• 30יוני
  • 29יוני
  • 28יוני
  • 27יוני
  • 26יוני
  • 25יוני
  • 24יוני
  • 23יוני
  • 22יוני
  • 21יוני
  • 20יוני
  • 19יוני
  • 18יוני
  • 17יוני
  • 16יוני
  • 15יוני
  • 14יוני
  • 13יוני
  • 12יוני
  • 11יוני
  • 10יוני
  • 09יוני
  • 08יוני
  • 07יוני
  • 06יוני
  • 05יוני
  • 04יוני
  • 03יוני
  • 02יוני
  • 01יוני
  • 31מאי
  • 30מאי
  • 29מאי
  • 28מאי
  • 27מאי
  • 26מאי
  • 25מאי
  • 24מאי
  • 23מאי
  • 22מאי
  • 21מאי
  • 20מאי
  • 19מאי
  • 18מאי
  • 17מאי
  • 16מאי
  • 15מאי
  • 14מאי
  • 13מאי
  • 12מאי
  • 11מאי
  • 10מאי
  • 09מאי
  • 08מאי
  • 07מאי
  • 06מאי
  • 05מאי
  • 04מאי
  • 03מאי
  • 02מאי
  • 01מאי
  • 30אפריל
  • 29אפריל
  • 28אפריל
  • 27אפריל
  • 26אפריל
  • 25אפריל
  • 24אפריל
  • 23אפריל
  • 22אפריל
  • 21אפריל
  • 20אפריל
  • 19אפריל
  • 18אפריל
  • 17אפריל
  • 16אפריל
  • 15אפריל
  • 14אפריל
  • 13אפריל
  • 12אפריל
  • 11אפריל
  • 10אפריל
  • 09אפריל
  • 08אפריל
  • 07אפריל
  • 06אפריל
  • 05אפריל
  • 04אפריל
  • 03אפריל
  • 02אפריל
  • 01אפריל
  • 31מרץ
  • 30מרץ
  • 29מרץ
  • 28מרץ
  • 27מרץ
  • 26מרץ
  • 25מרץ
  • 24מרץ
  • 23מרץ
  • 22מרץ
  • 21מרץ
  • 20מרץ
  • 19מרץ
  • 18מרץ
  • 17מרץ
  • 16מרץ
  • 15מרץ
  • 14מרץ
  • 13מרץ
  • 12מרץ
  • 11מרץ
  • 10מרץ
  • 09מרץ
  • 08מרץ
  • 07מרץ
  • 06מרץ
  • 05מרץ
  • 04מרץ
  • 03מרץ
  • 02מרץ
  • 01מרץ
  • 28פברואר
  • 27פברואר
  • 26פברואר
  • 25פברואר
  • 24פברואר
  • 23פברואר
  • 22פברואר
  • 21פברואר
  • 20פברואר
  • 19פברואר
  • 18פברואר
  • 17פברואר
  • 16פברואר
  • 15פברואר
  • 14פברואר
  • 13פברואר
  • 12פברואר
  • 11פברואר
  • 10פברואר
  • 09פברואר
  • 08פברואר
  • 07פברואר
  • 06פברואר
  • 05פברואר
  • 04פברואר
  • 03פברואר
  • 02פברואר
  • 01פברואר
  • 31ינואר
  • 30ינואר
  • 29ינואר
  • 28ינואר
  • 27ינואר
  • 26ינואר
  • 25ינואר
  • 24ינואר
  • 23ינואר
  • 22ינואר
  • 21ינואר
  • 20ינואר
  • 19ינואר
  • 18ינואר
  • 17ינואר
  • 16ינואר
  • 15ינואר
  • 14ינואר
  • 13ינואר
  • 12ינואר
  • 11ינואר
  • 10ינואר
  • 09ינואר
  • 08ינואר
  • 07ינואר
  • 06ינואר
  • 05ינואר
  • 04ינואר
  • 03ינואר
  • 02ינואר
  • 01ינואר
  • 31דצמבר
  • 30דצמבר
  • 29דצמבר
  • 28דצמבר
  • 27דצמבר
  • 26דצמבר
  • 25דצמבר
  • 24דצמבר
  • 23דצמבר
  • 22דצמבר
  • 21דצמבר
  • 20דצמבר
  • 19דצמבר
  • 18דצמבר
