Projektbeschreibung
Geeignete Zuverlässigkeitsprüfung für mikroelektromechanische Funkfrequenzsysteme in der Entwicklung
In unserem Privat- und Arbeitsleben haben neben der Unterhaltungselektronik auch drahtlose Hochleistungssysteme wie Radare und Kommunikationssatelliten enorm an Bedeutung gewonnen. Unterstützt wird diese Zunahme hauptsächlich durch neuartige elektronische Bauteile, die mit den entsprechenden Signalen umgehen können. Mikroelektromechanische Systeme für Funkfrequenzanwendungen (RF MEMS) sind eines dieser Bauteile. Mit ihnen sind noch weitaus größere Fortschritte denkbar. Ihre Zuverlässigkeit ist jedoch leider immer noch ein ungelöstes Problem, was insbesondere für Hochleistungsanwendungen gilt. Das EU-finanzierte Projekt PRIME soll nun durch Kombination von maschinellem Lernen mit althergebrachten Tests eine vorausschauende Zuverlässigkeitsbewertung entwickeln.
Ziel
None of us can even imagine spending a day without using a mobile phone or staying far away from a wi-fi area. A deeper insight however reveals that high-power wireless communication systems, such as Radars and Satcoms, have even greater impact on our everyday lives by supporting safe and effective transportation and long-distance communications. This is practically enabled only thanks to electronic components capable to deal with the corresponding signals. Among others, Micro-Electro-Mechanical-Systems for Radio Frequency applications (RF MEMS) are now widely accepted as superior to their counterparts, with their reliability however remaining an open issue and a general concern. This is not only due the demanding scientific nature of the problem but also due to the difficulty to generalize the outcomes of even well-organized studies. Further to these, working in the high-power regime, RF MEMS will have to deal with an additional bunch of issue, presently marginally studied, making failure prediction an even more complicated accomplishment.
PRIME aspires to address this issue by identifying the proper high-power reliability testing and to combine this with the strength of machine learning techniques towards failure prediction. This will be achieved through an interdisciplinary approach relying on placing a fellow with expertise on device reliability physics to a host group working on high power RF electronic devices and systems, supported by two carefully designed secondment, for RF design and for machine learning techniques. Overall, PRIME envisions to equip RF MEMS scientists, engineers and stakeholders with a powerful tool that enables predictive diagnostics paving the way for overcoming the persisting reliability bottleneck, particularly concerning state of art high power applications.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
- Technik und TechnologieElektrotechnik, Elektronik, InformationstechnikInformationstechnikTelekommunikationFunktechnologieFunkfrequenz
- Technik und TechnologieMaschinenbauFahrzeugbauLuft- und RaumfahrttechnikSatellitentechnologie
- Technik und TechnologieElektrotechnik, Elektronik, InformationstechnikInformationstechnikTelekommunikationFunktechnologieRadar
- Technik und TechnologieElektrotechnik, Elektronik, InformationstechnikInformationstechnikTelekommunikationMobiltelefon
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles Lernen
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordinator
70013 Irakleio
Griechenland