AI 時代的RF IC設計 （自學課程）

 本課程使用 Claude.ai Opus 4.8 工具實作 AI 時代的RF IC設計。

---

Unit 1: AI for Engineers

• Opening Remarks
• Where is AI going to? AI RoadMap (Anthropic), Impact on software
• AI Platforms & Variations
• AI Basics (English)
• IEEE AI Policy

Unit 2: RF IC Design (LNA), Part I, Apple C1 Case Study

• Case Study: Apple C1 Modem: Visualization of Optimizing Die Design

Unit 3: RF IC Design (LNA), Part II, Concepts and Mathematics

• Circuit Design (slides)(ToC)

• Common Issues for AI use for chip design
• EM Performance 

Unit 4: RF IC Design (LNA), Part III, MNA & Spice Simulation

• Open Problems in RF IC Design, slides
• RF IC Circuit Optimization (LNA)

Unit 5: Analog IC Design (2-stage amp, Class AB, Diff Pair)

• Circuit Design Optimization (2-stage amp, AB, Diff Pair)

Unit 6: Analog IC Placement & Routing  (PnR of op741)

• IC Placement & Routing slides
• Analog IC Design (P&R op741)

Unit 7: AI Agent Tool 

• Cowork vs. chat
• py & bash execution tool use & container
• Cowork vs OpenClaw

Unit 8: RF IC Design (RF PA Driver), Part 1, Concepts and Mathematics

• Recap of Circuit Design slides
• Introduction to RF Amplifier (projector friendly)
  
• Numerical Methods behind the RF Driver-Advanced level, English only (projector friendly, popular science, zh)

Unit 9: RF IC Design (RF PA Driver), Part II, Circuit Design and Topology

• RF PA Driver IC Design Roadmap slides(entry level, entry level & proj friendly)
• TSMC N3E/N4P RF PA Driver Design, TSMC N4P Stacked-FET RF Driver Topology,  (2-stage RF PA Driver)-Load-Pull

Unit 10: RF IC Design (RF PA Driver), Part III, High Power RF Design

• Search for a Class-F RF PA
• Doherty RF PA Design
• Basin Transition in ASAP7
• GaN RF PA Driver Physics Models

Unit 11: RF IC Design (RF PA Driver) Part IV, Placement & Routing 

• LNA Chip Physics Model, PnR
• P&R for 2-stage RF PA Driver 

Suppl 1: Digital IC Placement & Routing 

• Modern Placement Algorithms
• SWERV RISC IC Design (Macro P&R)
  
• RF PLL IC Circuit Optimization 

Suppl 2: AI for PCB Design

課程須知 — 健康照護科技專題(二)（2026 秋）

> 前提：這是一份非正式的「週次內容大綱」，評量方式、評分配比、修課規範等

> 已在官方教學大綱中說明。因此以下不再把這些當成缺點，而是聚焦在

> 「內容規劃」本身。

課程進度

課程說明

助教 鍾文博

# 課程須知 — 健康照護科技專題(二)（2026 秋）

### 修課前提

本課程為**研究所進階專題**，並非入門課。修課者須先修畢**場域應用與服務設計**與**健康照護科技專題(一)**等先修課程，已具備健康照護場域的問題意識、服務設計方法與前一階段的 AI 實作基礎。因此週次內容的設定，是在「學生已能獨立操作 AI 工具、理解場域需求」的前提上往深處推進，而非從零教起。

### 學習目標

從週次內容已能清楚看出進階的學習目標：學生將能 (1) 運用 AI 電腦視覺（CNN、YOLO、ViT、VLM）解讀健康照護情境中的影像與行為；(2) 為視障者建立真實世界 3D 模型，理解空間並完成導航；(3) 掌握 3D 障礙偵測與避障演算法（Voronoi、A*），處理動態障礙下的安全路徑規劃；(4) 以 AI 進行環境危害與居家危害鏈的偵測與視覺化；(5) 深入 World Model（AGI）、健康促進遊戲設計與 AI 學術寫作。整體指向「在既有場域知識之上，以 AI 駕馭健康照護中的感知、導航與安全問題」。

### 架構清晰、循序漸進

從「AI 看得見」（電腦視覺）出發，進入「AI 理解空間」（3D 建模與導航），再到「AI 能避障」（Voronoi、A*），接著「AI 能預警」（危害偵測視覺化），最後拉高到「AI 能思考世界」（World Model）與「AI 能創作、能寫作」。每個單元都建立在前一週與先修課程的能力之上，由具體任務逐步通往抽象框架，對已具基礎的研究生而言節奏合理。

### 聚焦實作、減少語法負擔

課程明確標示「以 AI 輔助、不需自行撰寫底層程式」，把心力從語法除錯轉移到問題本身與提示詞設計上。對已修畢先修課的研究生來說，這讓他們能將既有的場域與服務設計知識，直接投入較高層次的系統設計與演算法應用。

### 具體的記憶錨點

用「洗手偵測 CNN」「晶圓缺陷熱圖」「營養分析」「聲納導航助理」「居家危害鏈動畫」「JEPA 仿生手臂與導航機器人」「打地鼠與跳舞評分機」等具體案例，把抽象的視覺辨識、避障搜尋與世界模型掛在可記憶、可操作的情境上。

### 連結產業與前沿

YOLO 物件偵測、Vision Transformer、Tesla AI Vision、VLM、Voronoi/A* 導航、JEPA 世界模型，乃至健康促進遊戲與 AI 論文寫作，都是當前 AI 與健康照護的真實題目，與研究所層級的研究與實務需求高度契合。