  • 17דצמבר
  • 16דצמבר
  • 15דצמבר
  • 14דצמבר
  • 13דצמבר
  • 12דצמבר
  • 11דצמבר
  • 10דצמבר
  • 09דצמבר
  • 08דצמבר
  • 07דצמבר
  • 06דצמבר
  • 05דצמבר
  • 04דצמבר
  • 03דצמבר
  • 02דצמבר
  • 01דצמבר
  • 30נובמבר
  • 29נובמבר
  • 28נובמבר
  • 27נובמבר
  • 26נובמבר
  • 25נובמבר
  • 24נובמבר
  • 23נובמבר
  • 22נובמבר
  • 21נובמבר
  • 20נובמבר
  • 19נובמבר
  • 18נובמבר
  • 17נובמבר
  • 16נובמבר
  • 15נובמבר
  • 14נובמבר
  • 13נובמבר
  • 12נובמבר
  • 11נובמבר
  • 10נובמבר
  • 09נובמבר
  • 08נובמבר
  • 07נובמבר
  • 06נובמבר
  • 05נובמבר
  • 04נובמבר
  • 03נובמבר
  • 02נובמבר
  • 01נובמבר
  • 31אוקטובר
  • 30אוקטובר
  • 29אוקטובר
  • 28אוקטובר
  • 27אוקטובר
  • 26אוקטובר
  • 25אוקטובר
  • 24אוקטובר
  • 23אוקטובר
  • 22אוקטובר
  • 21אוקטובר
  • 20אוקטובר
  • 19אוקטובר
  • 18אוקטובר
  • 17אוקטובר
  • 16אוקטובר
  • 15אוקטובר
  • 14אוקטובר
  • 13אוקטובר
  • 12אוקטובר
  • 11אוקטובר
  • 10אוקטובר
  • 09אוקטובר
  • 08אוקטובר
  • 07אוקטובר
  • 06אוקטובר
  • 05אוקטובר
  • 04אוקטובר
  • 03אוקטובר
  • 02אוקטובר
  • 01אוקטובר
  • 30ספטמבר
  • 29ספטמבר
  • 28ספטמבר
  • 27ספטמבר
  • 26ספטמבר
  • 25ספטמבר
  • 24ספטמבר
  • 23ספטמבר
  • 22ספטמבר
  • 21ספטמבר
  • 20ספטמבר
  • 19ספטמבר
  • 18ספטמבר
  • 17ספטמבר
  • 16ספטמבר
  • 15ספטמבר
  • 14ספטמבר
  • 13ספטמבר
  • 12ספטמבר
  • 11ספטמבר
  • 10ספטמבר
  • 09ספטמבר
  • 08ספטמבר
  • 07ספטמבר
  • 06ספטמבר
  • 05ספטמבר
  • 04ספטמבר
  • 03ספטמבר
  • 02ספטמבר
  • 01ספטמבר
  • 31אוגוסט
  • 30אוגוסט
  • 29אוגוסט
  • 28אוגוסט
  • 27אוגוסט
  • 26אוגוסט
  • 25אוגוסט
  • 24אוגוסט
  • 23אוגוסט
  • 22אוגוסט
  • 21אוגוסט
  • 20אוגוסט
  • 19אוגוסט
  • 18אוגוסט
  • 17אוגוסט
  • 16אוגוסט
  • 15אוגוסט
  • 14אוגוסט
  • 13אוגוסט
  • 12אוגוסט
  • 11אוגוסט
  • 10אוגוסט
  • 09אוגוסט
  • 08אוגוסט
  • 07אוגוסט
  • 06אוגוסט
  • 05אוגוסט
  • 04אוגוסט
  • 03אוגוסט
  • 02אוגוסט
  • 01אוגוסט
  • 31יולי
  • 30יולי
  • 29יולי
  • 28יולי
  • 27יולי
  • 26יולי
  • 25יולי
  • 24יולי
  • 23יולי
  • 22יולי
  • 21יולי
  • 20יולי
  • 19יולי
  • 18יולי
  • 17יולי
  • 16יולי
  • 15יולי
  • 14יולי
  • 13יולי
  • 12יולי
  • 11יולי
  • 10יולי
  • 09יולי
  • 08יולי
  • 07יולי
  • 06יולי
  • 05יולי
  • 04יולי
  • 03יולי
  • 02יולי
  • 01יולי
הצג אירועים:
בתאריכים:
נקה סינון
22יוני
סמינר

