Me llamo Emiliano. Trabajo en hardware digital: diseño RTL para circuitos integrados y aceleración por hardware para machine learning. Me gusta entender cómo funcionan las cosas, y me gusta construir tecnología que tenga un impacto real en las personas que la usan.
Actualmente curso mi Maestría en Ingeniería de Computación en USC como becario Fulbright–García Robles. Mi enfoque es la arquitectura de procesadores y la aritmética que hay debajo del machine learning: diseñar datapaths eficientes en Verilog y llevar el rendimiento más lejos con CUDA. En paralelo a mis estudios trabajo en el equipo de virtualización y almacenamiento de Keck Medicine of USC, sobre una infraestructura Nutanix repartida entre un datacenter y tres hospitales.
Estudié ingeniería biomédica en el Tecnológico de Monterrey, me gradué con honores como el promedio más alto de la carrera, y mi proyecto de titulación terminó publicado como artículo de primer autor en IEEE Transactions on Neural Systems and Rehabilitation Engineering. Después pasé cuatro años en PPD, parte de Thermo Fisher Scientific, coordinando el soporte a ensayos clínicos bajo requisitos regulatorios, donde co-construí una herramienta en Excel/VBA que redujo una conciliación manual de más de cinco horas a unos treinta minutos, y que terminó adoptándose en la mayoría de los estudios de la compañía.
En qué trabajo#
- Diseño digital y RTL. Un procesador compatible con ARM con pipeline de 5 etapas y multithreading de grano fino de 4 vías, además de una GPU SIMT, ambos desarrollados en Verilog, sintetizados y probados en una tarjeta NetFPGA.
- Hardware para machine learning. Una unidad MAC de 16 bits con pipeline, layout full-custom en Cadence Virtuoso y verificación DRC/LVS. Actualmente desarrollo un acelerador de atención INT8 mediante co-diseño para la Arty Z7-20, desde un modelo C++ ciclo-exacto y RTL en Verilog hasta su integración con Zynq como operador de PyTorch.
- Infraestructura y home lab. Un servidor OpenMediaVault basado en Debian, con servicios en contenedores administrados mediante Docker Compose y un reverse proxy NGINX con soporte para SSL y WebSockets, sobre una red mesh con múltiples subredes enrutadas con OpenWrt, además de un servidor local de inferencia con GPU NVIDIA.
Formación y reconocimientos#
- M.S. en Ingeniería de Computación, University of Southern California (2025–2027) — beca Viterbi Endowment
- Beca Fulbright–García Robles, COMEXUS
- Ingeniería Biomédica, Tecnológico de Monterrey — titulado con honores y promedio más alto de la carrera
Actualmente busco posiciones de tiempo completo en ingeniería para después de graduarme en mayo de 2027 así que escríbeme.
Ver mis proyectos