High performance Analog-to-Digital Converters (ADCs) zijn erg lastig om te maken, omdat dit soort bouwblokken erg gevoelig zijn voor IC technologie toleranties. Door jaren te investeren in research in het verbeteren van dit soort bouwblokken, is de vermogens efficientie van de bouwblokken ordes gereduceerd. Tegelijkertijd, is het verder verbeteren van vermogens efficientie steeds moeilijker geworden, omdat fundamentele limieten steeds dichter genaderd worden.
Dit project onderzoekt of machine learning algoritmes gebruimt kunnen worden, om ADCs effectief te calibreren, die alleen geoptimaliseerd zijn voor ruis (ruis is een fundamentele limiet), en alle andere niet-idealiteiten worden gecalibreerd door het machine learning algoritme. Ook zal er onderzocht worden, wat de implementatie kosten van deze algoritmes zijn, en hoe performance en implementatie kosten kunnen worden gebalanceerd.