Υποδομή

O εξοπλισμός του εργαστηρίου αναβαθμίζεται συνεχώς για καλύπτει τις ανάγκες των ερευνητικών μονάδων. Κυρίως διακρίνεται σε εξοπλισμό που εξασφαλίζει ισχυρούς υπολογιστικούς πόρους και εξειδικευμένο εξοπλισμό για συστήματα επικοινωνιών και δικτύων, αλλά και φωτονικής. Συγκεκριμένα:

 

  1. Υπολογιστικός εξοπλισμός

 

Εξοπλισμός προπτυχιακών εργαστηριακών μαθημάτων (παράλληλος υπολογισμός και λειτουργικά

 

  • Υποδομή Συστοιχίας Υπολογιστών (cluster) η οποία αποτελείται από οκτώ (8) επεξεργαστές ΧΕΟΝ 3.00GHz με 1GB RAM ο καθένας και τέσσερις κάρτες δικτύου (δύο κάρτες Ethernet 1Gbps, μία κάρτα Myrinet 2Gbps και μία κάρτα Ethernet 10/100 Mbps).
  • Κάρτες GPU (1 NVidia Titan RTX 24GB και 2 NVidia RTX 2080Ti)
  • FPGAs
  • DELL POWEREDGE R840 (rack server)
    • Επεξεργαστής 2 Intel Xeon Gold 6130, Επιταχυντές Up to two double-width GPUs – Up to two full-height FPGAs, Μνήμη Ταχύτητα DIMM, Έως 2.933 MT/s, Τύπος μνήμης RDIMM, LRDIMM, NVDIMM, DCPMM (μόνιμη μνήμη Intel® Optane™ DC), Υποδοχές μονάδων μνήμης 48 υποδοχές DIMM DDR4 (12 υποδοχές NVDIMM ή 24 υποδοχές DCPMM μόνο)

 

Β. Εξοπλισμός Επικοινωνιών και Δικτύων

  • Δικτυακός εξοπλισμός (12 Cisco Routers, 5 Ethernet Switches, 5 Wireless Access points LinkSys)
  • Δέκα κόμβοι-αισθητήρες τύπου Sunspot και δύο κόμβους που έχουν τη δυνατότητα κίνησης μέσω αυτοκινούμενων robots (trackbots).
  • Συσκευές μέτρησης ραδιοκάλυψης δικτύων κινητών επικοινωνιών (Aaronia spectrum Analyzer)
  • Οπτικοί πομποδέκτες που εργάζονται έως τα 10 Gb/s
  • USRP 2974 High Performance Embedded SDR, 10 MHz-6 GHz, 160 MHz BW
  • P2110 Energy Harvesting Power Management Evaluation Board

 

Γ. Εξοπλισμός για πειράματα φωτονικής (RNCP unit)

  • 2 Lasers συντονιζόμενα (C-band) και πολλαπλές άλλες πηγές Laser (quantum dot, quantum well στις C-band, O-band)
  • Οπτικός φασματικός αναλυτής (C-band, υψηλής διακριτικής ικανότητας)
  • 2 οπτικοί ενισχυτές EDFA
  • 1 Laser που παράγει fs παλμούς
  • RF φασματικός αναλυτής (μέχρι τα 15 GHz)
  • Παλμογράφος (5 Gsa/sec)
  • 2 Ελεγκτές ρεύματος και θερμοκρασίας
  • 2 φωτοδίοδοι (> 10 GHz εύρος ζώνης)
  • 3 οπτικοί διαμορφωτές (φάσης και πλάτους) @ 10 GHz
  • Οπτική τράπεζα
  • Γεννήτρια αυθαίρετων κυματομορφών (6 Gsa/sec)
  • Ηλεκτρονικές διατάξεις (φίλτρα, ενισχυτές, μίκτες, bias-tee, κ..α.) για πειράματα και χαρακτηρισμό έως τα 20 GHz.
  • Καρούλι Οπτικής ίνας 40
  • Οπτικά στοιχεία για την ανάπτυξη πειραμάτων ελεύθερου χώρου (free space optics) όπως collimators, diffraction gratings, linear translators, κ.α.
  • Σύμφωνος δέκτης πολυπλεξίας πόλωσης (10 GHz)

 

Στο πλαίσιο του ερευνητικού έργου NEoteRIC H2020 (rncp.eu), το εργαστήριο αναπτύσσει πειραματική διάταξη κυτταρομετρίας ροής που βασίζεται σε πηγές lasers πολύ στενών παλμών, η οποία εικονίζεται παρακάτω. Στο άκρο αυτής της διάταξης θα τοποθετηθεί φωτονικός νευρομορφικός ταξινομητής για τη διάκριση συγκεκριμένων κυττάρων σε ταχύτητες πολλών Mframes/sec.

Επίσης, στο πλαίσιο της συνεργασίας με το Ερευνητικό Εργαστήριο Wavecomm του ΠΑΔΑ, “Εργαστήριο Ηλεκτρονικής & Φωτονικής” (Εlectronics & Photonics  Laboratory) με διακριτικό τίτλο  PhotonXLab. Toy Τμ. Φυσικής, Παν. Θεσσαλίας.το Γεωδυναμικό Ινστιτούτο, to CCSL του Παν. Αιγαίου και την OTE academy, το εργαστήριο PDSN έχει αναπτύξει πρωτότυπη πειραματική διάταξη ανίχνευσης σεισμών σε εγκατεστημένο οπτικό καλώδιο του ΟΤΕ που εδράζεται στη Βορειοανατολική Αττική (Μαρούσι-Αφίδνες). Η διάταξη λειτουργεί με παρόμοια ευαισθησία με αυτή που παρέχουν εμπορικά διαθέσιμα συστήματα, αλλά με μικρότερο κόστος παραγωγής. Παρακάτω εικονίζεται η διάταξη που έχει εγκατασταθεί στην OTE academy και παρακολουθεί την επίδραση από σεισμικές δονήσεις σε εγκατεστημένη οπτική ίνα 50 km. Έχει καταγράψει επιτυχώς σεισμούς της ευρύτερης περιοχής, όπως και μακρινούς σεισμούς από Κρήτη, Ικαρία, Κεφαλονιά

Δ. Εμπειρία σε ανάπτυξη λογισμικού για ερευνητικούς σκοπούς

 

  • Σχεδιασμός φωτονικών διατάξεων – προσομοίωση διατάξεων και συστημάτων
  • Προσομοίωση ασύρματων συστημάτων επικοινωνιών
  • Προσομοίωση δικτυακών αρχιτεκτονικών – μοντέλα κίνησης
  • Εμπειρία στη χρήση εργαλείων μηχανικής μάθησης (tensorflow, pytorch)
  • Εμπειρία στον προγραμματισμό FPGAs
  • Εμπειρία στην ανάπτυξη αλγορίθμων παράλληλης επεξεργασίας και κατανεμημένου υπολογισμού