Gruppo di circuiti e sistemi integrati Analogici, Mixed-mode e di Potenza
AMPS
Il gruppo di ricerca AMPS (Analog, Mixed-mode and Power integrated circuits and Systems Group, Analog, Gruppo di circuiti e sistemi integrati Analogici, Mixed-mode e di Potenza) opera nel settore dell’elettronica analogica, mixed-signal e di potenza, sviluppando metodologie e soluzioni circuitali avanzate e non convenzionali per sistemi integrati intelligenti e ad alta efficienza energetica. Le attività di ricerca coprono l’intero flusso di progettazione, dallo studio ad alto livello di architetture innovative, alla progettazione circuitale fino alla prototipazione e caratterizzazione sperimentale di circuiti integrati.
Caratteristica distintiva del gruppo è la ricerca di soluzioni innovative e basate su tecniche digitali (digital-based) per la progettazione di circuiti analogici e mixed-mode che consentono di superare le limitazioni intrinseche dalla progettazione analogica tradizionale (legati per esempio al consumo statico di potenza, alla sensibilità alle variazioni dei parametri di processo, della tensione di alimentazione, e della temperatura (PVT)), che sono specialmente critiche nei nodi tecnologici più avanzati, permettendo di soddisfare le specifiche estremamente stringenti in termini di dimensioni e consumo di potenza di applicazioni emergenti quali i biosensori di ultima generazione (Wearables, Body Dust) e i sensori per l’Internet of Things (IoT) destinati a essere alimentati da energy harvester e/o batterie di dimensioni millimetriche.
In questa prospettiva, le attività del gruppo sono orientate allo sviluppo di circuiti e sistemi adatti al funzionamento a bassissima tensione di alimentazione (ultra-low voltage, ULV, <0.5V), a bassissimo consumo di potenza (ultra-low power, ULP, nW), (auto)riconfigurabili in modo intelligente e compatibili con un flusso di progetto digitale (standard cell). Un ambito di ricerca rilevante riguarda le interfacce analogiche avanzate per biosensori elettrochimici, dove accuratezza, robustezza e consumo energetico rappresentano vincoli progettuali chiave.
Nel campo della conversione dei segnali, il gruppo studia e sviluppa soluzioni per la conversione analogico-digitale e digitale-analogico di tipo innovativo (ad esempio, convertitori D/A a rilassamento e basati sulla modulazione diadica (DDPM)), ottimizzati per prestazioni, consumo di potenza e integrazione.
Parallelamente, il gruppo sviluppa soluzioni avanzate per la gestione della potenza (<1kW), tra cui convertitori DC-DC a commutazione e sistemi di conversione per fonti di energia rinnovabile basati su partial-power processing, con l’obiettivo di massimizzare l’efficienza energetica in un ampio intervallo di condizioni operative e garantirne l’affidabilità nell’arco dell’intero ciclo di vita. Le attività includono anche tecniche di modellazione e controllo dei convertitori di potenza e modulatori a larghezza d’impulso digitali innovativi (Digital Pulse Width Modulator, DPWM) fondamentali nei sistemi elettronici di potenza ad alte prestazioni e basati su dispositivi di ultima generazione in nitruro di gallio (GaN) e carburo di silicio (SiC).
Un ulteriore elemento distintivo del gruppo è l’attenzione alle problematiche ed alle prestazioni di compatibilità elettromagnetica (EMC) a livello di circuito integrato e di sistema, con particolare riferimento ai problemi di immunità ai disturbi dei circuiti integrati analogici e alla riduzione delle emissioni elettromagnetiche dei circuiti di potenza. In questo ambito, il gruppo sviluppa metodologie che integrano modellazione accurata dei fenomeni elettromagnetici e tecniche di mitigazione delle interferenze, come approcci spread-spectrum, contribuendo alla realizzazione di sistemi robusti e conformi agli standard normativi.
Caratteristica distintiva del gruppo è la ricerca di soluzioni innovative e basate su tecniche digitali (digital-based) per la progettazione di circuiti analogici e mixed-mode che consentono di superare le limitazioni intrinseche dalla progettazione analogica tradizionale (legati per esempio al consumo statico di potenza, alla sensibilità alle variazioni dei parametri di processo, della tensione di alimentazione, e della temperatura (PVT)), che sono specialmente critiche nei nodi tecnologici più avanzati, permettendo di soddisfare le specifiche estremamente stringenti in termini di dimensioni e consumo di potenza di applicazioni emergenti quali i biosensori di ultima generazione (Wearables, Body Dust) e i sensori per l’Internet of Things (IoT) destinati a essere alimentati da energy harvester e/o batterie di dimensioni millimetriche.
In questa prospettiva, le attività del gruppo sono orientate allo sviluppo di circuiti e sistemi adatti al funzionamento a bassissima tensione di alimentazione (ultra-low voltage, ULV, <0.5V), a bassissimo consumo di potenza (ultra-low power, ULP, nW), (auto)riconfigurabili in modo intelligente e compatibili con un flusso di progetto digitale (standard cell). Un ambito di ricerca rilevante riguarda le interfacce analogiche avanzate per biosensori elettrochimici, dove accuratezza, robustezza e consumo energetico rappresentano vincoli progettuali chiave.
