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
1 伊朗巴博勒医科大学学生研究委员会 2 伊朗巴博勒医科大学 USERN 办公室 3 伊朗巴博勒医科大学健康研究所非传染性儿科疾病研究中心 4 伊朗德黑兰医科大学医学院 5 伊朗克尔曼医科大学药学与化妆品研究中心 6 伊朗萨布泽瓦尔医科大学学生研究委员会 7 伊朗德黑兰沙希德贝赫什提医科大学 Shohada Tajrish 神经外科综合卓越中心功能神经外科研究中心 8 伊朗德黑兰沙希德贝赫什提医科大学功能神经外科研究中心 USERN 办公室
罗瑟勒姆的健康和社会护理社区多年来一直以合作的方式努力改变其护理方式,并为 267,000 人口带来积极的变化。我们在开发和提供新解决方案方面的成功记录使罗瑟勒姆成为新创新的完美试验台。我们热衷于为我们的人口提供尽可能最好的服务和结果,并致力于整个系统的合作伙伴关系。只有通过共同努力,我们才能提供长期可持续的服务,旨在帮助所有罗瑟勒姆人过上更长久的好日子。罗瑟勒姆合作伙伴认识到,要实现我们的雄心壮志和必要的转型规模,我们需要以一个声音、一个愿景和一个计划来为罗瑟勒姆提供最好的服务。我们的共同愿景是:
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