יום פקולטה להנדסה

22/06/26
18:00
-
09:00
  • 30יוני
  • 29יוני
  • 28יוני
  • 27יוני
  • 26יוני
  • 25יוני
  • 24יוני
  • 23יוני
  • 22יוני
  • 21יוני
  • 20יוני
  • 19יוני
  • 18יוני
  • 17יוני
  • 16יוני
  • 15יוני
  • 14יוני
  • 13יוני
  • 12יוני
  • 11יוני
  • 10יוני
  • 09יוני
  • 08יוני
  • 07יוני
  • 06יוני
  • 05יוני
  • 04יוני
  • 03יוני
  • 02יוני
  • 01יוני
  • 31מאי
  • 30מאי
  • 29מאי
  • 28מאי
  • 27מאי
  • 26מאי
  • 25מאי
  • 24מאי
  • 23מאי
  • 22מאי
  • 21מאי
  • 20מאי
  • 19מאי
  • 18מאי
  • 17מאי
  • 16מאי
  • 15מאי
  • 14מאי
  • 13מאי
  • 12מאי
  • 11מאי
  • 10מאי
  • 09מאי
  • 08מאי
  • 07מאי
  • 06מאי
  • 05מאי
  • 04מאי
  • 03מאי
  • 02מאי
  • 01מאי
  • 30אפריל
  • 29אפריל
  • 28אפריל
  • 27אפריל
  • 26אפריל
  • 25אפריל
  • 24אפריל
  • 23אפריל
  • 22אפריל
  • 21אפריל
  • 20אפריל
  • 19אפריל
  • 18אפריל
  • 17אפריל
  • 16אפריל
  • 15אפריל
  • 14אפריל
  • 13אפריל
  • 12אפריל
  • 11אפריל
  • 10אפריל
  • 09אפריל
  • 08אפריל
  • 07אפריל
  • 06אפריל
  • 05אפריל
  • 04אפריל
  • 03אפריל
  • 02אפריל
  • 01אפריל
  • 31מרץ
  • 30מרץ
  • 29מרץ
  • 28מרץ
  • 27מרץ
  • 26מרץ
  • 25מרץ
  • 24מרץ
  • 23מרץ
  • 22מרץ
  • 21מרץ
  • 20מרץ
  • 19מרץ
  • 18מרץ
  • 17מרץ
  • 16מרץ
  • 15מרץ
  • 14מרץ
  • 13מרץ
  • 12מרץ
  • 11מרץ
  • 10מרץ
  • 09מרץ
  • 08מרץ
  • 07מרץ
  • 06מרץ
  • 05מרץ
  • 04מרץ
  • 03מרץ
  • 02מרץ
  • 01מרץ
  • 28פברואר
  • 27פברואר
  • 26פברואר
  • 25פברואר
  • 24פברואר
  • 23פברואר
  • 22פברואר
  • 21פברואר
  • 20פברואר
  • 19פברואר
  • 18פברואר
  • 17פברואר
  • 16פברואר
  • 15פברואר
  • 14פברואר
  • 13פברואר
  • 12פברואר
  • 11פברואר
  • 10פברואר
  • 09פברואר
  • 08פברואר
  • 07פברואר
  • 06פברואר
  • 05פברואר
  • 04פברואר
  • 03פברואר
  • 02פברואר
  • 01פברואר
  • 31ינואר
  • 30ינואר
  • 29ינואר
  • 28ינואר
  • 27ינואר
  • 26ינואר
  • 25ינואר
  • 24ינואר
  • 23ינואר
  • 22ינואר
  • 21ינואר
  • 20ינואר
  • 19ינואר
  • 18ינואר
  • 17ינואר
  • 16ינואר
  • 15ינואר
  • 14ינואר
  • 13ינואר
  • 12ינואר
  • 11ינואר
  • 10ינואר
  • 09ינואר
  • 08ינואר
  • 07ינואר
  • 06ינואר
  • 05ינואר
  • 04ינואר
  • 03ינואר
  • 02ינואר
  • 01ינואר
  • 31דצמבר
  • 30דצמבר
  • 29דצמבר
  • 28דצמבר
  • 27דצמבר
  • 26דצמבר
  • 25דצמבר
  • 24דצמבר
  • 23דצמבר
  • 22דצמבר
  • 21דצמבר
  • 20דצמבר
