在職場中如何培養創新思維?

芯片研發人員,授權發明專利40+,聊聊技術層面的創新,

創新的本質,是舊有知識的創造性組合

不存在無中生有的創新

你必須建立本領域的知識體系,對過往各種創新,爛熟于心,才有可能產出新idea

換言之,在某個細分領域,認知顆粒度足夠精細,才有可能創新,

何為認知顆粒度?

以器件結構類專利,進行說明,

這類專利針對某種已有的器件,通過結構上的微創新,獲得某些有益效果

比如碳化硅TMOS,典型結構是在柵極區域挖槽,將柵電極做到半導體材料內部。

在此基礎上,衍生出一大堆改進結構,比如ROHM的源極區域挖槽、Infineon的不對稱屏蔽、住友的接地雙掩埋等等。

?

?

這些改進的idea是如何產生的?

尋找問題至關重要

已有的器件結構尚存在哪些問題?

以VDMOS為例。

擊穿特性與導通特性的折中能否進一步提升?

短路能力與導通特性的折中能否進一步提升?

開關損耗與導通損耗的折中能否進一步提升?

諸如此類的問題,不計其數。

往深了想,如何識別這些問題?

細化對器件認知的顆粒度

顆粒度越細,越有可能產生更多的想法

比如,你的目標是降低器件的導通電阻Rdon。

初學者往往無意識地將Rdon看作一個整體,這顆粒度太粗糙,看不到問題,理所應當。

如果將顆粒度細化,會發現,

自上而下,器件的電阻成分包括歐姆接觸電阻、溝道電阻、JFET區電阻、漂移區電阻和襯底電阻,你的idea針對哪一部分?

?

如果是歐姆接觸電阻,那就要考慮改變金半接觸的材料?增大歐姆接觸的面積?調整歐姆退火的條件?

如果是溝道電阻,那就要考慮是積累型溝道還是反型層溝道?是提升遷移率還是減小溝道長度?

如果是漂移區電阻,那就要考慮是否利用電導調制效應?或者引入超結結構?

每個參數背后,都藏有無窮的細節,果殼之中,亦有宇宙。

面對最普通的參數Rdon,初學者的心中波瀾不驚,進階者的腦海已轉過萬千思緒。

學得越深,你看到的細節越紛繁、越龐大。

化繁為簡,是統領全局的戰略能力。由簡入繁,是深耕細作的戰術能力

了解認知顆粒度的重要性,下一個問題是,

如何在日常學習中,逐漸細化認知顆粒度?

有人說,多讀文獻、多看資料、多聽網課,

這些,都是輸入,學習效率太低

我的體會是,

按照費曼學習法的邏輯,形成“輸入→思考→輸出”的學習流程,將其內化為自身習慣,

關鍵,是思考和輸出,

?

圖片來源:網絡

三年前,每看一篇文獻或專利,我都會做一頁PPT

無論多么復雜的文獻專利,都逼著自己,選擇最重要的信息,用自己的邏輯,串成自圓其說的故事,展示在一頁PPT內。

什么叫自圓其說的故事?

A是這PPT的觀眾,A的研究方向與自己離得越遠,看懂這故事的難度越大。

最好的故事,可以讓風馬牛不相及的研究者,也能看懂其中的邏輯

在身邊人里,找一個假想觀眾,不用選你的同門,甚至不必是研發人員。

我的假想觀眾,便是公司總經理

他了解技術,但已經沒有太多時間關注各個方向的技術細節。

做每一頁PPT,我都會想象自己坐在會議室,向總經理介紹這篇文獻背后的故事

作者想解決什么問題,采用哪種思路,做了哪些實驗,得到哪些結果,尚有哪些不足……

想經得住追問,就得對每頁PPT精雕細琢,梳理出令人信服的邏輯鏈

如此堅持一段時間,積累幾十頁PPT,發現效率提升不少。

一是查找非常方便,哪天突然想到某篇文獻里的某個點,就在這里查詢,

二是會加深印象,用自己的語言,組織一篇文獻的精華,的確會記得更久。

今年以來,又覺得,某些復雜的文獻,一頁PPT實在難以呈遞所有高價值信息

于是嘗試另一種玩法,對這些文獻,進行解讀,

這份功率器件文獻專欄,也是費曼學習法的最新應用,

希望通過我的解讀,將晦澀的專業文獻,轉換成可讀性更強、卻又不失其內在邏輯的作品

為什么要建立專欄,定期更新?

