Nanoelectrónica
Tecnología Microelectrónica (TMEL)
Ingeniería de Sistemas con Procesadores (ISPR)
Ingeniería de Superficies (SURF)
Ergonomía de Interaccion Persona-Máquina (EIPM)
En esta asignatura se tratan de manera introductoria las técnicas conducentes a optimizar la ergonomía de sistemas de interacción persona-máquina considerando las alternativas tecnológicas y de diseño que permiten optimizar la experiencia de usuario. Para ello es fundamental también conocer los procedimientos de evaluación de la interacción.
La asignatura se acompaña de una componente práctica que permite al estudiante entrar en contacto con la realidad de uso de este tipo de metodologías de diseño para conseguir una interacción ergonómica y su evaluación.
Competencias
• CECT13: Capacidad de diferenciar los conceptos de redes de acceso y transporte, redes de conmutación de circuitos y de paquetes, redes fijas y móviles, así como los sistemas y aplicaciones de red distribuidos, servicios de voz, datos, audio, vídeo y servicios interactivos y multimedia.
• CE-SE7: Capacidad para diseñar dispositivos de interfaz, captura de datos y almacenamiento, y terminales para servicios y sistemas de telecomunicación.
• CG8: Comunicación oral y escrita.
Resultados de Aprendizaje
• R1: El alumno conocerá los conceptos de ergonomía en interfaces persona-máquina.
• R2: El alumno podrá realizar un análisis de la ergonomía y usabilidad de un interfaz persona-máquina.
• R3: El alumno sabrá cómo realizar la evaluación de la ergonomía de un interfaz persona-máquina y cómo aplicar las conclusiones de dicha evaluación para mejorar la ergonomía de dicha interfaz
1. TEMA 1: Introducción a la ergonomía de la interacción persona-máquina (4 horas) • Introducción a la interacción persona-máquina
• Definición de conceptos principales
• Análisis del factor humano en dicha interacción
• ¿Qué hace a un producto con interacción más usable?
2. TEMA 2: Diseño de sistemas de interacción multimodal (12 horas) • Guías de estilos y diseño gráfico.
• Modalidades de interacción y tecnologías necesarias: dispositivos, estilos y paradigmas.
• Ingeniería de la Interfaz. Técnicas de diseño ergonómico de la interacción.
• Accesibilidad y personalización de los sistemas
• Internacionalización de interfaces.
3. TEMA 3: Evaluación de la ergonomía (4 horas) • Objetivos
• Conceptos básicos de la metodología de evaluación
• Puntos de control en el proyecto de desarrollo
• Proceso de evaluación i. Diseño del plan de evaluación
ii.Bancos de prueba
iii. Selección de evaluadores
iv. Desarrollo de las evaluaciones
v.Análisis del resultado de la evaluación
4. Análisis de casos prácticos (5 horas). A lo largo del curso, se presentará el análisis de varios casos prácticos para que los alumnos puedan ir realizando su práctica tomando como ejemplo estos análisis. • Aplicación de una agencia de viajes
• Aplicación para la reserva de hoteles o entradas para espectáculos
• Aplicación de venta por Internet
• Redes sociales
• Aplicación web de la ETSIT y de la UPM.
5. Presentación de las prácticas de los alumnos (5 horas) • A lo largo del curso los alumnos realizarán una práctica que consiste en el análisis y evaluación de la ergonomía de una aplicación existente y de acceso público. Esta práctica se podrá realizar de forma individual o en parejas. Los alumnos presentarán la evolución de sus prácticas a lo largo de curso en 3 puntos de control: i. En el primer hito, los alumnos presentarán la aplicación elegida y su justificación.
ii.En el segundo hito, los alumnos expondrán un primer análisis de la ergonomía de la aplicación elegida
iii. En la presentación final, los alumnos presentarán un análisis más detallado de la aplicación elegida, incluyendo una evaluación de campo con usuarios.
Para aprobar la asignatura, los alumnos deben obtener un mínimo de 5 puntos en un escala de 10.
Los alumnos serán evaluados, por defecto, mediante evaluación continua. La calificación de la asignatura se realizará del siguiente modo:
Hito 1: presentación de la aplicación elegida. (20%)
Hito 2: presentación del análisis realizado sobre aplicación elegida. (40%)
Hito 3: presentación final del análisis incluyendo evaluación con usuarios. (40%)
En cumplimiento de la Normativa de Evaluación de la Universidad Politécnica de Madrid, los alumnos que lo deseen serán evaluados mediante un único examen final siempre y cuando lo comuniquen al coordinador de la asignatura por escrito. Esta solicitud puede realizarse en cualquier momento antes del día anterior a la presentación del hito 3. El examen final consistirá en una presentación que recoja el análisis de la ergonomía de una aplicación así como una evaluación de campo con usuarios.