  • 19דצמבר
  • 18דצמבר
  • 17דצמבר
  • 16דצמבר
  • 15דצמבר
  • 14דצמבר
  • 13דצמבר
  • 12דצמבר
  • 11דצמבר
  • 10דצמבר
  • 09דצמבר
  • 08דצמבר
  • 07דצמבר
  • 06דצמבר
  • 05דצמבר
  • 04דצמבר
  • 03דצמבר
  • 02דצמבר
  • 01דצמבר
  • 30נובמבר
  • 29נובמבר
  • 28נובמבר
  • 27נובמבר
  • 26נובמבר
  • 25נובמבר
  • 24נובמבר
  • 23נובמבר
  • 22נובמבר
  • 21נובמבר
  • 20נובמבר
  • 19נובמבר
  • 18נובמבר
  • 17נובמבר
  • 16נובמבר
  • 15נובמבר
  • 14נובמבר
  • 13נובמבר
  • 12נובמבר
  • 11נובמבר
  • 10נובמבר
  • 09נובמבר
  • 08נובמבר
  • 07נובמבר
  • 06נובמבר
  • 05נובמבר
  • 04נובמבר
  • 03נובמבר
  • 02נובמבר
  • 01נובמבר
  • 31אוקטובר
  • 30אוקטובר
  • 29אוקטובר
  • 28אוקטובר
  • 27אוקטובר
  • 26אוקטובר
  • 25אוקטובר
  • 24אוקטובר
  • 23אוקטובר
  • 22אוקטובר
  • 21אוקטובר
  • 20אוקטובר
  • 19אוקטובר
  • 18אוקטובר
  • 17אוקטובר
  • 16אוקטובר
  • 15אוקטובר
  • 14אוקטובר
  • 13אוקטובר
  • 12אוקטובר
  • 11אוקטובר
  • 10אוקטובר
  • 09אוקטובר
  • 08אוקטובר
  • 07אוקטובר
  • 06אוקטובר
  • 05אוקטובר
  • 04אוקטובר
  • 03אוקטובר
  • 02אוקטובר
  • 01אוקטובר
  • 30ספטמבר
  • 29ספטמבר
  • 28ספטמבר
  • 27ספטמבר
  • 26ספטמבר
  • 25ספטמבר
  • 24ספטמבר
  • 23ספטמבר
  • 22ספטמבר
  • 21ספטמבר
  • 20ספטמבר
  • 19ספטמבר
  • 18ספטמבר
  • 17ספטמבר
  • 16ספטמבר
  • 15ספטמבר
  • 14ספטמבר
  • 13ספטמבר
  • 12ספטמבר
  • 11ספטמבר
  • 10ספטמבר
  • 09ספטמבר
  • 08ספטמבר
  • 07ספטמבר
  • 06ספטמבר
  • 05ספטמבר
  • 04ספטמבר
  • 03ספטמבר
  • 02ספטמבר
  • 01ספטמבר
  • 31אוגוסט
  • 30אוגוסט
  • 29אוגוסט
  • 28אוגוסט
  • 27אוגוסט
  • 26אוגוסט
  • 25אוגוסט
  • 24אוגוסט
  • 23אוגוסט
  • 22אוגוסט
  • 21אוגוסט
  • 20אוגוסט
  • 19אוגוסט
  • 18אוגוסט
  • 17אוגוסט
  • 16אוגוסט
  • 15אוגוסט
  • 14אוגוסט
  • 13אוגוסט
  • 12אוגוסט
  • 11אוגוסט
  • 10אוגוסט
  • 09אוגוסט
  • 08אוגוסט
  • 07אוגוסט
  • 06אוגוסט
  • 05אוגוסט
  • 04אוגוסט
  • 03אוגוסט
  • 02אוגוסט
  • 01אוגוסט
  • 31יולי
  • 30יולי
  • 29יולי
  • 28יולי
  • 27יולי
  • 26יולי
  • 25יולי
  • 24יולי
  • 23יולי
  • 22יולי
  • 21יולי
  • 20יולי
  • 19יולי
  • 18יולי
  • 17יולי
  • 16יולי
  • 15יולי
  • 14יולי
  • 13יולי
  • 12יולי
  • 11יולי
  • 10יולי
  • 09יולי
  • 08יולי
  • 07יולי
  • 06יולי
  • 05יולי
  • 04יולי
  • 03יולי
  • 02יולי
  • 01יולי
הצג אירועים:
בתאריכים:
נקה סינון
22יוני
סמינר

