227-1032-00L  Neuromorphic Engineering II

SemesterFrühjahrssemester 2019
DozierendeT. Delbrück, G. Indiveri, S.‑C. Liu
Periodizitätjährlich wiederkehrende Veranstaltung
LehrspracheEnglisch
KommentarInformation für UZH Studierende:
Die Lerneinheit kann nur an der ETH belegt werden. Die Belegung des Moduls INI405 ist an der UZH nicht möglich.

Beachten Sie die Einschreibungstermine an der ETH für UZH Studierende: Link



Katalogdaten

KurzbeschreibungThis course teaches the basics of analog chip design and layout with an emphasis on neuromorphic circuits, which are introduced in the fall semester course "Neuromorphic Engineering I".
LernzielDesign of a neuromorphic circuit for implementation with CMOS technology.
InhaltThis course teaches the basics of analog chip design and layout with an emphasis on neuromorphic circuits, which are introduced in the autumn semester course "Neuromorphic Engineering I".

The principles of CMOS processing technology are presented. Using a set of inexpensive software tools for simulation, layout and verification, suitable for neuromorphic circuits, participants learn to simulate circuits on the transistor level and to make their layouts on the mask level. Important issues in the layout of neuromorphic circuits will be explained and illustrated with examples. In the latter part of the semester students simulate and layout a neuromorphic chip. Schematics of basic building blocks will be provided. The layout will then be fabricated and will be tested by students during the following fall semester.
LiteraturS.-C. Liu et al.: Analog VLSI Circuits and Principles; software documentation.
Voraussetzungen / BesonderesPrerequisites: Neuromorphic Engineering I strongly recommended

Leistungskontrolle

Information zur Leistungskontrolle (gültig bis die Lerneinheit neu gelesen wird)
Leistungskontrolle als Jahreskurs mit 227-1033-00L Neuromorphic Engineering I
ECTS Kreditpunkte12 KP
PrüfendeT. Delbrück, G. Indiveri, S.-C. Liu
FormSessionsprüfung
PrüfungsspracheEnglisch
RepetitionDie Leistungskontrolle wird in jeder Session angeboten. Die Repetition ist ohne erneute Belegung der Lerneinheit möglich.
Prüfungsmodusmündlich 30 Minuten
Leistungskontrolle als Semesterkurs (übrige Studiengänge)
ECTS Kreditpunkte6 KP
PrüfendeT. Delbrück, G. Indiveri, S.-C. Liu
FormSessionsprüfung
PrüfungsspracheEnglisch
RepetitionDie Leistungskontrolle wird in jeder Session angeboten. Die Repetition ist ohne erneute Belegung der Lerneinheit möglich.
Prüfungsmodusmündlich 20 Minuten
Zusatzinformation zum PrüfungsmodusCompletion of lab exercises and work on class project.
Final grade based on combination of project work (30%) and final oral exam (70%).
In addition, there are 6 exercises and students must do at least 5 of them in order to receive any passing grade.
(compulsory continuous performance assessment)
Diese Angaben können noch zu Semesterbeginn aktualisiert werden; verbindlich sind die Angaben auf dem Prüfungsplan.

Lernmaterialien

 
HauptlinkInformation
Es werden nur die öffentlichen Lernmaterialien aufgeführt.

Lehrveranstaltungen

NummerTitelUmfangDozierende
227-1032-00 GNeuromorphic Engineering II
**together with University of Zurich**

Vorlesung: 13-15
Übungen: 15-18
5 Std.
Di13-15I55 G 20 »
15-18I35 E 30 »
T. Delbrück, G. Indiveri, S.‑C. Liu

Gruppen

Keine Informationen zu Gruppen vorhanden.

Einschränkungen

Keine zusätzlichen Belegungseinschränkungen vorhanden.

Angeboten in

StudiengangBereichTyp
Biomedical Engineering MasterKernfächer der VertiefungWInformation
DAS in Data ScienceNeural Information ProcessingWInformation
Data Science MasterInterdisziplinäre WahlfächerWInformation
Elektrotechnik und Informationstechnologie MasterEmpfohlene FächerWInformation
Elektrotechnik und Informationstechnologie MasterVertiefungsfächerWInformation
Neural Systems and Computation MasterWahlfächerWInformation
Neural Systems and Computation MasterNeurotechnologie und Neuromorphe IngenieurwissenschaftenWInformation
Physik MasterAuswahl: Neuroinformatik / INIWInformation
Rechnergestützte Wissenschaften BachelorWahlfächerWInformation
Rechnergestützte Wissenschaften MasterWahlfächerWInformation