En la convocatoria extraordinaria, el examen consistirá en una presentación que recoja el análisis de la ergonomía de una aplicación así como una evaluación de campo con usuarios.
Sistemas Basados en Aprendizaje Automático (SIBA)
En esta asignatura se tratan de manera introductoria las técnicas de aprendizaje automático con una
importante componente práctica que permite al estudiante entrar en contacto con la realidad de uso y
diseño de este tipo de sistemas.
La asignatura cubre los distintos aspectos de diseño de los sistemas de aprendizaje automático basado en
datos, desde los detalles relacionados con la entrada de datos, el análisis de los mismos, la obtención de
características principales, la agrupación automática, creación de patrones, y generación de un sistema
automático que los aprenda y los reconozca. Finalmente se estudia la evaluación del comportamiento del
sistema al realizar la tarea asignada, estimación de su rendimiento y eficacia y los métodos de ajuste del
mismo para optimizar su validez.
Estos sistemas son fundamentales en muy diversos campos de aplicación, desde la automatización
inteligente de procesos industriales hasta el análisis de grandes cantidades de datos para extraer
información y clasificarla en lo que se ha dado en llamar "Big Data”.
Cada vez más la industria requiere profesionales con experiencia previa en este campo del aprendizaje
automático, reconocimiento automático de patrones y extracción de Información a partir de datos.
Las áreas de aplicación son innumerables siempre que se disponga de suficientes datos, por ejemplo datos
de redes sociales, datos de patrones de enfermedades, optimización de procesos, optimización de recursos,
análisis de comportamiento de clientes, organización operativa, detección de fallos en sistemas, análisis de
contenido de textos escritos, análisis de grabaciones de audio y vídeo etc.
Competencias
• CECT3 - Capacidad para utilizar herramientas informáticas de búsqueda de recursos bibliográficos o de
información relacionada con las telecomunicaciones y la electrónica
• CEB2 - Conocimientos básicos sobre el uso y programación de los ordenadores, sistemas operativos, bases
de datos y programas informáticos con aplicación en ingeniería
• CG2: Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma
profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de
argumentos y la resolución de problemas dentro de su área de estudio
• CG7: Trabajo en equipo.
• CG8: Comunicación oral y escrita.
Resultados de Aprendizaje
• R1- Conocimientos de la problemática de análisis de grandes cantidades de datos
• R2- Conocimientos de los sistemas de clasificación y agrupamiento de datos y de las principales
características de cada uno de los métodos principalmente utilizados
• R3- Analizar y evaluar los distintos algoritmos de aprendizaje automático basado en datos
• R4- Conocimiento de los principales programas informáticos y herramientas para el análisis de
datos y aprendizaje de la máquina basado en los mismos.
• RA45 - Conocimientos y habilidades de las temáticas científico tecnológicas desarrolladas en las
asignaturas ofertadas
• RA358 - Capacidad para el análisis de problemas, trabajo en equipo y exposición de los resultados
del análisis
1. TEMA 1. Introducción
• Visión general del curso
• Mineria de datos y aprendizaje automático
• Ejemplos simples: Tiempo, iris, negociaciones laborales, clasificación de granos,
• Áreas reales de aplicación: Análisis de webs, análisis de imágenes, diagnosis de enfermedades,
Mercadotecnia y ventas
2. TEMA 2. Clasificación y regresión
• Datos de entrada: Ejemplos, atributos, clases
• Concepto de clasificación, agrupamiento y regresión
• 1-R
• ZeroR, Regla de Bayes y naive Bayes
• Clasificación lineal
• Regresión lineal
3. PRÁCTICA 1: Manejo de la herramienta WEKA
• Introducción al interface “explorer” de Weka
• Carga de datos, editor de datos, filtrado de datos
• Panel de clasificación
4. TEMA 3. Evaluación
• Concepto de entrenamiento/evaluación
• Validación cruzada
• Significancia estadística
• Sobre-entrenamiento (overfitting)
5. PRÁCTICA 2: Ejemplos de aplicación
• Definición de la aplicación
• Preparación de los datos de entrenamiento y prueba.
• Pruebas de algoritmos simples con datos sencillos
6. TEMA 4. Selección y transformación de rasgos característicos
• Basado en estimación de bondad. Selección de componentes principales.
