King Abdullah University of Science and Technology
Permanent URI for this collectionhttps://hdl.handle.net/20.500.14154/68954
Browse
2 results
Search Results
Item Restricted Energy-Efficient High-Performance Interface Circuits for Sensors(King Abdullah University of Science and Technology, 2024-11-25) Alshehri, Abdullah Saleh; Fariborzi, Hosseinأدى انتشار التقنيات القائمة على المستشعرات إلى زيادة الطلب على دوائر واجهة المستشعرات (Interface Circuit) الأكثر كفاءة. ومع تطور المستشعرات لتصبح أكثر تعقيدًا، أصبح تصميم دوائر واجهة المستشعرات عالية الأداء وموفرة للطاقة تحديًا أساسيًا. تهدف هذه الأطروحة إلى دراسة وتصميم دوائر واجهة محسّنة للطاقة لتطبيقات المستشعرات المتقدمة. يقدم الجزء الأول من الأطروحة دائرة قراءة لمستشعرات التسارع MEMS، تتضمن مستشعرًا متوافقًا مع تقنية CMOS ومحول سعة-إلى-جهد منخفض الضوضاء وعالي النطاق الديناميكي مع تقنية (Chopper Stabilization)، مما يجعله مناسبًا لتطبيقات استشعار الزلازل. يستعرض الجزء الثاني ست تصميمات جديدة لل (latch) باستخدام تقنيات CMOS بأحجام 32 نانومتر، 40 نانومتر، 65 نانومتر، و90 نانومتر، حيث يركز كل تصميم على تحسين معيار أداء محدد. يُظهر التصميم الأول كفاءة طاقة محسّنة وسرعة أعلى مع تقليل تأثير تغذية الساعة. يستخدم التصميم الثاني تقنية ال (CFBB) لتحقيق تحسين في الأداء بنسبة 20.8% دون زيادة استهلاك الطاقة. يركز التصميم الثالث على التطبيقات عالية السرعة ومنخفضة الطاقة، محققًا زيادة في سرعة التثبيت بنسبة 18%. يحقق التصميم الرابع انخفاضًا في استهلاك الطاقة وتأخير الانتشار وانحراف الجهد، مما يجعله مثاليًا للاستخدام في الجهود المنخفضة. يتميز التصميم الخامس بمدخل Rail-to-Rail واستهلاك منخفض للطاقة، مما يجعله مناسبًا لأنظمة إنترنت الأشياء المعتمدة على حصاد الطاقة. يُحقق التصميم السادس تحسينات كبيرة في كفاءة الطاقة والأداء مقارنةً بالأعمال السابقة. يقدم الجزء الثالث طوبولوجيا جديدة لمحول تناظري-رقمي (ADC) بتقنية التقريب المتتالي، تحاكي الهيكلية الهرمية لخوارزمية التقريب المتتالي. تم استخدام مقارنات StrongARM CFBB latch مع ترانزستورات دخل تفاضلية معدلة كمقارنات مستقلة، مما يتيح تكوينًا شجريًا لعملية التقريب المتتالي. يحقق محول ADC بتقنية شجرة التقريب المتتالي (SAT ADC) عدة مزايا، منها تقليل استهلاك الطاقة، تبسيط التشفير، تقليل الضوضاء، وتحسين زمن التحويل. أظهرت عمليات المحاكاة بعد التصميم لمحرك SAT ADC بتقنية 65 نانومتر CMOS استهلاك طاقة يبلغ 246 ميكرو واط مع شكل استحقاق(FoM) قدره 90.16 فيمتوجول لكل خطوة تحويل. بشكل عام، تقدم هذه الأطروحة تصميمات مبتكرة لدوائر واجهة المستشعرات المحسّنة للطاقة، بما في ذلك محول سعة-إلى-جهد منخفض الطاقة والضوضاء، تصميمات جديدة لمقارنات StrongARM latch عالية الأداء وفعالة في استهلاك الطاقة، وطوبولوجيا جديدة لمحولات التقريب المتتالي منخفضة الطاقة. تهدف هذه الأبحاث إلى تطوير دوائر واجهة ذات كفاءة وسرعة عالية لتطبيقات المستشعرات الحديثة.22 0Item Restricted Ontology design patterns and methods for integrating phenotype ontologies(Saudi Digital Library, 2023) Alghamdi, Sarah; Hoehndorf, RobertOntologies are widely used in various domains, including biomedical research, to structure information, represent knowledge, and analyze data. The combination of ontologies from different domains is crucial for systematic data analysis and comparison of similar domains. This process requires ontology composition, integration, and alignment, which involve creating new classes by reusing classes from different domains, aggregating types of ontologies within the same domain, and finding correspondences between ontologies within the same or similar domain. This thesis presents use cases where we applied ontology composition, integration, and alignment of phenotype ontologies, and evaluated the resulting ontologies and alignment. First, we analyzed a large aging dataset of inbred laboratory mice, using Mouse Anatomy and Mouse Pathology ontologies. Second, we integrated phenotype ontologies for human and model organism phenotypes to enable comparisons of phenotypes between and within individual species. We developed Pheno-e, an extension of PhenomeNet. We identified novel abnormal anatomical classes for fly phenotypes, allowing the annotation of fly genes that were not annotated before. We demonstrate the distinct contributions of each species' phenotypic data to detecting human diseases using Pheno-e, and show that mouse phenotypic data contributes the most to the discovery of gene--disease associations. This work could guide the selection of model organisms when building methods to find gene-disease associations. Additionally, we refined class definitions in phenotypic ontologies, specifically targeting cell cardinality phenotypes. This representation resolved incorrect inferences in the utilized ontologies, enabling accurate interpretation of phenotypic descriptions. Our findings reveal that this correction enhances gene-disease prediction for diseases associated with cardinality phenotypes. Third, we introduce a novel neural-symbolic method that combines logic fundamentals with machine learning for ontology alignment. This method begins with symbolic representation, followed by iterative neural learning for alignment and symbolic representation consistency checking and reasoning, and back to neural learning. We demonstrate that our system generates noncontroversial alignments first and these alignments are coherent with respect to OWL EL. This novel method can pave the way for more accurate and efficient ontology-based methods, which can have significant implications for various semantic web applications.25 0