), October/November. First part of "Module 2". Six hands-on lab sessions on the following topics: Linux shell, system call programming, POSIX, threads, synchronization.
Real-Time (30 hours), February/May. Corresponds to "Module 3". Lectures on the following topics: Basic concepts or real-time systems. Aperiodic task scheduling. Clock-based and priority-based scheduling of periodic tasks. Resource access protocols.
Real-Time Lab (15 hours). Second part of "Module 2", March/May. Six hands-on lab sessions on the following topics: real-time system programming using vxWorks and Workbench. How to build a metascheduler for hard real-time periodic tasks that share resources.

Modalità d'esame

Evaluation is made by two written exams:
Part I: Module 1 (Python and Operating Systems), OS Lab Part II: Module 3 (Real-Time), RT Lab
Each exam is graded as follows:
Part I: 0-19 points Part II: 0-13 points
The two written exams are independent of each other.
Use of AI during the written exam
Regarding learning assessment, the use of AI is prohibited. Any use constitutes a violation of academic integrity.
Calculation of final grade The overall grade is is the sum of all points gathered in the two written exams. Decimals are rounded to the nearest integer (0.5 is rounded up), with the exception of the interval between 29.5 and 30.9, which yields 30. A total of 31.0 or above is awarded a grade of 30 cum laude.
Repeating written exams: Part I
It is possible to sit Part I multiple times, with certain limitations.
If a student sits Part I again and delivers, the previous grade in part I will be replaced with a note of "Rifiutato" (refused), which will be officially recorded. If a student sits Part I again and withdraws, a note of "Ritirato" (withdrawn) will be recorded for the new attempt. It is possible to refuse a grade of 12+ points in Part I only once. After the second time a student obtains a grade of 12+ point in Part I, the student is not allowed to sit Part I again.
Repeating written exams: Part II
It is possible to sit Part II multiple times, with certain limitations.
If a student sits Part II again and delivers, the previous grade in part I will be replaced with a note of "Rifiutato" (refused), which will be officially recorded. If a student sits Part II again and withdraws, a note of "Ritirato" (withdrawn) will be recorded for the new attempt. It is possible to refuse a grade of 6+ points in Part II only once. After the second time a student obtains a grade of 6+ point in Part II, the student is not allowed to sit Part II again.
Failing the exam
If, after sitting both parts, the overall score does not reach 18 points, a "Respinto" (fail) grade is recorded.
Official recording of exam result
After sitting both parts, if the overall score is 18 points or above, the student can request to have the grade officially recorded using a dedicated link in Virtuale.

Testi di riferimento

Textbooks:
Abraham Silberschatz, Peter B. Galvin, Greg Gagne. Operating System Concepts, 9th Edition. International Student Version. Wiley 2013. ISBN: 978-1-118-09375-7. Editions 8 or 10 are equally good. Chapters 1 — 9 & 13
Giorgio C. Buttazzo. Hard Real-Time Computing Systems: Predictable Scheduling Algorithms and Applications, 3rd Edition. Springer 2011. ISBN: 978-1-4614-3019-3 Chapters 1 — 4, 7 & 11
Software:
Linux, Eclipse+CDT (open software) vxWorks 7 and Workbench 4 (WindRiver)

Codice insegnamento B5665

SECURITY OF DATA AND NEURAL PROCESSING M 2° anno · 2° semestre · 6 CFU · ING-INF/01 · 0 file

The course provides a basic knowledge of the fundamental concepts, terminology and problems in cryptography as well as tools for assessing the security of data protection schemes commonly employed. It also provides…

Scheda dell'insegnamento

Obiettivi formativi

The course provides a basic knowledge of the fundamental concepts, terminology and problems in cryptography as well as tools for assessing the security of data protection schemes commonly employed. It also provides high level requirements and design guidelines for typical blocks used in security-ensuring mechanisms.

Programma

Part 1 - Fundamentals
Data security services Symmetric Algorithms Perfect Secrecy, Diffusion, and Confusion Stream Ciphers: LFSR, Berlekamp-Massey Algorithm, CPRNG Block Ciphers: AES, Modes of Operation Asymmetric Algorithms RSA Cyclic Groups and DHKE Digital Signature Hash function Post-Quantum Cryptography Block-Chain Security in Neural Networks
Part 2 - Practical implementation
Modular arithmetic and foundations Authentication and integrity mechanisms Key management Hardware security features, focusing on microcontrollers Secure Boot and Firmware Update
Part 3 - Blockchain and Ethereum module
Distributed Ledger Technology Hash chains Blocks and transactionsConsensus mechanisms Proof-of-Work Proof-of-Stake Public/private key model Wallets Transactions Ethereum Virtual Machine (EVM) Smart contracts Practical exercizes

