相辉学堂紧密围绕复旦大学教育教学改革3.0版的重点任务，强化顶尖师资的精神引领作用，滋养学生自主个性化发展能力，设立“相辉导师说”系列推送，将话筒交给导师，通过访谈的形式，让相辉学员有更多机会与导师们进行深入的对话和交流。星光璀璨，智汇相辉，让我们跟随访谈的脚步，碰撞思维、探索新知。
复旦大学大数据研究院副研究员曹伟老师在邯郸校区计算中心楼与相辉学堂“香农计划”的林泽梁、石翔宇、张梦瑶三位同学面对面交流。曹老师结合自己的学习和科研经历，为同学们解答专业选择与发展规划等方面的疑惑，并期望同学们沿着正确的方向，踏踏实实走好每一步。
导师简介
曹伟，博士，现任复旦大学大数据研究院副研究员。2006年毕业于哈尔滨工业大学，获工学博士，2006年9月至2009年6月在复旦大学电子科学与技术博士后流动站从事博士后科研工作。主要研究方向是领域专用软硬件协同计算、可重构计算、领域专用硬件加速器结构和可编程逻辑器件结构。2015年获上海市技术发明三等奖一项（排名第四）。迄今，已发表SCI和EI论文30余篇，第一发明人授权发明专利3项。承担十四五国家重点研发计划课题和子课题各1项。
访谈关键词
兴趣驱动发展 、创新能力、学习习惯培养 、终身成长
曹伟老师和同学们
问答环节
Q
我们应该如何确定专业方向呢？
A
我本身是微电子专业出身，随着微电子学科的发展和芯片集成度的增加，更多时候，在设计一个芯片上考虑的是应用和算法的东西。对于微电子本身，不管是生产、制作还是研发，这些系统都是交叉的，不是哪一个学科独占的。
综合考虑将来你是要走哪条路，工作想做哪方面的东西，从兴趣出发，选计算机也好，微电子也好，或者其他的可能专业，问题都不大。后边路还很长，工作和想要做的事情，都要综合选择。当然如果说你的工作是你感兴趣的东西，那是最好的。
Q
复旦在微电子的各个方向中哪几个方面是强项？
A
复旦总体都很强。首先是工艺，做器件的。然后是做EDA的、电子设计自动化的，这是我们老牌的一个专业方向。其次是数字设计，再然后是模拟、模拟射频的。
Q
微电子和AI的交叉部分有哪些？
A
第一个例子是EDA电子设计自动化。EDA是微电子跟AI交叉的一个很重要的、具有代表性的方向。EDA是指做芯片的工具由AI辅助设计。AI辅助（逻辑综合）能够让EDA转出来的电路效率更高。谷歌的TPU就是专门做神经网络加速的一种处理器。由于谷歌的数据中心对计算机的要求非常高，前几年AI扩大使用，通用GPU的效率不够，于是谷歌决定自己做专用芯片来帮AI加速。在制作芯片过程中，谷歌用了AI检验扩散的方法，把AI用在了布局和布线里，效果比以前的EDA过程要好很多。
再有一个例子是我们现在在做的人工智能芯片。人工智能芯片针对神经网络，一是神经网络的计算过程跟传统观念计算过程可能不太一样，二是神经网络的发展速度很快，模型发展每一两年，参数量和数据量都可能是一个指数型的增长。在这种成长趋势下，一般的处理芯片是跟不上它的速度的，所以需要专门针对这些AI加速芯片的研发。
AI与微电子的结合基本就这两块。AI for Science是现在很多学科都可以结合的。如果把行业里一些经验和数据给到AI，它是能做很多东西的。但是我觉得创造性的东西它很难做。人脑最有价值的是创造，是创新性的东西，它不太能被AI代替。AI可以通过经验代替人的重复性的劳动，但要创造实际上是很难的。
Q
刚刚提到的两个方面，老师研究比较多的是那个方面？
A
两个方面都在做，我们都有承担国家重点研究计划。比如说EDA，我国的EDA技术一直以来也是被“卡脖子”的，如何把自己的EDA技术往前推进，亟需结合现代技术的突破。EDA人工智能方向也是被纳入我国2030科技创新行动的。
我们现在需要解决什么问题？传统的EDA类似于你去盖楼，首先需要设计图纸，画图纸的过程，这个结构设计是没法自动化的，能够自动化的只有你后期施工的过程。
