Doctorat en génération de tests automatisés et autotests pour circuits intégrés analogiques/à signaux mixtes

De nombreuses applications électroniques émergentes, telles que les systèmes autonomes intelligents (par exemple les voitures) et l’Internet des objets (IoT), s’appuient sur des circuits analogiques et à signaux mixtes (AMS) pour s’interfacer avec le monde physique (par exemple les capteurs, les radios, etc.). Citons par exemple des domaines tels que l’automobile, le biomédical, l’industrie 4.0/5.0, etc. Ces applications s’accompagnent cependant d’exigences extrêmement exigeantes en matière de fiabilité et de robustesse : aucune puce défectueuse ne peut être livrée aux clients et aucun circuit ne peut tomber en panne inaperçue. Ce problème doit être résolu au moment de la conception du circuit intégré (préfabrication), au moment du test du circuit intégré (post-fabrication) et au moment de l’exécution (pendant l’utilisation du circuit intégré). Toutefois, en raison de leur nature et de leur sensibilité, les parties analogiques des systèmes AMS nécessitent des efforts de test nettement plus importants que les parties numériques.

Ce doctorat étudiera et explorera les capacités émergentes de développement et d’application de nouvelles techniques algorithmiques pour la génération de tests efficaces et automatisés pour les circuits intégrés analogiques. Cela inclut l’exploration des techniques d’apprentissage automatique (ML) et d’intelligence artificielle (IA). L’autotest et la détection des comportements aberrants constitueront une priorité majeure pour maximiser davantage la couverture des tests. Des solutions d’autotest pour la surveillance en temps réel et l’interprétation des signaux sur puce dans le circuit intégré seront également étudiées. La réutilisation des blocs IP analogiques et des programmes de tests correspondants sera une solution pour maîtriser la complexité de conception. Les travaux de doctorat impliqueront le développement et l’application de nouveaux algorithmes et de techniques assistées par ordinateur, y compris l’IA/ML, aux tests et à la génération de tests de circuits intégrés analogiques/à signaux mixtes, en étroite collaboration avec un partenaire industriel.