Modalità d'esame

Written and oral exam

Testi di riferimento

Available on the platform Virtuale:
Lecture Notes Scientific papers Technical notes/specifications and standards publications
Additional textbooks for reference
Boneh, Shoup, "A Graduate Course in Applied Cryptography" (available online cryptobook.us [https://toc.cryptobook.us/] ) Smart, "Cryptography: An Introduction (3rd Edition)" (available online) Rubinstein-Salzedo, "Cryptography", Springer, 2018 (available in the UniBO library) Buchmann, "Introduction to Cryptography", Springer, 2001 (available in the UniBO library)

Codice insegnamento B8311

SENSORI E TRASDUTTORI PER L'INDUSTRIA E L'AMBIENTE M 2° anno · 1° semestre · 6 CFU · ING-INF/07 · 0 file

: Introdurre l'allievo al funzionamento ed alla caratterizzazione delle principali tipologie di sensori e trasduttori impiegati in ambito industriale e per rilevazioni ambientali; fornire indicazioni per un corretto…

Scheda dell'insegnamento

Obiettivi formativi

: Introdurre l'allievo al funzionamento ed alla caratterizzazione delle principali tipologie di sensori e trasduttori impiegati in ambito industriale e per rilevazioni ambientali; fornire indicazioni per un corretto interfacciamento fra questi dispositivi e le apparecchiature di controllo ed elaborazione che ne sfruttano i segnali; progettare ed implementare semplici sistemi di acquisizione ed elaborazione dei segnali forniti dai trasduttori.

Programma

I sensori La misurazione. Principali applicazioni dei sensori: misura e controllo. Impatto dei sensori nello sviluppo industriale. Caratteristiche metrologiche dei sensori Il modello del sensore. La caratterizzazione del sensore. I regimi di funzionamento: regime stazionario e regime dinamico. Le condizioni operative. La vita. I criteri di scelta dei sensori. Principi di funzionamento dei sensori passivi Sensori resistitivi. Sensori capacitivi. Sensori induttivi. Sensori magnetici, effetto Hall. Magnetoresistori. Principi di funzionamento dei sensori attivi Effetti Peltier, Thomson, Seebeck. Effetto piezoelettrico. Effetto piroelettrico. Sensori e trasduttori per grandezze meccaniche Encoder, Resolver, Synchro. Sensori di prossimità ad induzione. Estensimetri. Trasformatori differenziali lineari (LVDT). Trasduttori di posizione ad ultrasuoni. Sensori e trasduttori per misure di portata. Trasduttori a differenza di pressione, magnetici, ad ultrasuoni, a generazione di vortici e ad accelerazione di Coriolis. Integrazione dei sensori nella strumentazione elettronica I trasduttori come elementi circuitali. Smart sensors. Amplificazione e rumore. Richiami sui blocchi di condizionamento del segnale. Sistemi industriali per acquisizione dati da sensori e trasduttori. Strumenti virtuali. I sensori ottici Sensori interferometrici ed intensimetrici. Principi di funzionamento: Michelson, Sagnac, Mach-Zehnder, Fabry-Pérot. Sorgenti ottiche (led e laser). Fotorivelatori. Le fibre ottiche. Realizzazione di sensori mediante fibre ottiche.
Applicazioni dei sensori Applicazioni generali. Meccaniche. Automobilistiche. Avioniche. Robotiche. Ambientali. I sensori nel controllo di qualità.

Modalità d'esame

Esame orale

Testi di riferimento

Lucidi delle lezioni Fiber Optic Sensors, Second Edition Edited by Shizhuo Yin , Paul B . Ruffin , and Francis T . S . Yu CRC Press Industrial Process Sensors David M. Scott CRC Press Novel Sensors and Sensing R . G . Jackson Taylor & Francis

Codice insegnamento 40048

SISTEMI ELETTRONICI AD ALTA AFFIDABILITA' E RESILIENZA M 2° anno · 1° semestre · 6 CFU · ING-INF/01 · 0 file

Studiare le tecniche di collaudo e progettazione orientata al collaudo di circuiti e sistemi integrati, e le strategie di progettazione di circuiti e sistemi integrati ad alta affidabilità e resilienza.

Scheda dell'insegnamento

Obiettivi formativi

Studiare le tecniche di collaudo e progettazione orientata al collaudo di circuiti e sistemi integrati, e le strategie di progettazione di circuiti e sistemi integrati ad alta affidabilità e resilienza.