我们现在研究是将经验或者相关的信息投入大模型里面训练，从而缩短设计开发的时间。写代码和调试功能是很快的，可能只需要几星期，最多几个月。但是做芯片就是以年为单位，整个过程的时间线非常长。EDA本身也是为了缩短设计时间，但其实现在前期的结构设计，结构验证还是很漫长。所以我们想办法利用AI加速推进前期的流程。
Q
现在复旦开设了一些双学位的课程、双学位的专业方向，比如有微电子+AI的双学位，但是培养方案里专业核心课程特别多，这样可能会影响到科研时间的分配吗？
A
在本研贯通模式下，前期学好专业核心课程对未来发展是非常有益的，但是最好是有目的性地学，如果直接被动地学习，有那么多课程，你不可能面面俱到，效率也不高。但比如你参加了课题组之后，你可以针对课题的需求，或者在具体科研中发现的薄弱方面，着重去学习。我个人觉得还是要更注重学习的深度，如果你们要想再继续读研，其实还是要抓住一条主线。
Q
微电子对物理的要求高不高？
A
不同方向的要求程度不同，但是你打基础的时候都得学。比如数电方向就没有器件方向对物理要求高，而如果你要学EDA的话，EDA里面肯定涉及到最后芯片生产过程中的一些问题，你需要有一部分了解。
Q
微电子主要涉及的数学是哪些方面？
A
微电子涉及数学就比较杂了。EDA是涉及数学比较深的，包括遗传算法、模拟退火、线性代数都有涉及到，而且有很多不在课程体系的要求里面。EDA方向是非常注重基础数学的，尤其国内外那些大公司，实际上里面那些真正的核心算法都是数学家搞的，对数学要求很高。
但是现在运用到AI，AI里面有统计学，那些东西你也要知道。就比如怎么样建模，里面是肯定有很多数学方向的东西的。一般不同的设计阶段和流程都有不同的数学问题。其次就是模拟电路，模拟电路也要求数学。
就是说你要学这个学科，数学好肯定是有好处的；但不是说这个方向有多少数学，就从头到尾都学一遍。比如你进课题组跟着一个老师，老师给你指一个研究方向，你要在这里面找具体的问题，那肯定涉及到一些相关的技术知识，那时候你去找、去学。在培养方案或者整个课程体系里，不可能面面俱到。这个时候只能后面研究阶段，我们自己再去探索。
微电子也好，搞AI也好，你是活到老学到老。因为它发展速度快，知识更新速度快，再加上你可能面临的问题都不一样，所以说需要不断学习。
Q
微电子专业学生，本科阶段主要参加哪些竞赛？
A
我觉得你如果要是将来进哪个老师的课题组，可以问一问他们都做哪些，竞赛应该是不少的。你们现在可以先把专业课基础打好，到了大二再进实验室看一看。因为很多竞赛可能还有交叉，比如说微电子和计算机还可以合在一起，做一个芯片，还有很多是电子信息类的，不一定说就是一个微电子的形式。
Q
快期末周时事情太多，在学习中感觉时间不够用，应该如何平衡自己的时间安排？
A
那这个就看你的能力，我觉得现在可能该熬夜的、该加班的都得加。人的潜力是无限的。而且跟高中相比，大学新知识的信息量太大了，对你们来说相当于一个知识的轰炸，知识掌握的熟练度也不像高中时要求得那么高，你们就把主要的东西掌握了就可以。再一个是要学会考试。该学的东西还是要学的，合理安排好时间。要有规划，安排好先做什么、后做什么；要有执行力，每天严格执行好计划，认真履行，就没问题。更重要的是在这个过程中养成良好的做事习惯，而不在于对具体知识的掌握度。
研究可以循序渐进，但很多时候你也得给自己点压力，督促自己前行。在这个基础上劳逸结合，别累坏了。知识不是一下子就要都学完的，也不是学完之后就都能拿去用的，而是一直不断地迭代，一直不停地学，因此培养自己的终身学习习惯最为重要。
Q
应该具有怎样的基本技能才能加入实验室？
A
电脑操作系统可以先熟悉Linux，这是基本的技能，是非常必要的。因为我们所有的开发、所有的软件，用的全是Linux上的。而且即便你做计算机AI软件，基本上也都是Linux的系统。还有比如Word、PPT这些基本的Office软件，画图软件比如Visio可以尝试。基本技能有了，行业的基本程序软件，再有我们说电路设计的那些软件的话，可能后面专业课来学，可以慢慢接触，一个一个来。
