Inhalt anspringen

Prof. Dr. Michael Karagounis

Schnelle Fakten

Zur Person

Kurzvita

Prof. Karagounis studierte Nachrichtentechnik an der Fachhochschule Köln. Parallel zu ersten beruflichen Tätigkeiten in der IT- und Medizintechnikbranche absolvierte der gebürtige Kölner ein Ergänzungsstudium der Elektrotechnik an der Fernuniversität Hagen. Im Rahmen seiner Promotion unterstützte er die Entwicklung eines Auslesechips für den Pixeldetektor am ATLAS Experiment, der am weltweit größten Beschleuniger dem Large Hardron Coller in Genf/Schweiz installiert ist. Nach Abschluss der Promotion arbeitete Prof. Karagounis für die Infineon Tochter EPOS GmbH & Co KG in Duisburg als Analog/Mixed-Signal Designer. Dort entwickelte der Ingenieur integrierte digitale Spannungsregler für die Versorgung von Mikrocontrollern mit Anwendungen im Automobil. Der Entwicklung von Phase-Locked-Loop Schaltungen wie sie in Smartphones mit Navigationsfunktionalität eingesetzt werden, widmete sich Prof. Karagounis dann als Radio Frequency Circuit Designer bei der Intel Mobile Communications GmbH in Duisburg. 2013 erhielt Prof. Karagounis einen Ruf auf eine Grundlagen Professur für Elektrotechnik an der Hochschule Hamm-Lippstadt. Seit 2016 lehrt Prof. Karagounis Themen der Elektronik an der Fachhochschule Dortmund.

Forschung

Publikationen

Konferenzpaper

Journalartikel

  • J. Kampkötter, M. Karagounis, and R. Kokozinski, “A high frequency radiation hardened DC/DC-converter with low volume air core inductor,” Journal of Instrumentation, vol. 19, pp. C01052–C01052, 2024.
    Publikation öffnen
  • A. Walsemann, M. Karagounis, A. Stanitzki, and D. Tutsch, “Fault tolerance evaluation study of a RISC-V microprocessor for HEP applications,” Journal of Instrumentation, vol. 19, pp. C02012–C02012, 2024.
    Publikation öffnen
  • Energy and Bandwidth Efficient Sparse Programmable Dataflow Accelerator
    Publikation öffnen
  • Step-Down Converter With Stacked Core Transistors for the Innermost Layers of High-Luminosity High-Energy Physics Experiments
    Publikation öffnen
  • Multi-Objective Surrogate-Model-Based Neural Architecture and Physical Design Co-Optimization of Energy Efficient Neural Network Hardware Accelerators
    Publikation öffnen
  • STRV — a radiation hard RISC-V microprocessor for high-energy physics applications
    Publikation öffnen
  • Second generation Monitoring of Pixel System (MOPS) chip for the Detector Control System (DCS) of the ATLAS ITk Pixel detector
    Publikation öffnen
  • System Integration of ATLAS ITK Pixel DCS ASICs
    Publikation öffnen
  • A radiation hard RISC-V microprocessor for high-energy physics applications
    Publikation öffnen
  • Design and characterization of a cascode switching stage for high frequency radiation hardened DC/DC converters for the supply of future pixel detectors
    Publikation öffnen
  • Characterization and verification of the Shunt-LDO regulator and its protection circuits for serial powering of the ATLAS and CMS pixel detectors
    Publikation öffnen
  • The Monitoring of Pixel System (MOPS) chip for the Detector Control System of the ATLAS ITk Pixel Detector
    Publikation öffnen
  • RD53A: A large-scale prototype chip for the phase II upgrade in the serially powered HL-LHC pixel detectors
    Publikation öffnen
  • Advanced power analysis methodology targeted to the optimization of a digital pixel readout chip design and its critical serial powering system
    Publikation öffnen
  • An Automatic Baseline Regulation in a Highly Integrated Receiver Chip for JUNO
    Publikation öffnen
  • Development of a Detector Control System for the ATLAS Pixel detector in the HL-LHC
    Publikation öffnen
  • Recent progress of RD53 Collaboration towards next generation Pixel Read-Out Chip for HL-LHC
    Publikation öffnen

Wissenschaftliche Vortragsfolien

  • Hardware-Architekturen für maschinelles Lernen in eingebetteten und verteilten Systemen
    Publikation öffnen

Lehre

Diese Seite verwendet Cookies, um die Funktionalität der Webseite zu gewährleisten und statistische Daten zu erheben. Sie können der statistischen Erhebung über die Datenschutzeinstellungen widersprechen (Opt-Out).

Einstellungen (Öffnet in einem neuen Tab)