יום פקולטה להנדסה

22/06/26
18:00
-
09:00

הזמנה ליום ראיונות של חברת רפאל

07 בינואר 2020, 12:00 
הפקולטה להנדסה אוניברסיטת תל-אביב  
רפאל

סטודנטיות וסטודנטים להנדסת מכונות/ אווירונאוטיקה, חברת Rafael Career  מזמינה אתכם להגיש קורות חיים עבור יום ראיונות שיתקיים בפקולטה להנדסה ב- 7.1.20 בחדר 234 בבניין וולפסון להנדסה מכנית.

 

לשאלות נוספות ולשליחת קו"ח:  students@rafael.co.il

 

* ההגעה לראיון תעשה בתיאום מראש בלבד.

יום עיון מחקרי לתארים מתקדמים

של המחלקה להנדסת תעשייה

07 בינואר 2020, 8:45 
הפקולטה להנדסה אוניברסיטת תל-אביב  
יום עיון מחקרי לתארים מתקדמים

ד"ר אינס צוקר מתבוננת על ננוטכנולוגיה דרך עדשות סביבתיות

  • תגיות:

החוקר.ת מאחורי המחקר

מוצרים, תהליכים ויישומים מבוססי ננוטכנולוגיה (שם כולל לתחום המחקר והטכנולוגיות העוסקים במערכות שגודלן האופייני הוא בין ננומטרים בודדים לעשרות ננומטרים) מבטיחים יתרונות סביבתיים וברי-קיימא על-ידי חסכון בחומרים, אנרגיה ומים וכן על-ידי הפחתת פליטת גזי חממה ופסולת מסוכנת. מצד שני, התכונות יוצאות הדופן של ננו-חומרים מהונדסים שהופכים אותם לאטרקטיביים כל כך, מהווים גם סיכונים פוטנציאליים לבני אדם ולסביבה.

 

ד"ר אינס צוקר, מרצה בכירה בבית הספר להנדסה מכנית של הפקולטה להנדסה ובבית הספר פורטר ללימודי סביבה של הפקולטה למדעים מדויקים באוניברסיטת תל אביב, שהצטרפה במהלך 2019 לסגל הבכיר באוניברסיטה לאחר לימודי הפוסט דוקטורט שלה באוניברסיטת ייל, חוקרת ממשק שבין הנדסת סביבה והנדסת חומרים את היישומים וההשלכות של ננוטכנולוגיה על הסביבה.

 

במעבדתה של ד"ר צוקר, "המעבדה לננוטכנולוגיה סביבתית", מתמקדים במחקר בתחום מתפתח שנקרא "ננוטכנולוגיה סביבתית". ד"ר צוקר מסבירה כי "תחום הננוטכנולוגיה סביבתית מחבר בין העולמות בהיבט החיובי והשלילי. בהיבט החיובי אנחנו משתמשים באמצעים ננוטכנולוגיים כפתרון לבעיות סביבתיות. בהיבט השלילי, אנחנו בוחנים את רעילותם הפוטנציאלית של ננוחומרים כלפי תאים חיים בסביבה המימית".

 

ננוטכנולוגיה כפתרון לבעיות סביבתיות

זיהום מקורות מי השתיה בישראל במגוון שאריות חומרים אורגנים ואנאורגנים מעלה את הצורך במציאת טכנולוגיות טיפול מתקדמות להסרתם. כיוון שטכנולוגיות הטיפול במים הקונבנציונליות כוללות שימוש אינטנסיבי בכימיקלים ובאנרגיה ואינן יעילות בהסרת מזהמים באופן סלקטיבי, גדל העניין בשיטות טיפול מתקדמות מבוססות ננוטכנולוגיה המאופינות בראקטיביות גבוהה ויכולת תמרון ושליטה בתכונותיהן בכדי להתמודד עם חסרונות טכנולוגיים אלה. באמצעות בקרה על גודל החומר, המורפולוגיה והמבנה הכימי, ניתן להנדס את החומר להשגת תכונות ספיחה, קטליטיות ואופטיות חריגות שניתן לנצלן לטיהור מים, במיוחד עבור מערכות מבוזרות בקנה מידה קטן.

 

במימון משרד המדע במסגרת "ניצוץ קלינטק", ד"ר צוקר מפתחת למשל ננומבנים מולטיפונקציונלים מבוססי מוליבדינום דו-גופרתי (MoS2) לטיהור מים. באופן ספציפי, המעבדה לננוטכנולוגיה סביבתית מייצרת, מאפיינת, ובוחנת שכבות מוליבדינום דו-גופרתי שמסונטזות על-גבי מצעי פחמן כמדיית חמצון וספיחה להסרת מזהמים ממים, ללא צורך בשלב הפרדת החומר הפעיל מהמים המטופלים.