• Basado en clasificación. Transformación lineal discriminativa (LDA)
7. PRÁCTICA 3: Estudio y selección de rasgos para mejorar el sistema
• Prueba con distintos atributos
• Selección manual de atributos
• Selección automática de atributos: Selección de componentes principales, Transformación lineal
discriminativa (LDA)
8. TEMA 5. Clasificación avanzada y agrupamiento
• Árboles de decisión y regresión
• Regla de los K vecinos más próximos (K-NN)
• Perceptron multicapa (ANN)
• Técnicas de agrupamiento, Simple kmeans, Estimate-Maximize (EM)
9. INTRODUCCION A LA PRACTICA 4
• Tutorial sobre distintos datos disponibles
• Tutorial sobre posibles algoritmos a usar en cada problema
10. PRÁCTICA 4. Desarrollo del un sistema evolucionado de aprendizaje y clasificación
Panel de visualización
• Los alumnos serán evaluados, por defecto, mediante evaluación continua. Dado el carácter
eminentemente práctico de la asignatura se desaconseja la evaluación mediante un único examen final.
• Las prácticas se evaluarán según el cuestionario entregado. El proyecto final se evaluará según la calidad
del mismo, la presentación oral, los resultados obtenidos y la calidad de la memoria.
• En cumplimiento de la Normativa de Evaluación de la Universidad Politécnica de Madrid, los alumnos
que lo deseen serán evaluados mediante un único examen final siempre y cuando lo comuniquen por
escrito al Coordinador de la Asignatura según la normativa vigente. Esta solicitud puede realizarse en
cualquier momento hasta la quinta semana incluida. El examen final consistirá en la realización y
presentación oral y escrita de un proyecto de minería de datos y aprendizaje automático.
Securing implementations of feedback-shift-register-based ciphers using compiler optimizations and co-processors.
Los algoritmos basados en registros de desplazamiento con realimentación (en inglés FSR) se han utilizado como generadores de flujos pseudoaleatorios en aplicaciones con recursos limitados como los sistemas de apertura sin llave. Se considera canal primario a aquel que se utiliza para realizar una transmisión de información. La aparición de los ataques de canal auxiliar (en inglés SCA), que explotan información filtrada inintencionadamente a través de canales laterales como el consumo, las emisiones electromagnéticas o el tiempo empleado, supone una grave amenaza para estas aplicaciones, dado que los dispositivos son accesibles por un atacante. El objetivo de esta tesis es proporcionar un conjunto de protecciones que se puedan aplicar de forma automática y que utilicen recursos ya disponibles, evitando un incremento sustancial en los costes y alargando la vida útil de aplicaciones que puedan estar desplegadas. Explotamos el paralelismo existente en algoritmos FSR, ya que sólo hay 1 bit de diferencia entre estados de rondas consecutivas. Realizamos aportaciones en tres niveles: a nivel de sistema, utilizando un coprocesador reconfigurable, a través del compilador y a nivel de bit, aprovechando los recursos disponibles en el procesador. Proponemos un marco de trabajo que nos permite evaluar implementaciones de un algoritmo incluyendo los efectos introducidos por el compilador considerando que el atacante es experto. En el campo de los ataques, hemos propuesto un nuevo ataque diferencial que se adapta mejor a las condiciones de las implementaciones software de FSR, en las que el consumo entre rondas es muy similar. SORU2 es un co-procesador vectorial reconfigurable propuesto para reducir el consumo energético en aplicaciones con paralelismo y basadas en el uso de bucles. Proponemos el uso de SORU2, además, para ejecutar algoritmos basados en FSR de forma segura. Al ser reconfigurable, no supone un sobrecoste en recursos, ya que no está dedicado en exclusiva al algoritmo de cifrado. Proponemos una configuración que ejecuta múltiples algoritmos de cifrado similares de forma simultánea, con distintas implementaciones y claves. A partir de una implementación sin protecciones, que demostramos que es completamente vulnerable ante SCA, obtenemos una implementación segura a los ataques que hemos realizado. A nivel de compilador, proponemos un mecanismo para evaluar los efectos de las secuencias de optimización del compilador sobre una implementación. El número de posibles secuencias de optimizaciones de compilador es extremadamente alto. El marco de trabajo propuesto incluye un algoritmo para la selección de las secuencias de optimización a considerar. Debido a que las optimizaciones del compilador transforman las implementaciones, se pueden generar automáticamente implementaciones diferentes combinamos para incrementar la seguridad ante SCA. Proponemos 2 mecanismos de aplicación de estas contramedidas, que aumentan la seguridad de la implementación original sin poder considerarse seguras. Finalmente hemos propuesto la ejecución paralela a nivel de bit del algoritmo en un procesador. Utilizamos la forma algebraica normal del algoritmo, que automáticamente se paraleliza. La implementación sobre el algoritmo evaluado mejora en rendimiento y evita que se filtre información por una ejecución dependiente de datos. Sin embargo, es más vulnerable ante ataques diferenciales que la implementación original. Proponemos una modificación del algoritmo para obtener una implementación segura, descartando parcialmente ejecuciones del algoritmo, de forma aleatoria. Esta implementación no introduce una sobrecarga en rendimiento comparada con las implementaciones originales. En definitiva, hemos propuesto varios mecanismos originales a distintos niveles para introducir aleatoridad en implementaciones de algoritmos FSR sin incrementar sustancialmente los recursos necesarios.