## 課程負擔

- **進度密集、跨域廣：** 電腦視覺、3D 建模、導航與避障演算法、危害偵測、World Model、遊戲設計、學術寫作、甚至資產管理的機器學習集於同一學期，內容量大；雖以「AI 輔助＋實作」降低操作門檻，仍需研究生具備良好的自主學習與時間管理能力。

- **理論深度高：** World Model（AGI）與 JEPA 等前沿題目占 3 週，理論密度高；正因為修課者已有先修基礎，這部分才得以深入，但仍建議搭配指定閱讀，逐步消化。

- **主題涵蓋廣：** 末段的「時空演化（地質）」與「資產管理機器學習」與健康照護主軸距離較遠，可釐清其定位——是 AI 通用能力的延伸練習，或為彈性備用（Backup）內容。

## 總結

作為一份**研究所進階專題**的「內容大綱」，它跨域、有企圖心，且以「Claude AI 輔助＋實作」為核心特色。由於修課者已完成場域應用與服務設計、健康照護科技專題(一)等先修課程，週次安排得以站在既有基礎上往深處推進，反映明確而高階的學習目標：讓學生運用 AI 解決健康照護中真實的感知、導航與安全問題。值得補強之處，是讓密集進度與理論深度的銜接更順暢，並清楚標示核心與延伸（Backup）內容的分界。

課程說明

 

這是張耀仁教授的「健康照護科技專題(二)」2026 秋季課程大綱。以下為課程說明：

## 課程概述

這是一門以 **AI 輔助**為核心的健康照護科技專題課程，所有主題都強調運用 AI 工具，學生**不需自行撰寫底層程式**。課程特別規定限定使用 **Claude AI**，若有特殊需求要使用其他 AI 工具，須在選課前先與老師討論。

整體目標是透過實作，培養學生運用 AI 解決健康照護相關問題的能力，內容橫跨電腦視覺、空間導航、危害偵測、World Model、遊戲設計與學術寫作等多元面向。

## 各單元內容

**Unit 1：AI 電腦視覺（1 週）** — 介紹 CNN（如洗手偵測）、YOLO 物件偵測、Vision Transformer（晶圓缺陷檢測）、視覺語言模型（營養分析）及 Tesla AI Vision，並搭配第一份作業。

**Unit 2：盲人環境輔助理解與空間導航（1 週）** — 真實世界 3D 模型製作與 3D 導航概念（探討為何需要 3D）。

**Unit 3：3D 障礙偵測演算法（1 週）** — 3D 全域障礙分析，並以聲納模擬導航輔助系統。

**Unit 4：Voronoi 避障演算法（1 週）** — 從 2D 到 3D 的 Voronoi 安全路徑規劃，並結合 A* 搜尋處理移動障礙物的導航。

**Unit 5：環境安全檢測與評估視覺化（1 週）** — 使用 Claude 進行環境危害偵測、意外事件預測模擬，以及居家危害鏈偵測與視覺化。

**Unit 6：World Model for AGI（3 週）** — 探討世界模型，包含 JEPA 仿生手臂、JEPA 導航機器人，並比較 World Models 與 LLM/VLM 的差異，搭配兩篇閱讀資料。

**Unit 7：AI 遊戲設計（2 週）** — 設計健康促進類遊戲，如體感洗手練習、打地鼠、跳舞評分機，以及給心智障礙者的生活輔助遊戲。

**Unit 8：時空演化（2 週）** — 台灣與日本的地質演化主題。

**Unit 9：進階提示詞（1 週）** — 學習如何擴展規模、合成複雜創作（Compound Artifacts）。

**Unit 10：AI 學術文件寫作（2 週）** — AI 輔助論文寫作與研究創新，涵蓋研究、草稿、潤飾、數據分析及模型選用。

**Unit 11：機器學習於資產管理（2 週）** — 金融分析、投資組合管理與相關金融技能。

課程最後還列有備用主題（backup），包括 AI 管線機器人、人類學與人類遷徙，以及平面圖與 3D 導覽設計。

整體而言，這門課的特色是把 AI 當作主要工具貫穿各個健康照護應用領域，從電腦視覺與導航演算法，延伸到危害偵測、遊戲化健康促進，乃至學術寫作與資產管理，內容相當廣泛且偏重實務應用。需要我針對某個單元做更深入的說明嗎？

PLL (Phase Lock Loop)

 

Importance of PLL

9.0 GHz PLL with A*, share, NM Version (Analytical), schematic

loop BW vs. metrics, physics model revised

Apple C1 ADPLL — 7.0 GHz (spec) with A*, NM Version, NM cross checked by MNA,  

DTC-assisted schematic, architecture and timing, DTC-TDC Timing (share)

 Optimizer with trajectory (MNA), share, DTC-Solver

Apple C1 ADPLL — 7.0 GHz  (C1 is N4P)

Head-to-head

Hint: NM Algo (Analytical)

* 動態避障系統 Pathfinder

A* search on a Voronoi-based navigation graph

Voronoi start-up A* + Repelling

 (example illustrated)

dynamic voronoi, demo

Pathfinder

artifact (share)

artifact (share)

EX#15-1 Comprehensive (選做題，可不做)

 

 四選三

1. 設計基地台用高功率微波氮化鎵放大器，電路，數學模型，IC Die Chart

GaN, "Calibrated for 0.25 µm GaN-on-SiC RF process (Wolfspeed G2 / WIN NP25 class)" for base station

artifact (topology change, single device)

2. Build a city or a 3d landscape you choose. text to 3d model.

artifact, fractal

北車1, 北車2

花蓮鯉魚潭

中原電子系館

3. Build a Blue LED lattice model.

成績分布草案(EX#14尚未統計)

 

成績分布草案(EX#14尚未統計)