STAGE - Détection des dérives des tests photoniques par statistique et IA - F/H
STMicroelectronics STAGE - Détection des dérives des tests photoniques par statistique et IA - F/H
Description
La mission proposée vous intègrera dans l’équipe RFSS (Radio Frequency Support et Services).
Vous serez ainsi immergé.e dans un environnement de Recherche et Développement dans une équipe dynamique composée de ~40 personnes. L’équipe accueille de nombreux alternant.e.s/stagiaires/thésard.e.s, ce qui lui permet de rester à la pointe de l’innovation tout en permettant aux jeunes de se faire une expérience R&D et souvent de poursuivre leur cursus en thèse ou avec un premier poste dans l’équipe.
A propos de vos missions:
La mission de notre équipe est de supporter le développement des dernières technologies RF&Photonique issues de la R&D afin d’accompagner nos clients dans leur développement de solutions grand public pour les marchés de la téléphonie (5G), des communications haut débit sans fil, de la connectivité, du radar automobile ou de l’IoT. Ce stage d’une durée de 6 mois se déroulera au sein de l’équipe de conception et caractérisation Photonique
Dans le cadre de nos activités de recherche et développement, nous proposons un stage qui a pour objectif le développement et la validation d’une méthodologie de surveillance intelligente de nos bancs de test photonique.
Les bancs de test photonique sur silicium doivent rester stables, corrélés et répétables pour garantir la fiabilité des mesures des figures de mérites des composant passifs et actifs.
Dans la pratique, des dérives lentes ou multi-variables peuvent apparaître à cause d’un vieillissement de l’instrumentation, un décalage d’alignement d’un réseau de fibre, d’une dérive source/détecteur, d’une sensibilité thermique ou encore de la variation de bruit ou de dispersion. Aujourd’hui notre méthodologie de surveillance est basée sur des siliciums de références (golden wafers), des seuils sur certaines Figures de Mérite ou encore des vérifications périodiques (métrologie)
L’enjeu du stage serait d’aller plus loin en développant une approche capable de détecter les dérives lentes, d'identifier le banc concerné, de caractériser la signature de la dérive afin de préparer une solution scalable pour l’arrivée d’un 3ᵉ banc de mesure en utilisant des méthodes statistiques avec une ouverture sur les outils IA/ML.
A propos de vous:
Dernière école d'ingénieur
Stage de fin d'étude
Skills
Sign in to read and join the discussion.