Nel campo della conversione dei segnali, il gruppo studia e sviluppa soluzioni per la conversione analogico-digitale e digitale-analogico di tipo innovativo (ad esempio, convertitori D/A a rilassamento e basati sulla modulazione diadica (DDPM)), ottimizzati per prestazioni, consumo di potenza e integrazione.
Parallelamente, il gruppo sviluppa soluzioni avanzate per la gestione della potenza (<1kW), tra cui convertitori DC-DC a commutazione e sistemi di conversione per fonti di energia rinnovabile basati su partial-power processing, con l’obiettivo di massimizzare l’efficienza energetica in un ampio intervallo di condizioni operative e garantirne l’affidabilità nell’arco dell’intero ciclo di vita. Le attività includono anche tecniche di modellazione e controllo dei convertitori di potenza e modulatori a larghezza d’impulso digitali innovativi (Digital Pulse Width Modulator, DPWM) fondamentali nei sistemi elettronici di potenza ad alte prestazioni e basati su dispositivi di ultima generazione in nitruro di gallio (GaN) e carburo di silicio (SiC).
Un ulteriore elemento distintivo del gruppo è l’attenzione alle problematiche ed alle prestazioni di compatibilità elettromagnetica (EMC) a livello di circuito integrato e di sistema, con particolare riferimento ai problemi di immunità ai disturbi dei circuiti integrati analogici e alla riduzione delle emissioni elettromagnetiche dei circuiti di potenza. In questo ambito, il gruppo sviluppa metodologie che integrano modellazione accurata dei fenomeni elettromagnetici e tecniche di mitigazione delle interferenze, come approcci spread-spectrum, contribuendo alla realizzazione di sistemi robusti e conformi agli standard normativi.
-
Responsabile scientifico
-
Team di ricerca
Area di ricerca
Linee di ricerca
- Circuiti integrati Ultra-Low Voltage (<500mV) e/o Ultra-Low Power (nW)
- Interfacce analogiche per sensori IoT e Biosensori
- Convertitori A/D e D/A avanzati
- Elettronica di Potenza
- Convertitori DC-DC a commutazione
- Tecniche avanzate di modellazione e controllo per convertitori DC-DC
- Convertitori di Potenza per fonti rinnovabili
- Convertitori di potenza per Energy Harvesting
- Tecniche avanzate di Power Management
- Compatibilità Elettromagnetica
- Compatibilità Elettromagnetica (EMC) in sistemi elettronici analogici e di potenza
- Tecniche Spread-Spectrum per mitigazione delle interferenze elettromagnetiche (EMI)
- Elettronica Analogica
- Elettronica mista analogico-digitale
- Progettazione di circuiti integrati analogici e misti analogici-digitali
- Circuiti analogici basati su tecniche digitali
Competenze
Settori ERC
SDG
Keywords
Pubblicazioni da archivio istituzionale
Pubblicazioni da archivio istituzionale
-
Pasero, EROS GIAN ALESSANDRO; Raimondo, Giovanni; Ruffa, S. (In stampa)
MULP: a Multi-Layer Perceptron application to long-term, out-of-sample time series prediction.. In: INTERNATIONAL JOURNAL OF FORECASTING. ISSN 0169-2070 -
Simone, Silvia; Pareschi, Fabio; Lena, Davide; Setti, Gianluca (2026)
Complete Flow for PCB Design Consideration and Power/Signal Integrity Analysis Based on Broadband Model of Parasitic Elements. In: INTERNATIONAL JOURNAL OF CIRCUIT THEORY AND APPLICATIONS, vol. 52, pp. 1216-1222. ISSN 0098-9886 -
Di Benedetto, Marco; Randazzo, Vincenzo; Lidozzi, Alessandro; Accetta, Angelo; Ghione, ... (2026)
Enhanced Neural Real-Time Digital Twin for Electrical Drives. In: APPLIED SCIENCES, vol. 16. ISSN 2076-3417 -
Prono, Luciano; Dhieb, Najmeddine; Bich, Philippe; Boretti, Chiara; Pareschi, Fabio; ... (2026)
FOREST-GC: A conFOrmable Rendering Engine for Synthetic Tree Generation and Counting. In: IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, vol. 19, pp. 9868-9880. ISSN 1939-1404 -
Simone, Silvia; Hosseini, Amirali; Gabriele, Francesco; Pareschi, Fabio (2026)
Impact of QSW-ZVS on Input EMI Filter Design in DC-DC Converters. In: INTERNATIONAL JOURNAL OF CIRCUIT THEORY AND APPLICATIONS. ISSN 0098-9886 -
Cavazzana, R.; Haliuk, S.; Ascoli, A.; Vovchuk, D.; Salgals, T.; Bobrovs, V.; Pareschi, ... (2026)