המעבדה של ד"ר צוקר

בתמונה: המעבדה לננוטכנולוגיה סביבתית. מימין לשמאל: כפיר שפירא, ד"ר עמית קומר, זיאן יינג, ד"ר אינס צוקר, ד"ר ינון יחזקאל

 

להעביר את הטכנולוגיה משלב המעבדה לשטח

המאמץ המחקרי בתחום של תהליכי טיהור מים המופעלים על-ידי ננוחומרים מהונדסים מאפשר לנו כיום להשיג יכולות ספיחה וחמצון מרשימים בתנאי מעבדה. עם זאת, כדי להעביר את הטכנולוגיה משלב המעבדה אל שלבי הפיילוט והמימוש בסקאלה מלאה, הנדסת תהליך חייבת להיות משולבת כבר בשלב פיתוח החומרים. בפרט, ננוחומרים מתקדמים לטיפול במים חייבים להיות מתוכננים כך שהם יתפקדו במטריצות מים מורכבות עם רלוונטיות סביבתית, לא רק בתנאים מבוקרים, וכי הם יוכלו לפעול ביעילות במחזורי התחדשות ושימוש חוזר. השחזור והשימוש החוזר הם חשובים במיוחד בהתחשב בדאגות הקיימות הקשורות לייצור המסובך והיקר של ננוחומרים.

גישה המשלבת מומחיות בננוטכנולוגיה ובמדע החומרים עם מומחיות בטיפול במים ובהנדסת תהליכים, תהיה מכרעת בהפעלת מערכות טיפול במים קומפקטיות ויעילות מבוססות-ננו. במעבדתה של ד"ר צוקר לננוטכנולוגיה סביבתית בפקולטה להנדסה אוניברסיטת תל אביב ממשיכים לפתח חומרים מתקדמים לטיפול בזיהומי מים בגישה רחבה ואינטרדיסציפלינרית זו, בדגש על יישומיות וקיימות.
 

ננו, אבל לא בכל מחיר

ד"ר צוקר מקפידה על איזון מחקרי: על אף היתרונות הבולטים של ננוחומרים באפליקציות סביבתיות, ישנו גם מחיר סביבתי לשימוש בהם. החותם הסביבתי מתחיל כבר בשלב היצור וממשיך גם לאחר השימוש על-ידי זליגה של ננוחומרים לסביבה. המעבדה לננוטכנולוגיה סביבתית חוקרת גם את האינטרקציות של ננוחומרים עם תאים חיים ומעריכה את רעילות ננוחומרים שנמצאים בשימוש במעבדה, ומעבר לכך. כך לדוגמא ד"ר צוקר חוקרת את אחד הנושאים הסביבתיים הבוערים ביותר, רעילות מיקרו- וננופלסטיקים בסביבה. ננופלסטיקים, להבדיל מננוחומרים מהונדסים אינם מיוצרים לשימוש באפלייקציות שונות, אלא הם תוצרי לוואי של השימוש המוגבר בפלסטיק בעולם המודרני. אותם פלסטיקים עוברים תהליכי פירוק איטיים בסביבה, ומסכנים את הסביבה ובריאות האדם החשוף לה.

איזון היתרונות וסיכונים של ננוחומרים בסביבה

בתמונה: איזון היתרונות וסיכונים של ננוחומרים בסביבה

 

 

סמינר מחלקה אלקטרוניקה פיזיקאלית: Shlomi Kotler

02 בינואר 2020, 15:00 
פקולטה להנדסה, בניין כיתות חדר 011  
סמינר מחלקה אלקטרוניקה פיזיקאלית:  Shlomi Kotler

סמינר שלומי

~~You are invited to attend a department seminar on

Experimental generation and verification of non-classical states of engineered mechanical objects
By:
Shlomi Kotler
Advanced Microwave Photonics Group at NIST/Boulder
Abstract

Why control mechanics at the quantum level?

First and foremost, placing macroscopic objects in superposition states has captured the imagination and interest of physicist for over a century. Today, at 2019, researchers are able to fulfill some of these dreams and gendanken experiments with bigger and bigger objects (heavier, larger and involving more atoms). On a log scale, we moved from controlling the mechanical motion of a single atom (~10-100 x 10^-27 Kg) to controling the collective motion of 10^12 atoms (~ 50 pg) or more. Mechanical quality factors of various systems have been improving, from 10^5-10^6 to more than 10^9,  in the past 5 years alone (!). Since no inherent obstacle has been found to prohibit quantum mechanical control of even larger objects, the quest goes on.
 