Programma

Introduzione al collaudo di circuiti e sistemi elettronici digitali
Definizioni e motivazioni Collocazione all'interno del processo di realizzazione di chip VLSI Resa del processo e costo di produzione di un circuito integrato Alcuni tipi di collaudo: Characterization Testing; Manufacturing Testing; Burn-In; Incoming Inspection
Principali meccanismi di guasto
Elettromigrazione: descrizione fenomeno ed esempi; interconnessioni in rame ed affidabilità delle interconnessioni Degrado ossidi di gate: struttura molecolare, trappole, degrado e breakdown Scaling degli ossidi: scaling e leakage; scaling e mobilità Radiazioni e particelle alpha: descrizione fisica e possibile generazione di guasti Variazioni dei parametri elettrici: parametri transistori; parametri interconnessioni; temperatura Scaling delle interconnessioni e crosstalk Rumore sulle alimentazioni (IR drop noise, delta I noise)
Modelli di guasto
Guasti di tipo stuck-at: principi di base sul collaudo nei confronti di guasti di tipo stuck-at Equivalenza di guasti e “Fault Collapsing” Teorema del “Checkpoint” Dominanza di guasti e “Fault Collapsing” Guasti di tipo stuck-open: possibile collaudo Guasti di tipo stuck-on: possibile collaudo Guasti di tipo bridging resistivo, delay, crosstalk e transitori: possibile collaudo
Automatic Test Pattern Generation (ATPG)
Definizione Algebre per ATPG Algoritmi esaustivi Algoritmi random “Path Sensitization” Copertura di guasti ed efficienza del collaudo
Macchine automatiche di collaudo (ATE)
Esempio di componenti e specifiche Costo del collaudo mediante ATE Diagnosi di guasti Definizione e motivazioni “Fault dictionary” “Diagnostic Tree”
Misure di testabilità
Motivazioni ed utilizzo Controllabilità ed osservabilità Il “Sandia Controllability and Observability Analysis Program”
IDDQ Testing
Idea di base Confronto con altre tecniche di collaudo (risultati delle analisi “Sematech”) Guasti rilevati Problema definizione delle soglie dei chip guasti-corretti Built in current sensors (BICS) Limiti IDDQ testing Delta IDDQ Testing
Tecniche di progettazione orientata al collaudo (DFT)
Introduzione Metodi ad-hoc e metodi strutturali Full-scan Partial scan Boundary scan Built-in-self-test (BIST) Built-in logic block observer (BILBO)
Tecniche di progettazione Fault Tolerant
Introduzione: applicazioni, motivazioni Ridondanza Modulare: strategie di base; realizzazioni e affidabilità del voter; guasti di modo comune; diagnosi dei moduli guasti On-line testing e recovery: duplicazione e confronto; progettazione self-checking Progettazione self-checking: proprietà circuiti self-checking; ipotesi di guasto; progetto di blocchi funzionali self-checking; progetto di checker; error indicators. Codici a rivelazione d'errore (codici di Berger e relativi checker; codici di parità e relativi checker; codice two-rail e relativi checker; codice m-out-of-m e relativi checker) Recovery: rollback and retry; tecniche riconfigurazione Codici a correzione d'errore: codici lineari di parità (codici di Hamming; codici di Hsiao); circuiti di codifica e decodifica
Il corso comprende esercitazioni di laboratorio su: - simulazione elettrica di guasti di tipo bridging resistivo, crosstalk, e transitorio ed analisi dei loro effetti - progettazione di componenti base di sistemi per applicazioni ad alta affidabilità e loro realizzazione mediante Field Programmable Gate Arrays. Il corso è completato da seminari tenuti da colleghi di altre Università e di ditte operanti nel settore.

Modalità d'esame

Esame orale. Le domande riguarderanno qualsiasi argomento trattato a lezione e in laboratorio. Potranno seguire domande specifiche volte a verificare la comprensione delle problematiche specifiche inerenti agli argomenti trattati nel corso. Il voto finale sarà formulato tenendo conto delle risposte fornite alle domande poste.

Testi di riferimento

J. Segura C. F. Hawkins, “CMOS Electronics – How It Works, How It Fails” IEEE Press – Wiley, 2004.
M. L. Bushnell, V. D. Agrawal, “Essential of Electronic Testing”, Kluwer Academic Publishers, 2000
M. Abramovici, M. A. Bruer, A. D. Friedman, “Digital Systems Testing and Testable Design”, Computer Science Press, 1990
S. Mourad, Y. Zorian, “Principles of Testing Electronic Systems”, Essential of Electronic Testing”,Wiley, 2000
N. K. Jha, S. Kundu, “Testing and Reliable Design of CMOS Circuits”, Kluwer Academic Publishers, 1990
P. K. Lala, “Self-Checking and Fault Tolerant Digital Design”, Morgan Caufmann Publ, 2001

Codice insegnamento 99192

SISTEMI INTEGRATI PER L'ANALISI SPETTRALE M 2° anno · 2° semestre · 6 CFU · ING-INF/01 · 0 file

Fornire le metodologie e le tecniche di progettazione di sistemi integrati per l'acquisizione, l'elaborazione e la classificazione di dati, segnali ed immagini mediante l'impiego di algoritmi e sistemi avanzati.