Preserving the Confidentiality of Clinical Images Through a Chaotic Low-Power Hardware Platform and DNA Coding-Based Encryption. In: IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS. I, REGULAR PAPERS, pp. 1-14. ISSN 1549-8328 -
Prono, Luciano; Bich, Philippe; Boretti, Chiara; Mangia, Mauro; Pareschi, Fabio; ... (2025)
A Multiply-And-Max/Min Neuron Paradigm for Aggressively Prunable Deep Neural Networks. In: IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, vol. 36, pp. 14414-14427. ISSN 2162-237X -
Gabriele, Francesco; Gisonno, Samuele; Fiori, Filippo; Lena, Davide; Musumeci, Salvatore ... (2025)
A Novel Bypass Architecture for RB-COT Buck Converters. In: IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS. II, EXPRESS BRIEFS, vol. 72, pp. 793-797. ISSN 1549-7747 -
Gabriele, Francesco; Carlucci, Antonio; Lena, Davide; Pareschi, Fabio; Rovatti, ... (2025)
A Unified Sampled-Data Small-Signal Model for a Ripple-Based COT Buck Converter With Arbitrary Ripple Injection Network. In: IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS. I, REGULAR PAPERS, vol. 72, pp. 2942-2955. ISSN 1549-8328 -
Randazzo, V.; Caligari, S.; Pasero, E.; Giustetto, C.; Saglietto, A.; Bertarello, W.; ... (2025)
A Vision Transformer Model for the Prediction of Fatal Arrhythmic Events in Patients with Brugada Syndrome. In: SENSORS, vol. 25. ISSN 1424-8220 -
Spinazzola, E.; Picaud, G.; Becchi, S.; Pittarello, M.; Ricci, E.; Chaumont, M.; Subsol, ... (2025)
Chronic Ulcers Healing Prediction through Machine Learning Approaches: Preliminary Results on Diabetic Foot Ulcers Case Study. In: JOURNAL OF CLINICAL MEDICINE, vol. 14. ISSN 2077-0383 -
Abdullah, A.; Musolino, F.; Crovetti, P. S. (2025)
Detection and Suppression of Intentional EMI Attacks to Smart Speakers. In: IEEE TRANSACTIONS ON ELECTROMAGNETIC COMPATIBILITY, vol. 67, pp. 545-556. ISSN 0018-9375 -
Crovetti, P.; Dallet, D.; De Vito, L.; Iadarola, G.; Mingotti, A.; Traverso, P. A. (2025)
Fundamentals of Measurement: The IEEE Std. 1658-2023 for Terminology and Test Methods of Digital-to-Analog Converters. In: IEEE INSTRUMENTATION & MEASUREMENT MAGAZINE, vol. 28, pp. 7-12. ISSN 1094-6969 -
Bich, Philippe; Prono, Luciano; Boretti, Chiara; Pareschi, Fabio; Rovatti, Riccardo; ... (2025)
MESA: A Dynamical Attention-based Pre-processing Pipeline for High-throughput Event-based Computer Vision Tasks. In: IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS. II, EXPRESS BRIEFS, vol. 72, pp. 2057-2061. ISSN 1549-7747 -
Spinazzola, Elisabetta; Mongardi, Andrea; Rossi, Fabio; Prestia, Andrea; Becchi, Sara; ... (2025)
Motion Tracking for Automatically Controlled Functional Electrical Stimulation System in Mirror Therapy Configuration: The Enhanced Lazarus Solution. In: IEEE ACCESS, vol. 13, pp. 148992-149009. ISSN 2169-3536 -
Gabriele, Francesco; Pareschi, Fabio; Lena, Davide; Rosa Borghi, Maria; Rovatti, ... (2025)
Multi-harmonic EMI reduction optimization of spread spectrum in multiple-RBW environment. In: IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS. I, REGULAR PAPERS, vol. 72, pp. 3488-3497. ISSN 1558-0806 -
Bich, Philippe; Enttsel, Andriy; Prono, Luciano; Marchioni, Alex; Pareschi, Fabio; ... (2025)
On the Universal Approximation Properties of Deep Neural Networks Using MAM Neurons. In: IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, vol. 47, pp. 8297-8304. ISSN 0162-8828 -
Ghione, Giorgia; Randazzo, Vincenzo; Pasero, Eros; Badami, Marco (2025)
Optimal Cogeneration Scheduling: A Comparison of Genetic and POMDP-Based Deep Reinforcement Learning Approaches. In: IEEE ACCESS, vol. 13, pp. 128562-128581. ISSN 2169-3536 -
Rubino, R.; Musolino, F.; Leite Correia de Toledo, P.; Chen, Y.; Richelli, A.; Crovetti, ... (2025)
Relaxation Digital-to-Analog Converters Featuring Self-Calibration and Parasitics-Induced Error Suppression in 180-nm CMOS. In: IEEE ACCESS, vol. 13, pp. 6594-6605. ISSN 2169-3536 -
Meimandi, A.; Barbruni, G. L.; Crovetti, P. S.; Carrara, S. (2025)
Sub- 9 × 29 µm, 1.2nW, Fully Digital Potentiostat Design for Dopamine Sensing. In: IEEE SENSORS JOURNAL, vol. 25, pp. 38792-38799. ISSN 1530-437X