Second, engineered mechanical systems stand out also in the context of Quantum Information Processing. They can be compact, and easily fabricated. Their good quality factors means they are good quantum memories. They can accommodate multiple transduction mechanisms (electric, magnetic, piezo-electric etc.). Finally, because their frequency can be very different than their environment resonances, mechanical elements can decouple from the outside world, and couple only when needed.

Here we will review some of the work done at NIST and JILA in pursuit of these goals:

1. What kind of resources are needed to generate non-classical states. Specifically I will talk about membrane to ion coupling (resonant), superconducting qubit to mechanical drum coupling (dispersive) and superconducting resonator to mechanical drum(s) (parametric).

2. Why verifying that indeed the state is non-classical is important and in some cases takes most of the work. Here we will focus on the Simon-Duan criteria for Gaussian states, when we analyze entangled states of two mechanical drums.

On Thursday, January 2, 2019, 15:00
Room 011, EE-Class Building

 

מרכז המסייע לקידומם של אנשים עם לקויות ראייה או עיוורון לקראת תפקוד עצמאי ושילוב בתעסוקה.

24 דצמבר 2019

מגדל אור הוא מרכז רב-שירותי, חלק מעמותת יעדים לצפון, מיסודה של קרן רש"י. המרכז המסייע לקידומם של אנשים עם לקויות ראייה או עיוורון לקראת תפקוד עצמאי ושילוב בתעסוקה. החזון של המרכז הוא שכל אדם עם עיוורון או לקות ראייה יצליח לממש את הפוטנציאל הגלום בו כאדם.

המרכז מחזיק מפעל המספק מסגרת תעסוקתית וחברתית למשתקמים אשר מקבלים תשלום לפי כישוריהם והספק עבודתם. במפעל כ-120 עובדים מאזור חיפה והקריות, רובם בגילאי 55 ומעלה.

בין לקוחותיו אפשר למנות חברות אלקטרוניקה וביניהן פלקסטרוניקס,  ,PCBא.ל אלקטרוניקה ועוד. המפעל מוסמך לתקן ISO9001 בתחומי הייצור להם הוא מספק שירות.

"יש לי למה לקום בבוקר, אני קמה, מתלבשת ובאה לעבודה להשתחרר ממחשבות אחרות", אומרת מולו רדה, עיוורת מלידה העובדת במפעל המקדם של מגדל אור, "בסוף היום אני יוצאת בהרגשה שעשיתי משהו משמעותי".

מולו עובדת שנתיים במחלקת ההרכבות במפעל, סוגי ההרכבות משתנים וכרגע היא עובדת על פיות מים לברזים. ישנם כ-120 עובדים נוספים במפעל עם עיוורון או לקות ראייה או מגבלה אחרת, שכמו מולו, לא הצליחו להשתלב בתעסוקה בשוק הפתוח, ומצאו בית במפעל המקדם של "מגדל אור" בקרית חיים. המפעל נתמך על ידי משרד הרווחה, אך מתפקד כעסק לכל דבר ועניין.

בנוסף נפתחה במרכז חממה טכנולוגית שמטרתה להנגיש לאוכלוסיית האנשים עם עיוורון או לקות ראייה טכנולוגיות חדשות וקיימות לשיפור איכות החיים. לצורך כך מיזם החממה מתמקד בגיוס מפתחים, בעלי טכנולוגיות וגורמים מממנים. 

בין מגוון התכניות של מגדל אור ניתן למצוא דירות מכינה לחיים עצמאיים בקהילה, תכנית בחירה קריירה, אימון לתעסוקה ומציאת עבודה, תכנית מנטורים לתעסוקה ועוד.

EE Seminar: Graph Embedded Pose Clustering for Anomaly Detection

29 בינואר 2020, 15:00 
Room 011, Kitot Building  

Speaker: Amir Markovitz

M.Sc. student under the supervision of Prof. Shai Avidan

 

Wednesday, January 29th 2020 at 15:00

Room 011, Kitot Bldg., Faculty of Engineering

 

Graph Embedded Pose Clustering for Anomaly Detection

Abstract

We propose a new method for anomaly detection of human actions. Our method works directly on human pose graphs that can be computed from an input video sequence using a pose estimation model. This makes the analysis independent of nuisance parameters such as viewpoint or illumination. We map these graphs to a latent space and cluster them. Each action is then represented by its soft-assignment to each of the clusters. This gives a kind of ”bag of words” representation to the data, where every action is represented by its similarity to a group of base action-words. Then, we use a Dirichlet process based mixture, that is useful for handling proportional data such as our soft-assignment vectors, to determine if an action is normal or not. We evaluate our method on two types of data sets. The first is a fine-grained anomaly detection data set (e.g. ShanghaiTech) where we wish to detect unusual variations of some action. The second is a coarse-grained anomaly detection data set (e.g., a Kinetics-based action classification data set) where few actions are considered normal, and every other action should be considered abnormal. Extensive experiments on the benchmarks show that our method performs considerably better than other state of the art methods.