Self assembled and ordered group III nitride nanocolumnar structures for light emitting applications
El objetivo de este trabajo es un estudio profundo del crecimiento selectivo de nanoestructuras de InGaN por epitaxia de haces moleculares asistido por plasma, concentrandose en el potencial de estas estructuras como bloques constituyentes en LEDs de nueva generación. Varias aproximaciones al problema son discutidas; desde estructuras axiales InGaN/GaN, a estructuras core-shell, o nanoestructuras crecidas en sustratos con orientaciones menos convencionales (semi polar y no polar). La primera sección revisa los aspectos básicos del crecimiento auto-ensamblado de nanocolumnas de GaN en sustratos de Si(111). Su morfología y propiedades ópticas son comparadas con las de capas compactas de GaN sobre Si(111). En el caso de las columnas auto-ensambladas de InGaN sobre Si(111), se presentan resultados sobre el efecto de la temperatura de crecimiento en la incorporación de In. Por último, se discute la inclusión de nanodiscos de InGaN en las nanocolumnas de GaN. La segunda sección revisa los mecanismos básicos del crecimiento ordenado de nanoestructuras basadas en GaN, sobre templates de GaN/zafiro. Aumentando la relación III/V localmente, se observan cambios morfológicos; desde islas piramidales, a nanocolumnas de GaN terminadas en planos semipolares, y finalmente, a nanocolumnas finalizadas en planos c polares. Al crecer nanodiscos de InGaN insertados en las nanocolumnas de GaN, las diferentes morfologias mencionadas dan lugar a diferentes propiedades ópticas de los nanodiscos, debido al diferente carácter (semi polar o polar) de los planos cristalinos involucrados. La tercera sección recoge experimentos acerca de los efectos que la temperatura de crecimiento y la razón In/Ga tienen en la morfología y emisión de nanocolumnas ordenadas de InGaN crecidas sobre templates GaN/zafiro. En el rango de temperaturas entre 650 y 750 C, la incorporacion de In puede modificarse bien por la temperatura de crecimiento, o por la razón In/Ga. Controlar estos factores permite la optimización de la longitud de onda de emisión de las nanocolumnas de InGaN. En el caso particular de la generación de luz blanca, se han seguidos dos aproximaciones. En la primera, se obtiene emisión amarilla-blanca a temperatura ambiente de nanoestructuras donde la región de InGaN consiste en un gradiente de composiciones de In, que se ha obtenido a partir de un gradiente de temperatura durante el crecimiento. En la segunda, el apilamiento de segmentos emitiendo en azul, verde y rojo, consiguiendo la integración monolítica de estas estructuras en cada una de las nanocolumnas individuales, da lugar a emisores ordenados con un amplio espectro de emisión. En esta última aproximación, la forma espectral puede controlarse con la longitud (duración del crecimiento) de cada uno de los segmentos de InGaN. Más adelante, se presenta el crecimiento ordenado, por epitaxia de haces moleculares, de arrays de nanocolumnas que son diodos InGaN/GaN cada una de ellas, emitiendo en azul (441 nm), verde (502 nm) y amarillo (568 nm). La zona activa del dispositivo consiste en una sección de InGaN, de composición constante nominalmente y longitud entre 250 y 500 nm, y libre de defectos extendidos en contraste con capas compactas de InGaN de similares composiciones y espesores. Los espectros de electroluminiscencia muestran un muy pequeño desplazamiento al azul al aumentar la corriente inyectada (desplazamiento casi inexistente en el caso del dispositivo amarillo), y emisiones ligeramente más anchas que en el caso del estado del arte en pozos cuánticos de InGaN. A continuación, se presenta y discute el crecimiento ordenado de nanocolumnas de In(Ga)N/GaN en sustratos de Si(111). Nanocolumnas ordenadas emitiendo desde el ultravioleta (3.2 eV) al infrarrojo (0.78 eV) se crecieron sobre sustratos de Si(111) utilizando una capa compacta (“buffer”) de GaN. La morfología y eficiencia de emisión de las nanocolumnas emitiendo en el rango espectral verde pueden ser mejoradas ajustando las relaciones In/Ga y III/N, y una eficiencia cuántica interna del 30% se deriva de las medidas de fotoluminiscencia en nanocolumnas optimizadas. En la siguiente sección de este