【研一周小结】第二周个人学习总结

第二周学习总结(Markdown初体验)

0 引言

​ 本周各科逐步进入课程授课内容，有些课程开始布置课堂作业，但总体还处于起步的慢节奏阶段，给我们留有一些换课以及补漏的调整时机。

​ 我个人本周逐步确定了大体上的选课意向，有部分课程还在纠结；同时，在时间允许的情况下我也继续去旁听了其他课程进行学习补充。

1 数字集成电路【旁听】

​ 本周与上周的数集主要介绍了几种晶体管的基础原理与电气结构。

• 考核情况：

  4次Homework，4次labs，共占30%；

  期中考试，占20%；

  Final exam，占10%。

  Literature review以及Presentation，占20%；

  Project，占20%；

• 上周，课程主要内容是进行P型与N型二极管的原子特性（硅、硼、砷）、BJT以及MOSFET晶体管的结构介绍（nMOS、pMOS、CMOS）、对FinFET工艺的简要介绍。

• 本周，课程内容是：

  1. 对CMOS的静态电学特性进行了更进一步的讨论，即当Gate端电压在不同范围时，CMOS的三种工作状态：截止区、放大区（线性工作区）、饱和区，着重讲解了nMOS的I-V特性以及电气公式。
  2. 从微观电子运动的角度去理解，当Gate端电压不同时，在nMOS中Gate端的 Polysilicon层、二氧化硅层、Inversion Region、Depletion Region之间的变化。
  3. 讲解了现实中晶体管的I-V曲线并不是如上述所言，因为其内存在不能忽视的场效应：水平电场与垂直电场对晶体管内电子运动的作用关系。

2 算法设计与分析

​ 算法课程与我想的有些许区别，本以为是围绕新算法的讲解，但实际上是算法“分析”，以及学习如何证明正确算法的“正确性”，泪目。

• 考核情况：

  5次Homework，占20%；

  期中考试，占35%；

  期末考试，占35%；

  Project，占10%。

• 上周课程内容：

  1. 简要介绍了算法的监禁复杂度分析的符号：Tight bounds (O)、Lower bounds (Ω)、 Tight bounds (Θ)，要注意紧确界即上下界相同都是它。

     • 同时，老师对简单问题到NP问题引例让我印象深刻：

       《最多不重叠任务问题》（贪心问题$nlogn$）是《二分图中最大独立点对问题》（网络流$n^2$）的一个特例——把任务看成一个点，任务之间有冲突就连一条边，转化成二分图问题；

       而《二分图中最大独立点对问题》（网络流$n^2$）是《图论中寻找最多独立点子集问题》（NP问题）的一个特例——边点互换；

       而《图论中寻找最多独立点子集问题》（NP问题）是《寻找带权最大连通分量问题》（NP问题）的一个特例——拓展成带权图；

       而《寻找带权最大连通分量问题》（NP问题）又是《竞争性决策最优问题》（P-SAPCE问题）的一个特例——拓展成双玩家决策问题。

  2. 证明各种贪心算法的正确性：

     • 证明《最多不重叠任务问题》的贪心算法是正确的（以任务末时间排序），证明别的选择算法是错误的。

       证明错误的办法——举反例。

       证明正确的方法——反证法（设当前贪心算法不是最优算法，则每次选择会有更优解，最后推出矛盾）。

     • 证明《最少超时完成作业问题》的贪心算法（无起始时间，同时发布，有权值和截止时间）是正确的（依然按任务末事件排序），证明其他算法是错误的。

       证明错误的办法——依然是举反例。

       证明正确的方法——反证法，并基于概念完成推导（绕脑子）：最少超时完成作业的算法肯定是没有偷懒的空窗期的（有时间玩干嘛不去写作业）。

     • 证明“向未来看踢掉序列中最远的那个cache line”的cache置换算法（贪心算法）是最优的置换算法——太复杂，分类讨论狂魔+数学归纳法，离谱。

     • 证明基于贪心的聚类算法是最优的——即没有完成的Kruscal算法，证明方法也确实和最小生成树MST结合了一点。

  个人感受：万万没想到居然是证明课，仿佛能想到期中考试时被数学证明支配的恐惧。

• 本周课程内容：

  1. 学习了几个分治算法，当然最终还是回到它的正确性证明：

     • 首先介绍分治算法的特点：问题可分；子问题可递归；子问题结果融合。然后是证明分治算法的复杂度是$O(nlogn)$，分类讨论$n$是不是2的幂指数，再加上递归树求模运算等数学推导。