Scheda dell'insegnamento

Obiettivi formativi

Fornire le metodologie e le tecniche di progettazione di sistemi integrati per l'acquisizione, l'elaborazione e la classificazione di dati, segnali ed immagini mediante l'impiego di algoritmi e sistemi avanzati.

Programma

Introduzione. Necessità della analisi tempo-frequenza. Classificazione e proprietà dei segnali. Richiami sulla analisi di Fourier. Decomposizione, analisi e ricostruzione del segnale ed esempi di tecniche generali di analisi tempo-frequenza. Metodologie di progetto. Alcuni complementi sulle metodologie di progetto di filtri digitali: decomposizione spettrale, filtri massimamente piatti. Elaborazione multifrequenza del segnale: banchi di filtri. Campionamento e decimazione. Descrizione polifase: proprietà e applicazioni. Filtri a M-bande. Banchi QMF alias-free, Banchi uniformi e strutture speciali. Progettazione di banchi di filtri a ricostruzione perfetta e multicanale. Esempi di progetto e valutazione delle prestazioni. Elementi di Analisi tempo-frequenza del segnale. Principio di indeterminazione e rappresentazione dei segnali come elementi di uno spazio vettoriale. Rappresentazione mediante basi ortonormali, biortogonali, frame. Esempi: base di Fourier, di Haar, di Shannon. La Short Time Fourier Transform (STFT): definizione, proprietà principali, sua interpretazione come banco di filtri. Esempi di implementazione hardware. Teorema di Balian-Low. La Trasformata Wavelet Continua (CWT): definizione, proprietà principali e definizione delle trasformate discrete (DWT). Elementi di Analisi Multirisoluzione. Definizione e caratteristiche della Analisi Multirisoluzione. Metodi di costruzione delle funzioni scala e wavelet madre. Proprietà di invertibilità, ortonormalità e localizzazione. Basi di wavelet ortonormali e banchi di filtri. Proprietà di regolarità e definizione di Wavelet da filtri. Esempi di costruzione di funzioni wavelet. Algoritmi di trasformazione veloci (FWT). Esempi di analisi di segnali nonstazionari sintetici e reali. Wavelet di seconda generazione: lo schema Lifting. Descrizione nel dominio z e Teorema di decomposizione. Esempi di implementazione hardware. Cenni sulle Distribuzioni Tempo-Frequenza (TFD) Quadratiche: segnali asintotici, tempo di rilassamento, nucleo di un segnale: Funzione di autocorrelazione istantanea e spettrale. La Distribuzione di Wigner-Ville: proprietà e caratteristiche. Definizione generale delle TFD Quadratiche a partire dalla Distribuzione di Wigner-Ville.
Le lezioni e la prova finale si svolgono in italiano.

Modalità d'esame

La prova finale consiste in un colloquio volto ad accertare le conoscenze acquisite sulle proprietà e le tecniche di elaborazione specifiche per i segnali non stazionari. Esso può essere in parte integrato con la discussione dei risultati ottenuti dallo studente nell'approfondimento di alcuni argomenti indicati nel programma del corso e concordati preventivamente con il docente.
L’IA può essere uno strumento utile per coadiuvare lo studio individuale con approfondimenti, sintesi e percorsi di autovalutazione. Per quanto riguarda la verifica dell’apprendimento, durante l’esame in presenza l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.
Alle Studentesse e agli Studenti con DSA o disabilità temporanee o permanenti si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile, all'indirizzo (https://site.unibo.it/studenti-con-disabilita-e-dsa/it). Sarà cura dell'ufficio proporre eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/la docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

S. K. Mitra "Digital Signal Processing" 3rd Edition, McGraw Hill, 2006. M.Vetterli J.Kovacevic "Wavelets and Subband Coding" Prentice Hall, 1995 M. Luise, G. M. Vitetta, G Bacci "Teoria dei Segnali" McGraw Hill, 4 ed., 2025 P.P. Vaidyanathan "Signals, Sistems, and Signal Processing", Cambridge, 2024.

Codice insegnamento 35424

STATISTICS AND ARCHITECTURES FOR BIG DATA PROCESSING M 2° anno · 1° semestre · 6 CFU · ING-INF/01 · 0 file

The course provides students with a basic knowledge of problems and corresponding techniques of solutions implied by the ever increasing amount and complexity of the data available for analyses and decisions, i.e., the…

Scheda dell'insegnamento

Obiettivi formativi

The course provides students with a basic knowledge of problems and corresponding techniques of solutions implied by the ever increasing amount and complexity of the data available for analyses and decisions, i.e., the so called Big-Data (BD). The corresponding issues are tackled by multiple points of view: from the abstract characterization of the mathematical properties of BD, to the hardware architectures needed to process them.