trabajo se presenta en detalle el mecanismo tras el crecimiento ordenado de nanocolumnas de InGaN/GaN emitiendo en el verde, y sus propiedades ópticas. Nanocolumnas de InGaN/GaN con secciones largas de InGaN (330-830 nm) se crecieron tanto en sustratos GaN/zafiro como GaN/Si(111). Se encuentra que la morfología y la distribución espacial del In dentro de las nanocolumnas dependen de las relaciones III/N e In/Ga locales en el frente de crecimiento de las nanocolumnas. La dispersión en el contenido de In entre diferentes nanocolumnas dentro de la misma muestra es despreciable, como indica las casi identicas formas espectrales de la catodoluminiscencia de una sola nanocolumna y del conjunto de ellas. Para las nanocolumnas de InGaN/GaN crecidas sobre GaN/Si(111) y emitiendo en el rango espectral verde, la eficiencia cuántica interna aumenta hasta el 30% al disminuir la temperatura de crecimiento y aumentar el nitrógeno activo. Este comportamiento se debe probablemente a la formación de estados altamente localizados, como indica la particular evolución de la energía de fotoluminiscencia con la temperatura (ausencia de “s-shape”) en muestras con una alta eficiencia cuántica interna. Por otro lado, no se ha encontrado la misma dependencia entre condiciones de crecimiento y efiencia cuántica interna en las nanoestructuras InGaN/GaN crecidas en GaN/zafiro, donde la máxima eficiencia encontrada ha sido de 3.7%. Como alternativa a las nanoestructuras axiales de InGaN/GaN, la sección 4 presenta resultados sobre el crecimiento y caracterización de estructuras core-shell de InGaN/GaN, re-crecidas sobre arrays de micropilares de GaN fabricados por ataque de un template GaN/zafiro (aproximación top-down). El crecimiento de InGaN/GaN es conformal, con componentes axiales y radiales en el crecimiento, que dan lugar a la estructuras core-shell con claras facetas hexagonales. El crecimiento radial (shell) se ve confirmado por medidas de catodoluminiscencia con resolución espacial efectuadas en un microscopio electrónico de barrido, asi como por medidas de microscopía de transmisión de electrones. Más adelante, el crecimiento de micro-pilares core-shell de InGaN se realizó en pilares GaN (cores) crecidos selectivamente por epitaxia de metal-orgánicos en fase vapor. Con el crecimiento de InGaN se forman estructuras core-shell con emisión alrededor de 3 eV. Medidas de catodoluminiscencia resuelta espacialmente indican un aumento en el contenido de indio del shell en dirección a la parte superior del pilar, que se manifiesta en un desplazamiento de la emisión de 3.2 eV en la parte inferior, a 3.0 eV en la parte superior del shell. Este desplazamiento está relacionado con variaciones locales de la razón III/V en las facetas laterales. Finalmente, se demuestra la fabricación de una estructura pin basada en estos pilares core-shell. Medidas de electroluminiscencia resuelta espacialmente, realizadas en pilares individuales, confirman que la electroluminiscencia proveniente del shell de InGaN (diodo lateral) está alrededor de 3.0 eV, mientras que la emisión desde la parte superior del pilar (diodo axial) está alrededor de 2.3 eV. Para finalizar, se presentan resultados sobre el crecimiento ordenado de GaN, con y sin inserciones de InGaN, en templates semi polares (GaN(11-22)/zafiro) y no polares (GaN(11-20)/zafiro). Tras el crecimiento ordenado, gran parte de los defectos presentes en los templates originales se ven reducidos, manifestándose en una gran mejora de las propiedades ópticas. En el caso de crecimiento selectivo sobre templates con orientación GaN(11-22), no polar, la formación de nanoestructuras con una particular morfología (baja relación entre crecimiento perpedicular frente a paralelo al plano) permite, a partir de la coalescencia de estas nanoestructuras, la fabricación de pseudo-templates no polares de GaN de alta calidad
Defensa de la Tesis Doctoral de D. Javier Malo Gómez

Defensa y Lectura de la Tesis Doctoral
“CONTRIBUCION AL DISEÑO DE LAZOS DE REALIMENTACIÓN ELECTRÓNICA PARA MICROSISTEMAS ELECTROMECÁNICOS (MEMS) RESONANTES: RUIDO DE FASE GENERADO EN LAZOS OSCILADORES POR SUS REALIMENTACIONES”
Diseño Microelectrónico
Competencias
CE10 - Capacidad para diseñar y fabricar circuitos integrados.