     • 《寻找二维平面最近点对的距离》。这个我以前有看，但是没看完，老师讲的很不错，果然填鸭是比自学方便，哈哈哈哈。

       算法思路：

       1. 把所有点从左至右，从上到下的顺序排序并标上id——预处理；

       2. 把二维平面分成左半边和右半边，然后递归——分成子问题；

       3. 对于左边右边肯定能各求得一个最短点对的距离为${\delta }_1,{\delta }_2$，我们把最短的叫$\delta$，即$\delta =min({\delta }_1,{\delta }_2)$，接下来是子问题交界部分的处理过程： 对交界左右各邻域$\pm \delta$位置的点对，进行各点与后8各点进行距离计算，并更新$\delta$即可，证明是基于简单几何的画图分块，我就略了——子问题结果融合；

     • 《二进制大数乘法》。算法思路是，通过对二进制数的乘法公式进行冗余加减，基于冗余的因式分解，凑成有相同部分的乘法项们相加的结果，这样就可以利用存在相同部分的乘法项而省略计算次数。算法复杂度也因此从$n^2$降低到了$n^1.585$。

     • 《矩阵乘法》。算法的优化思路其实和上面是一样的，最终。算法复杂度从$n^3$降低到了$n^2.81$。

     • 《快速傅里叶变换FFT》。首先讲DFT，然后讲FFT。利用频域和值域的计算复杂度不同来进行优化，这一块我没理解老师的讲法，还是按《算法导论》上的理解的。

     • 这两个乘法和FFT，我以前闲的蛋疼时看过《算法导论》，缺点就是证明过程记不住hh。

  2. 学习了动态规划算法（DP）前半部分，以及期间的两个简单例子。

     • 讲解DP与分治问题的区别：虽然都可以划分成子问题，但DP最大的特点就是子问题重叠与重复计算。

     • 《带权的最大不重叠任务选择问题》。

       我个人目前理解的DP是，思考问题一是习惯把“前xxx问题能得到的最优解是什么”作为子问题，二是从“状态”去思考，有多少个影响状态的参数，那就把它们加入到DP的状态转移方程中去。之后，看看有什么预处理过程可以削减这些参数，使得问题形式得到简化。

       在这个问题里，“我的空闲时间”是影响任务选择的参数，而“任务之间是否相互冲突”也是影响任务选择的参数。

       虽然有两个参数，但是我们可以优化这个DP问题的参数规模：对任务按照deadline时间排序，这样按顺序选择任务，并建立任务之间“上个最近但最晚结束的任务索引表”来消掉第二个冲突的参数——建立索引表$p[i]=j$表示任务i之前最晚结束的任务是j。

       因此，令$opt[i]=j$表示前i个任务进行选择，可以得到的最大权值最优解是j，如果有n个问题，我们肯定是要求解$opt[n]$。此问题的状态转移方程是： o p t [ j ] = m a x { v j + o p t ( p ( j ) ) , o p t ( j − 1 ) } opt[j]=max\{v_j+opt(p(j)),opt(j-1)\} opt[j]=max{vj​+opt(p(j)),opt(j−1)}，边界是0，直接0处理即可。用递推来避免DP的重复计算，实现加速。

     • 《0/1背包问题》。

       思路：第一还是要从“前xx个物品里得到的最优解”作为子问题；第二，背包的容量是影响问题后续状态的关键因素，那我们很自然的就是把“背包剩余容量”作为DP的状态转移方程的关键。

       0/1背包我以前看过好几次，刚开始理解不能，现在被时间冲刷习惯了。状态转移方程是 o p t ( i , w ) = m a x { o p t ( i − 1 , w ) , v i + o p t ( i − 1 , w − w i ) } opt(i,w)=max\{opt(i-1,w),v_i+opt(i-1,w-w_i)\} opt(i,w)=max{opt(i−1,w),vi​+opt(i−1,w−wi​)}，即前i个物品里用w大小的背包能装到最有价值，肯定是两种情况里的最大值，那两种情况呢？我用w大小的包，选了第i个物品和不选它的情况。

3 研究生论文写作

• 考核方式：

  考勤，占15%;

  Academic Paper 50%;

  Paper的演讲公式海报制作，35%.