Programma

Algorithms (module 1):
Introduction to Python: packages for data processing and visualization Data analytics: linear algebra for machine learning, basic of statistics and signal transformation Basics of machine learning: autoregressive models, clustering, classification problem, base of neural networks, autoencoders Dimensionality reduction, basis of linear algebra with high dimension Streaming algorithms: basic streaming algorithms for feature extraction, streaming approaches for the PCA/PSA problem.
Architectures (module 2):
Recap of basic computer architecture: from high-level languages to Instruction Set Architecture; memory hierarchy; in-order processors. Evaluating computers: latency and throughput, memory bandwidth, energy efficiency metrics. High-performance cache hierarchy: direct mapping & associative caches. Miss rate and penalty. Write-through and write-back caches. High-performance processors: branch prediction, out-of-order execution, speculation (main concepts). Vector and SIMD processing. Multi-cores: shared-memory and distributed parallel computing. Large-scale computing systems: warehouse and streaming computing; brief notes on storage and networking.

Modalità d'esame

Learning is assessed by means of a joint written oral exam for the two modules on the topics discussed during the frontal lectures.

Testi di riferimento

Main suggested reading for module 1:
Outlier Analysis Charu C. Aggarwal Springer (2nd edition, 2017)
Deep Learning Ian Goodfellow, Yoshua Bengio, Aaron Courville MIT Press (2016)
Main suggested readings for module 2:
Computer Architecture: a Quantitative Approach John L. Hennessy, David A. Patterson Morgan Kaufmann (2017)
The Datacenter as a Computer: Designing Warehouse-Scale Machines Luiz A. Barroso, U. Holzle, P. Ranganathan Morgan & Claypool Publishers (3rd edition)
Basic programming skills (Python / C) are mandatory for the course. Students that have not followed a basic computer architecture course are strongly encouraged to read preliminarily:
Computer Organization and Design RISC-V Edition: The Hardware Software Interface David A. Patterson, John L. Hennessy Morgan Kaufmann (2017)

Codice insegnamento 87198

TECHNOLOGIES AND APPLICATIONS OF WIRELESS POWER TRANSFER M 2° anno · 2° semestre · 6 CFU · ING-INF/02 · 0 file

The course aims at providing the rules for the analysis and design of a wireless link for the transmission of RF electromagnetic energy, exploiting both radiative techniques, by means of active antennas at the…

Scheda dell'insegnamento

Obiettivi formativi

The course aims at providing the rules for the analysis and design of a wireless link for the transmission of RF electromagnetic energy, exploiting both radiative techniques, by means of active antennas at the transmitter side and rectenna (rectifying antennas) at the receiver side, and non-radiative ones by inductive and capacitive coupling.The main non-linearities responsible for energy conversion, from RF to dc and vice versa, is studied and CAD tools based on the harmonic balancing technique are studied.The design process is also experimented by means of real-life systems based on simple energy reception systems for both radiation and reactive coupling mechanisms.

Codice insegnamento 87205

TECHNOLOGY AND CHANGE IN GLOBAL POLITICS M 2° anno · 2° semestre · 6 CFU · SPS/04 · 0 file

The course aims to provide students with advanced knowledge of the interplay between technology and international politics. The course looks at how technology has shaped change in the international system and how…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

The course aims to provide students with advanced knowledge of the interplay between technology and international politics. The course looks at how technology has shaped change in the international system and how different states have used technology to advance their global positioning. At the end of the course students is able to: a) discuss major transformations of the international system, b) understand how political factors can affect technological change.

Programma

The course is organized in two parts, as detailed in the syllabus. In the first part (10 hours, taught by Professor Andreatta), the relationship between technological progress (or lack of it) and the use of force from antiquity until the early modern era. In the second part (20 hours, taught by Prof. Passalacqua), this historical knowledge is applied to the contemporary context. It will aim to provide occasions for in-depth discussions of selected case studies (e.g., on chips or 5G). Students will also learn how to write memos on policy-relevant topics. For a full description of the course contents, see the list of themes and readings in the section below. Given the comprehensive nature of the subject, this course is only intended for attending students. Attendance will be monitored. Students are also required to carefully read the assigned material before the class session and – in case of the seminars – active participation will be expected.

Modalità d'esame

Students will write a 1,500-word policy memo (+/- 20%) on a topic coordinated with the instructor. Details on the structure of the policy memo will be provided during the course.