CE11 - Conocimiento de los lenguajes de descripción hardware para circuitos de alta complejidad.
CE12 - Capacidad para utilizar dispositivos lógicos programables, así como para diseñar sistemas electrónicos avanzados, tanto
analógicos como digitales. Capacidad para diseñar componentes de comunicaciones como por ejemplo encaminadores,
conmutadores, concentradores, emisores y receptores en diferentes bandas.
CT3 - Capacidad para adoptar soluciones creativas que satisfagan adecuadamente las diferentes necesidades planteadas.
CT4 - Capacidad para trabajar de forma efectiva como individuo, organizando y planificando su propio trabajo, de forma
independiente o como miembro de un equipo.
CT5 - Capacidad para gestionar la información, identificando las fuentes necesarias, los principales tipos de documentos
técnicos y científicos, de una manera adecuada y eficiente.
Resultados de Aprendizaje
RA9 - Saber redactar informes técnicos sobre trabajos realizados, con una estructura, contenidos y lenguaje del nivel adecuado
a un trabajo de ingeniería
RA87 - Comprender cómo distintas alternativas de diseño para un circuito integrado CMOS afectan a su área, velocidad,
consumo de potencia, fiabilidad y coste.
RA88 - Ser capaz de tomar decisiones de diseño para un circuito integrado CMOS, verificando su impacto mediante simulación.
RA89 - Conocer las opciones en el diseño de circuitos integrados de bloques combinacionales, secuenciales, rutas de datos,
memorias y circuitos de propósito especiales.
RA92 - Conocimiento práctico de métodos modernos de diseño y herramientas básicas para el diseño full-custom.
RA93 - Conocimiento práctico de métodos modernos de diseño y herramientas básicas para el diseño con células estándar y
FPGA.
RA94 - Diseñar, verificar y caracterizar un circuito integrado CMOS a partir de una especificación.
1. Introducción al diseño de ASICs
2. Transistores: su funcionamiento
2.1. Estructura MOS
2.2. El transistor MOSFET
2.3. Efectos de segundo orden
2.4. Modelo unificado
3. Lógica CMOS
3.1. Inversores
3.2. Lógica de puertas
3.3. Diagramas de barras
3.4. Lógica de conmutación
4. Proceso CMOS
4.1. Proceso CMOS básico
4.2. Reglas de diseño
4.3. Latchup
5. Caracterización del circuito
5.1. Resistencia
5.2. Capacidad
5.3. Retardo
5.4. Excitación de grandes capacidades
5.5. Consumo de potencia (estática y dinámica)
5.6. Optimización
6. Circuitos secuenciales
6.1. Elementos de memoria
6.2. Temporización
6.3. Lógica dinámica
7. Memorias
7.1. RAMs
7.2. ROMs
8. Diseño semi-custom
8.1. Flujo de diseño semi-custo
8.2. Síntesis
8.3. Diseño físico
9. Visión global del circuito integrado
9.1. Entrada/Salida del chip
9.2. Plano de base
9.3. Alternativas de diseño de chips CMOS
9.4. Trazado de circuitos analógicos
9.5. Aspectos económicos
10. Test de circuitos integrados / Diseño para test
10.1. Necesidad del test
10.2. Controlabilidad, observabilidad y modelos de fallos
10.3. Estrategias de diseño para test
10.4. Test a nivel de sistema
La calificación final de la asignatura se realizará a través de tres evaluaciones:
l Un examen escrito (50%). En él el alumno, con o sin la utilización de textos de consulta o apuntes según los casos, deberá
resolver problemas, diseños o cuestiones basados en los aspectos desarrollados en clase.
l Entrega de trabajos prácticos y ejercicios (40%).
l Participación en clase y entregas teóricas (10%).