• 学习笔记：

  老师上课的内容以干讲为主，比较容易犯困，记录内容不多，如下：

  如何解决Chinglish问题？ ——Only多多练习，当写英文占据生涯大部分时光时候，技能自然提升~

  做科研最关键的是什么？ ——可复现！（滑稽，我想起了前几日的饶毅事件…）

  好习惯：一旦确立了课题方向，应当就开始读文献，甚至背诵其中的句子，应当半年内内阅读优质的journal paper 50篇+。

  文章最重要的部分是Introduction，是反应作者水平的体现，应没有废话的阐述：我要解决什么、别人方法为什么不行、我为啥可以等问题。

  等等。

4 计算机体系结构Ⅲ之HPC

• 考核方式：

  课堂参与，占5%；

  Homework，占15%；

  10次，一周一次的Paper Reading，抽出一次作Presentation，占30%；

  Project，其中1次proposal的Presentation，最终final report以及presentation，占60%。

• 内容：虽然上课两周了，但目前还是以介绍为主，从什么是HPC，到HPC对内存、OS、硬件（如Cache、Superscalar、TLB等）技术的要求与发展进行了介绍。

5 数字VLSI设计课程设计

• 考核方式：（好像有变化）

  课堂，占20%；

  期中考试，占40%；

  期末考试，占40%；

• 课程内容：

  第一节课（上周）是由企业的孙老师讲行业情况以及基本的芯片涉及到流片的过程。

  第二节课（本周）是由企业的孙老师，讲IC的Design流程前的准备工作以及意义，门级电路设计过程中的时钟不同步以及各种时延问题；HDL编码过程中的命名规范；注释规范问题；编码风格问题等。

• 感受： 很多很困。

6 综合英语

• 感受：

  老师比上学期更不苟言笑了点，新增每周线上英语作业打卡；本学期内容是职场自我介绍与入职交流。

7 数据科学与金融科技概论【旁听】

​ 第一节课是课程概述，课程是以讲座以及project的形式，增强同学们对AI在量化投资上的应用技能。

​ 第二节课，请了一位证券企业人员，讲了国内各大机构、证监会、银监会、中国人民银行等身份地位，算是一场基础金融知识讲座，作为小白学到了一些基础名词哈哈哈。、

​ 第三节课，请了一位上证信息的老师讲述了基础的量化分析模型、风控模型与要考虑的因子，我作为肯定没时间实践的旁听鬼才，感觉第二节课收获更多点哈哈。

​ 第四节课，张老师自己对project进行更细的各环节要求。

8 公司金融与财会原理【旁听】

​ 第一节课【上周】是以瑞信咖啡和贾跃亭的例子，告诉我们会计很重要，搞会计的忽悠股民和股东很有一套，虽然最终都会东窗事发。

​ 第二节课【这周】，听讲座冲突，没听。

9 其他事务

9.1 讲座

​ 听了钱老师的《The evolution of MOSFET Device from 2D to 3D》。老师讲述了MOSFET工艺不断精进的过程中几个关键的技术突破，以及期间造成技术瓶颈的影响因素。

• 首先是摩尔定律，钱老师认为很有可能到3nm附近摩尔定律就卡住了，接下来只能探寻新材料等黑科技才行了。而这段时间也是我们国内技术快快提升的宝贵机会，（超过就先别做梦了）。老师的一个观点让我很有感觉：摩尔定律本质上是一个规律，但工业界却将它当作定律来坚持。那么到底是摩尔定律揭示了行业发展的规律，还是诸如Intel和AMD可以想保持摩尔定律而使得摩尔定律得以传承至今天呢？我也觉得是后者，摩尔定律反应的是人为因素在其中不可忽视。那么同样的，在摩尔定律即将卡在3nm的今天，我们要重新审视期间的人为因素而不是只关注这摩尔定律的“集成加倍”的特点。
• 钱老师从FINFET技术提到SOI技术。他提到，SOI技术也是高集成度的一种技术选择，只是不同路线而已，以后的发展未可知。
• 钱老师提到，是什么因素制约着我们迈向更小的工艺呢？短沟道效应、DIBL效应——纷纷导致漏电；栅介质小不下去，如果能越小能带来越强的控制力；器件的沟道参杂上不去（越高越好）；二维平面不会有，但是三维中太薄的工艺导致的量子效应会产生器件特性的大转变，很难搞定；等等。
• 为什么之前有家公司（我忘了名字）开发出了7nm工艺，但是最后却破产并解散了团队？因为7nm工艺研发难，但是使用它的加钱也很高，小公司用不起，只有少数的如华为、Intel的大公司采用的起。于是最终订单不够，入不敷出，赚不到钱。
• 为什么我国要发展先进工艺？战略价值。
• 校内科研与工业界科研的区别是什么？学校内的科研，必然是走在前沿上的，所需要的知识储备更高；工业企业的科研，是以盈利为目的的，要打败周边或者是同行业其他企业而提升竞争力为导向的。

OK，这就是本周的个人感受，接下来的一周，一定要hold住狂风暴雨般的作业…(￣▽￣)"

​

​