Hybrydowy detektor pikselowy z inteligentną detekcją promieniowania rentgenowskiego

Nr projektu: NOR/SGS/Intelligent_XRay_Det/0196/2020-00

Konkurs: SMALL GRANT SCHEME Call 2020

Finansowanie: Projekt korzysta z dofinansowania otrzymanego z Norweskiego Mechanizmu Finansowego (tzw. Fundusze Norweskie) za pośrednictwem Narodowego Centrum Badań i Rozwoju

Budżet: 825,000.00 zł

Termin realizacji: 2022 - 2023

Popularnonaukowy skrócony opis projektu:

Idea projektu inteligentnego sensora zaproponowana została już wiele lat temu, jednakże do tej pory nie było narzędzi ani metod, które pozwoliłyby na jego implementację z układzie scalonym. Dzięki wykorzystaniu technologii głęboko sub-mikronowych, takich jak np. 28 nm CMOS, możliwe stało się syntetyzowanie gęstych siatek logiki, tworząc sposobność do implementacji sieci neuronowych w bliskim, wręcz bezpośrednim kontakcie z generowanym sygnałem. Pomimo, że obecnie sieci neuronowe wykorzystywane są głównie do problemów natury biologicznej czy fizycznej, gdzie ich poziom skomplikowana oraz rozmiar powodują potrzebę zaangażowania ogromnej mocy obliczeniowej, autor projektu twierdzi, że dla prostych problemów, takich jak rozpoznanie sygnałów o niskim poziomie skomplikowania, ich implementacja w układzie scalonym stała się możliwa.

Jednym z rodzajów sensorów uczestniczących w ciągłym wyścigu o wyższą szybkość pracy oraz rozdzielczość energetyczną są detektory promieniowania rentgenowskiego. Pomimo, że grupy projektantów pracujących we wiodących instytutach takich jak CERN, PSI, Fermilab czy synchrotron Spring-8 osiągają już limity wyznaczane przez wartości teoretyczne, naukowcy wykorzystujący budowane detektory wciąż oczekują polepszenia parametrów wyników eksperymentów. Standardowym podejściem, podejmowanym przez większość grup projektowych, jest zwiększenie stopnia skomplikowania układów poprzez zwiększanie ilości wykorzystanych tranzystorów tak, aby móc skompensować niedoskonałości obwodu powodowane przez kolejne elementy w kanale odczytowym. W kontraście do tego podejścia, autor projektu proponuje implementację w krzemie sieci neuronowej do kompensowania parametrów jakości materiału sensora oraz parametrów toru przetwarzania sygnału.