Testi di riferimento

Readings/Bibliography 1. The use of force in Ancient Greece and Rome • Class notes on Virtuale, Chapters 1 and 2 2. The use of force in Middle Ages • Class notes on Virtuale, Chapter 3 3. A Revolution in Warfare? • Class notes on Virtuale, Chapters 4 and 5 4. Europe and the World • Class notes on Virtuale, Chapter 6 5. Technology and change in IR theory Realist, liberal and constructivist perspectives of technology • Gilpin, R. (1981). War and Change in World Politics. Cambridge University Press (Ch. 3). • Eriksson, J., & Newlove-Eriksson, L. M. (2021). Theorizing technology and international relations: Prevailing perspectives and new horizons. In Technology and International Relations (pp. 3-22). Edward Elgar Publishing. • Drezner, D. W. (2019). Technological change and international relations. International Relations, 33(2), 286-303. 6. State perception and regulation of technological innovation How states regulate risk of technological innovation (e.g., governance, cyber-security, New Economic State Craft) • Bradford, A. (2023). Digital Empires: The Global Battle to Regulate Technology. Oxford University Press (Ch. 1-3) • Clark-Ginsberg, A., & Slayton, R. (2019). Regulating risks within complex socio-technical systems: Evidence from critical infrastructure cybersecurity standards. Science and Public Policy, 46(3), 339-346. 7. State competition on technological innovation & Seminar (Chip war) How states promote technological innovation to improve their international standing (e.g., state strategies for innovation, political and economic factors influencing innovation) • Taylor, M. Z. (2016). The Politics of Innovation: Why Some Countries are Better than Others at Science and Technology. Oxford University Press (Ch. 5-6). • Miller, C. (2022). Chip war: the fight for the world's most critical technology. Simon and Schuster (some chapters). 8. Geopolitics of telecommunication and internet technologies & Seminar (5G) States’ conflicting views over telecommunication and internet technologies • Timmers, P., & Serentschy, G. (2023). Sovereignty and 6G. In The Changing World of Mobile Communications: 5G, 6G and the Future of Digital Services (pp. 253-282). Cham: Springer International Publishing. • Hoffmann, S., Bradshaw, S., & Taylor, E. (2019). Networks and geopolitics: how great power rivalries infected 5G. Osford Information Labs. 9. Technology and war (1): Conventional warfare & Seminar (Drone warfare) Impact of technological changes in conventional warfare and traditional militaries • Black, J. (2013): War and Technology. Indiana University Press (Introduction and Ch. 6) • Calcara, A., Gilli, A., Gilli, M., Marchetti, R., & Zaccagnini, I. (2022). Why drones have not revolutionized war: The enduring hider-finder competition in air warfare. International Security, 46(4), 130-171. • Calcara, A., Gilli, A., Gilli, M., & Zaccagnini, I. (2022). Will the Drone Always Get Through? Offensive Myths and Defensive Realities. Security Studies, 31(5), 791-825. 10. Technology and war (2): Unconventional warfare and the future of technological warfare Impact of technological changes in unconventional/hybrid warfare (e.g., cyber warfare, information warfare, IEDs) as a challenge to conventional military forces • Lanoszka, A. (2016). Russian hybrid warfare and extended deterrence in eastern Europe. International Affairs, 92(1), 175-195. • O’Hanlon, M. E. (2018). Forecasting change in military technology, 2020-2040. Military Technology, 2020, https://www.brookings.edu/wp-content/uploads/2018/09/FP_20181218_defense_advances_pt2.pdf • Biddle, S. (2023). Back in the Trenches: Why New Technology Hasn't Revolutionized Warfare in Ukraine. Foreign Affairs, 102, 153. 11. Expanding the arms race into new spaces (robotics, space, nuclear) Arms race of global powers in terms of technology (e.g., nuclear advancements, space warfare, US-China tech rivalry, North Korea’s missile program) • MacKenzie, D. (1989). Technology and the arms race. International Security, 14(1), 161-175. • Zala, B. (2019). How the next nuclear arms race will be different from the last one. Bulletin of the Atomic Scientists, 75(1), 36-43. 12. Political risk analysis & How to write a policy memo Conclusions and discussion of policy memos • For discussion part: three examples of good policy memos (exam preparation)

Codice insegnamento B5225

TIROCINIO IN ICT M 2° anno · 1° semestre · 6 CFU · 0 file

Tirocinio in ambito ICT soggetto ad approvazione ad parte della Commissione Tirocini

Scheda dell'insegnamento

Obiettivi formativi

Tirocinio in ambito ICT soggetto ad approvazione ad parte della Commissione Tirocini

Codice insegnamento B5525

TIROCINIO IN PREPARAZIONE DELLA PROVA FINALE 2° anno · 1° semestre · 15 CFU · 0 file

Il tirocinio può essere attivato presso qualsiasi soggetto ospitante in Italia, previa stipula della convenzione tirocini d'Ateneo. I contenuti del progetto di tirocinio devono essere finalizzati alla preparazione…

Scheda dell'insegnamento

Obiettivi formativi

Il tirocinio può essere attivato presso qualsiasi soggetto ospitante in Italia, previa stipula della convenzione tirocini d'Ateneo. I contenuti del progetto di tirocinio devono essere finalizzati alla preparazione della tesi di laurea e vanno concordati preventivamente con il docente relatore.