EE Seminar: Efficient Privacy Preserving Computation

08 בינואר 2020, 15:00 
Room 011, Kitot Building  

(The talk will be given in English)

 

Speaker:     Dr. Hayim Shaul
                     IDC & Haifa University

 

Wednesday, January 8th, 2020
15:00 - 16:00

Room 011, Kitot Bldg., Faculty of Engineering

 

Efficient Privacy Preserving Computation

Abstract

Privacy preserving multi-party computation enables several parties to collaboratively compute a function over their secret inputs. Recent advances show that privacy preserving arithmetic operations can be done efficiently, however, comparisons remain impossible since they compromise the privacy of the data. This introduces a new computational model: the arithmetic circuit model. Many algorithms that are efficient in comparison model become inefficient or even infeasible in the arithmetic circuit model.
In this talk we'll demonstrate two techniques for designing efficient algorithms in the arithmetic circuit model:

1. We introduce a double-blinded coin toss and show how to use it for an efficient approximation for the k-nearest neighbors classifier.
2. Inspired by von Neumann's work on fault tolerant computation we show how to reduce the noise in a floating-point arithmetic circuit and thus reduce the bit size of the numbers.

Although motivated by privacy preserving algorithms these techniques are interesting outside the crypto world as well. In this talk we will consider the underlying cryptographic schemes as a black box. No prior knowledge in cryptography is needed.
 

Short Bio
Hayim has done his postdoc in MIT as an applied cryptographer in a robotics lab, and then in IDC and in Uni. of Haifa. His research focuses on practical privacy preserving multi party computation, and especially on fully homomorphic encryption (FHE). Prior to that Hayim completed his PhD in computational geometry under the supervision of Micha Sharir in Tel Aviv University. In the time between his PhD and his postdoc, Hayim spent a few years co-founding and CTO-ing a network optimization company funded by the IFC (world bank).

 

 

EE Seminar: Ambiguity Function Based Radar Waveform Classification and Unsupervised Adaptation Using Deep CNN Models

01 בינואר 2020, 15:00 
Room 011' Kitot Building  

Speaker: Pavel Itkin

M.Sc. student under the supervision of Prof. Nadav Levanon

 

Wednesday, January 1st, 2020, at 15:00

Room 011, Kitot Bldg., Faculty of Engineering

 

Ambiguity Function Based Radar Waveform Classification and Unsupervised Adaptation Using Deep CNN Models

Abstract

We present a general and robust approach to classification and an unsupervised adaptation of phase and frequency modulated low-probability-of-intercept (LPI) Radar waveforms. Our model is inspired by deep convolutional neural networks (CNNs) that have been successfully used for multi-class image classification and domain adaptation.

Our method considers a non-cooperative and intercepted Radar signal to be a 1D sequence of complex samples assembling a single pulse. Each one is transformed into a square and complex Ambiguity Function (AF) matrix as a pre-processing step and associated with its waveform characteristics for correct classification.

A test signal is processed and mapped onto a 256-dimensional feature embedding vector, representing the waveform class space, following which, a waveform metric classification, as well as adaptation to an unlabeled reference target domain, is performed.

We use our method on a diverse simulated dataset, consisting of different encodings, pulse widths, bandwidths, a wide range of noise levels, and different signal and noise distributions as the unlabeled target domain.

Our method achieves state-of-the-art performance on classification problems on multi-encoding and multi-feature waveform datasets while incorporating only one Radar pulse and proved to be robust to diverse and extremely intense noise conditions, along with excellent generalization to other Radar related problems.

Furthermore, our novel approach to an unlabeled Radar waveform adaptation reveals an impressive classification performance improvement to a domain-shifted, differently distributed datasets.

 

עמודים

אוניברסיטת תל אביב עושה כל מאמץ לכבד זכויות יוצרים. אם בבעלותך זכויות יוצרים בתכנים שנמצאים פה ו/או השימוש שנעשה בתכנים אלה לדעתך מפר זכויות
שנעשה בתכנים אלה לדעתך מפר זכויות נא לפנות בהקדם לכתובת שכאן >>