研究生工程师(研究) 2015 年夏季 - 2016 年冬季 • 研究多个政府资助项目的 GPU 网络策略。 • 为 AMD 的 ROCm 软件堆栈编写开源 GPU 网络运行时。 • 为外部资助提案做出贡献,以扩大 AMD 研究组合的广度。 • 将通过研究获得的网络见解融入 AMD 的产品路线图。 • 为 AMD 的事件驱动、周期级 CPU/GPU 模拟器贡献新功能和性能优化。 • 指导多个实习项目和新员工。 • 面试多个技术领域的职位候选人。 • 撰写并在国内外会议上发表多篇出版物。 • 撰写 10 多项专利申请以保护 AMD 的竞争性知识产权。
2 回顾WBG器件、SiC MOSFET、电源模块及其可靠性挑战。 6 2.1 WBG 器件 6 2.2 SiC MOSFET 特性 8 2.2.1 V gs(栅极 - 源极电压) 10 2.2.2 阈值电压 (V th ) 11 2.2.3 导通电阻 R on 12 2.3 SiC 功率模块 14 2.4 SiC 功率模块的当前行业实践 18 2.5 SiC MOSFET 的故障症状 21 2.5.1 栅极氧化层故障 21 2.5.2 体二极管故障 23 2.5.3 栅极漏电流故障 25 2.5.4 导致故障的雪崩事件 27 2.6 可靠性简介 28 2.6.1 功率模块中的电源循环 29 2.6.2 热膨胀和诱发应力 30 2.7 电源循环故障模式 31 2.7.1 引线键合疲劳 32 2.7.2 士兵退化 33 2.7.3 金属化重建 34 2.8 功率循环测试 35 2.8.1 功率循环寿命模型 38
了解嘈杂的中等规模量子(NISQ)设备的计算能力对于量子信息科学既具有基本和实际重要性。在这里,我们解决了一个问题,即错误误差量子计算机是否可以比古典计算机提供计算优势。特别是,我们在一个维度(或1d Noisy RCS)中研究嘈杂的随机回路采样,作为一个简单的模型,用于探索噪声效应对噪声量子设备的计算能力的影响。特别是,我们通过矩阵产品运算符(MPO)模拟了1D噪声随机量子电路的实时动力学,并通过使用度量标准来表征1D噪声量子系统的计算能力,我们称为MPO Entangrelemt熵。选择后一个度量标准是因为它决定了经典MPO模拟的成本。我们从数值上证明,对于我们考虑的两个QUITAT的错误率,存在一个特征性的系统大小,添加更多量子位并不会带来一维噪声系统的经典MPO模拟成本的指数增长。特别是,我们表明,在特征系统的大小上面,有一个最佳的电路深度,与系统大小无关,其中MPO倾斜度熵是最大化的。最重要的是,最大可实现的MPO纠缠熵是有限的
1。(2023,Neurips Conference)Will,G。Behrens,J。Busecke,N。Lose,C。Stern,T。Beucler等。:攀登:用于混合物理机器学习气候仿真的大型多尺度数据集。神经信息处理系统的进步。“ Oustanding数据集和基准测试”奖。2。(2023年,Neurips Workshop)Lin,J.,M。A. Bhouri,T。Beucler,S。Yu&M。Pritchard:在看不见,温暖的气候下,应对混合物理学机器学习气候模拟的压力测试。2023神经信息处理系统会议。3。(2021,Neurips Workshop)Mangipudi,H.,G。Mooers,M。Pritchard,T。Beucler&S。Mandt:使用多通道VAE分析高分辨率云和对流。2021神经信息处理系统会议。4。(2020年,Igarss)Beucler,T.,M。Pritchard,P。Gentine&S。Rasp:迈向物理上一致的数据驱动的对流模型。IEEE国际地球科学和遥感研讨会2020年。5。(2020年,气候信息学)Mooers,G.,J。Tuyls,S.Mandt,M。Pritchard&T。Beucler:大气对流的生成建模。第十届国际气候信息学会议的会议记录,98-105。6。(2019年,ICML研讨会)Beucler,T.,S。Rasp,M。Pritchard&P。Gentine:在气候建模中实现神经网络模拟器中的能量保护。2019年国际机器学习会议。
human path prediction experiments with realistic perception, contributing a novel error correction module • Leveraged Unity for scene recreation and deep generative modeling for multi-modal, variational predictions TrajAir Aug 2021 – May 2022 • Researched machine learning methods for predicting aircraft trajectories in non-towered airspaces • Utilized clustering and vector field methods to capture movement patterns and infer pilot intent University of密歇根州EFES实验室|密歇根州安阿伯,2019年9月 - 2020年5月•设计和构建了一个系统,可以通过使用符号执行来查找应用程序中的持续记忆错误•在Oracle的NVM直接框架上进行LED调查和实验,发现和报告23个新错误专业经验stack AV |宾夕法尼亚州匹兹堡,2024年3月 - 2024年8月研究软件工程师实习生
阿谢尔、艾格雷蒙、安德烈西、巴佐什叙吉约讷、布瓦达尔西、布吉瓦尔、比克、比什莱、卡里埃苏普瓦西、卡里埃叙塞纳、拉塞勒圣克卢、尚布尔西、尚特卢-葡萄园、沙佩、沙图、勒谢奈、谢夫勒斯、莱克莱苏布瓦、夸尼埃、孔夫朗圣奥诺里纳、塞纳河畔克鲁瓦西、埃朗库尔、莱唐拉维尔、埃韦克蒙特、福兰维尔德内蒙特、丰特奈-le-Fleury、Fourqueux、Gaillon-sur-Montcient、Gargenville、Guyancourt、Hardricourt、Houilles、Issou、Jouars-Pontchartrain、Jouy-en-Josas、Juziers、Limay、Les Loges-en-Josas、Louveciennes、马尼昂维尔、马尼莱阿莫、迈松拉菲特、芒特拉若利、芒特拉维尔、马雷伊马尔利、马尔利勒鲁瓦、莫尔库尔、莫尔帕、棉兰、勒梅尼勒鲁瓦、勒梅尼-圣丹尼斯、默朗、塞纳河畔梅齐、蒙特松、蒙蒂尼布勒托讷、莱米罗、诺夫勒堡、诺夫勒维约、奥日瓦尔、勒佩克、普莱西、普瓦西、波尔舍维尔、勒波尔马尔利、罗康库尔、圣西尔莱科勒、圣日尔曼昂莱、圣雷米莱谢夫勒斯、圣雷米洛诺雷、萨特鲁维尔、特拉普、莫尔德尔河畔勒特朗布莱、特里尔叙尔-塞纳省, 塞纳河畔沃,韦利济-维拉库布莱、韦尔讷伊、韦尔努耶特、拉韦里埃、凡尔赛、勒韦西内、维尔奈、维尔普勒、维利耶圣弗雷德里克、维罗弗莱、瓦桑勒布勒托讷。