Codice insegnamento 82272

TIROCINIO IN PREPARAZIONE DELLA PROVA FINALE ALL'ESTERO 2° anno · 1° semestre · 15 CFU · 0 file
WIRELESS SENSOR NETWORKS M 2° anno · 1° semestre · 6 CFU · ING-INF/03 · 0 file

This course introduces wireless communications for the Internet of Things (IoT). The course will describe the most used wireless technologies enabling the deployment of IoT networks. The theoretical part of the course…

Scheda dell'insegnamento

Obiettivi formativi

This course introduces wireless communications for the Internet of Things (IoT). The course will describe the most used wireless technologies enabling the deployment of IoT networks. The theoretical part of the course will provide to students skills for designing an IoT network, accounting for connectivity, medium access control layer and routing issues, while considering the propagation environment where the network is located. Laboratory activities will allow students to use wireless devices to setup and run small IoT networks in a realistic environment and study their performance.

Programma

The course is divided into three parts: 1) Theoretical part; 2) Laboratory sessions; 3) Seminars on case studies.
In the first part (approx. 25 hours) lectures will be dedicated to present IoT protocols to be used at the different layers, which are physical, medium access control (MAC), network and application layers. Main focus will be on MAC and network layer protocols, where some guidelines for the design will be given.
In the laboratory sessions (approx. 25 hours, starting from middle Oct.) is concerned students will have possibility to program MC1322 Freescale 802.15.4-compliant devices in order to setup a real IoT network. On one hand, the laboratory activities will consist in the observation of the network behavior (e.g., network formation, data transmission, etc.) and measurement of some performance metrics (e.g., throughput and delays). On the other hand, students will have the opportunity to implement their own applications and measure performance metrics when considering different parameter settings.
The third part (approx. 10 hours) seminars, dealing with some research hot topics and applications, like smart city, smart buildings and smart manufacturing, will be presented.
Prerequisites: it is requested students have knowledge of basic aspects of Telecommunications. In particular, basics concepts on spectrum analysis, modulations, thermal noise, performance of pass-band systems, basics of antennas and propagations in wireless medium.

Modalità d'esame

The exam will be composed of: 1) one open book (notes available) written part, including exercises on PHY and MAC layers (result: passed/borderline/not passed); 2) oral exam. In case the result of the written part is borderline, the oral is composed of: i) one question on the written part (PHY and MAC layers); ii) one question on the second part of the course, that is network and application layers; iii) 10 minutes presentation (with power point slides) on the laboratory activity. In case the result of the written part is passed, question i) above is skipped.
The presentation of the lab activity could be based on: i) one of the activity performed in Lab1 during the course and the related measurement results OR ii) a project invented, devised and implemented by the students. The latter project could be performed in group of maximum 3 people.
The final mark will be based on the performance achieved during the oral exam. The mark at the oral is derived as follows: starting from 30 and decreasing at each wrong reply. Laude is considered only for students presenting projects (option ii above) for the lab activity.
Students with specific learning disorders (SLD) or temporary/permanent disabilities:
We recommend contacting the University Office responsible for support services in a timely manner (https://site.unibo.it/studenti-con-disabilita-e-dsa/en ). The office will evaluate the students' needs and, where appropriate, propose possible accommodations. These must in any case be submitted for approval at least 15 days in advance to the course instructor, who will assess their suitability also in relation to the learning objectives of the course.

Testi di riferimento

Slidesets and material made available by the instructor.
Suggested book for students without background on telecommunications signal and systems: A. Bruce Carlson, "Communication Systems: An Introduction to Signals and Noise in Electrical Communication", ed. by Mcraw-Hill International Editions. The following Sections are those useful to follow the course: 2.1, 2.2, 2.3, 3.1, 3.2, 3.3, 5.1, 5.2, 5.3. Send an email to Prof. Buratti to requested the book.

Codice insegnamento 73548

"Platforms and Algorithms for Autonomous Driving M" - Not available for the year 2025/2026 1° semestre · 6 CFU · ING-INF/05 · 0 file
3D PERCEPTION, LEARNING-BASED DATA FUSION M - Not available for the year 2025/2026 1° semestre · 6 CFU · ING-INF/05 · 0 file
APPLIED TOPICS IN AUTOMOTIVE ELECTRONICS M I.C. - Not available for the year 2025/2026 1° semestre · 0 file
AUTOMOTIVE LIGHTING AND RANGING TECHNOLOGIES M 1° semestre · 6 CFU · ING-INF/02 · 0 file
AUTOMOTIVE TECHNOLOGIES FOR RANGING, VISION, AND CONNECTIVITY M 1° semestre · 6 CFU · ING-INF/02 · 0 file
AUTONOMOUS DRIVING AND ADAS TECHNOLOGIES M - Not available for the year 2025/2026 1° semestre · 6 CFU · ING-INF/05 · 0 file
Advanced Automotive Sensors M 1° semestre · 6 CFU · ING-INF/07 · 0 file
Architectures and Firmware M 2° semestre · 6 CFU · ING-INF/01 · 0 file
Artificial Intelligence for Automotive M - Not available for the year 2025/2026 1° semestre · 6 CFU · ING-INF/05 · 0 file
Automatic Control M 2° semestre · 6 CFU · ING-INF/04 · 0 file
Automotive Connectivity M - Not available for the year 2025/2026 1° semestre · 6 CFU · ING-INF/03 · 0 file
Automotive Cyber Security M - Not available for the year 2025/2026 1° semestre · 6 CFU · ING-INF/05 · 0 file
COMPLEMENTI DI ANALISI MATEMATICA M 2° semestre · 6 CFU · MAT/05 · 0 file
COMPUTER ENGINEERING LABORATORY M - Not available for the year 2025/2026 1° semestre · 3 CFU · 0 file
Connected Vehicles M 2° semestre · 3 CFU · 0 file
Deep Learning for Engineering Applications M 2° semestre · 6 CFU · ING-INF/05 · 0 file
Dynamics and Compliant Design of Road Vehicles M 2° semestre · 6 CFU · ING-IND/32 · 0 file
ELECTRONIC SYSTEMS DESIGN M 1° semestre · 6 CFU · ING-INF/01 · 0 file
ELECTRONICS AND LIGHTING TECHNOLOGIES FOR AUTOMOTIVE M I.C. - Not available for the year 2025/2026 1° semestre · 0 file
ELECTRONICS FOR AUTOMOTIVE SYSTEMS M 1° semestre · 6 CFU · ING-INF/01 · 0 file
Final Examination - Not available for the year 2025/2026 24 CFU · 0 file
Ground Vehicle Dynamics M 1° semestre · 3 CFU · 0 file
Hardware-Software Design of Embedded Systems M I.C. 2° semestre · 0 file
Industrial Co-Teaching M - Not available for the year 2025/2026 1° semestre · 6 CFU · ING-IND/32 · 0 file
Lab of Real-Time Operating Systems M - Not available for the year 2025/2026 Annuale · 3 CFU · 0 file
Modeling and Control of Electromechanical Systems M - Not available for the year 2025/2026 1° semestre · 6 CFU · ING-INF/04 · 0 file
PATH AND TRAJECTORY PLANNING M - Not available for the year 2025/2026 1° semestre · 6 CFU · ING-INF/04 · 0 file
Power Electronics for Automotive M 1° semestre · 6 CFU · ING-INF/01 · 0 file
Product Safety, Product Liability and Automotive M - Not available for the year 2025/2026 6 CFU · IUS/01 · 0 file
Real Time OS M Annuale · 6 CFU · ING-INF/05 · 0 file
Signals and Systems for Vehicular Communications M 1° semestre · 6 CFU · ING-INF/03 · 0 file
Statistical Signal Processing M - Not available for the year 2025/2026 2° semestre · 6 CFU · ING-INF/01 · 0 file
Tacc 1-Training for Automotive Companies Creation M - Not available for the year 2025/2026 1° semestre · 6 CFU · ING-INF/07 · 0 file
Tacc 2-Training for Automotive Companies Creation M - Not available for the year 2025/2026 2° semestre · 6 CFU · ING-INF/07 · 0 file
Test, Diagnosis and Reliability M 1° semestre · 6 CFU · ING-INF/01 · 0 file
VEHICULAR COMMUNICATIONS M - Not available for the year 2025/2026 1° semestre · 6 CFU · ING-INF/03 · 0 file
VIRTUAL SYSTEMS AND HUMAN MACHINE INTERFACE M - Not available for the year 2025/2026 1° semestre · 6 CFU · ING-INF/05 · 0 file
VISUAL PERCEPTION FOR SELF-DRIVING CARS M - Not available for the year 2025/2026 1° semestre · 6 CFU · ING-INF/05 · 0 file
Vehicular Radio Propagation M Annuale · 9 CFU · ING-INF/02 · 0 file
Wired and Wireless Interconnections M Annuale · 9 CFU · ING-INF/02 · 0 file

Recensioni del corso

Studi qui? Accedi per lasciare la tua recensione e aiutare altri studenti a scegliere.

★

Nessuna recensione per ora — e la prima è la più preziosa. Condividi la tua esperienza e orienta le future matricole.