因為要通過這種方式,逼自己交付作品

小結:

技術領域,如何培養創新思維?

答:在某一細分領域,細化認知顆粒度

如何細化認知顆粒度?

答:按照費曼學習法的邏輯,建立“輸入→思考→輸出”的學習流程,內化為自身習慣。

堅持一年半載,idea自會從心底涌現。

關注@晏小北?,理解芯片與經濟~

?

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/pingmian/87801.shtml
繁體地址,請注明出處:http://hk.pswp.cn/pingmian/87801.shtml
英文地址,請注明出處:http://en.pswp.cn/pingmian/87801.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

設備健康管理平臺功能深度對比:中訊燭龍如何以預測性維護重構工業運維范式?

全球制造業因非計劃停機每年損失超千億美元?,而搭載預測性維護系統的企業,設備可用率可提升至99.8%??。 在工業4.0與智能制造浪潮下,設備健康管理平臺已從“可選工具”升級為“核心生產力工具”。面對市場上功能繁雜的解決方案&#xff0c…

YOLOv11 架構優化:提升目標檢測性能

YOLOv11 作為目標檢測領域的最新成果,其架構優化是提升性能的關鍵。本文將詳細探討 YOLOv11 的架構改進,以及這些改進如何幫助模型在實時應用中實現更高的準確性和效率。 一、架構改進 (一)C3K2 塊 C3K2 塊是對 CSP 塊的增強&a…

特別放送:關于一個無法修復的系統級Bug

大家好,我是阿威。 熟悉我的朋友都知道,我的博客基本只聊三件事:代碼、架構和偶爾的職業生涯吐槽。但今天,我想破個例。起因是上周熬夜排查一個線上問題,一個分布式系統,流量洪峰一來,某個下游…

云原生-集群管理

1.集群管理命令:a.如何管理集群?-kubectl是用于控制Kubernetes集群的命令行工具b.語法格式:-kubectl [command] [TYPE] [NAME] [flages]command:子命令,如create、get、descrbe、deletetype:資源類型&#xff…

基于Linux下的vscode c/c++開發環境搭建詳細教程

vscode是文本編輯而非集成開發環境,需要經過配置才能在其上編譯執行代碼。本教程將具體詳解在linux上配置Visual Studio Code使用GCC C 編譯器(g)和GDB調試器的方法(GCC是GNU 編譯器集合,GDB則是 GNU調試器&#xff09…

【EGSR2025】材質+擴散模型+神經網絡相關論文整理隨筆

MatSwap: Light-aware material transfers in images 介紹任務:輸入一張拍攝圖像、示例材質紋理圖像(這里跟BRDF無關,通常我們講到材質一般指的是SVBRDF,但是這里的材質指的只是紋理)、用戶為拍攝圖像指定的遮罩區域&…

WebRTC 雙向視頻通話

WebRTC 雙向視頻通話 一、項目概述 WebRTC(Web Real - Time Communication)是一種支持瀏覽器之間進行實時通信的技術,它使得在網頁上實現音視頻通話、文件共享等功能變得更加容易。為了體驗這個技術,所以我實現了webrtc - local…

Paimon lookup核心過程:分級查找、二分和緩存創建

LookupLevels LookupLevels 在 Paimon 中扮演著**“帶緩存的、基于 Key 的數據查找引擎”**的角色。它的核心使命是:當需要根據主鍵(Key)查找某條數據時,能夠高效地在 LSM-Tree 的多層(Levels)數據文件中定…

Ruby大會演講實錄:Baklib 如何用 AI 重構內容管理賽道

“2015 年成都 Ruby 大會時,我們還在做大數據項目;2025 年的今天,Baklib 已服務 800 多家企業。” 在 RubyConf China 2025 的演講臺上,Baklib 創始人Song以十年對比開篇,講述了從技術愛好者到企業服務創業者的蛻變&am…

408第三季part2 - 計算機網絡 - 傳輸層II

理解第一次和第二次握手是不能攜帶數據,只能消耗一個序號后面揮手也有第一次和第三次題目建立連接是1000,FIN揮手是5001,這兩個是不會帶數據的所以字節數范圍是1001-50005000-10011 4000c再次理解還可以叫快速重傳題目服務器想要100確認號客…

揭秘圖像LLM:從像素到語言的智能轉換

圖像LLM是怎么工作 圖像LLM(多模態大語言模型)的核心是將圖像轉化為語言模型能理解的“語言”,并與文本深度融合。以下結合CLIP、DALL-E、GPT-4V等主流模型,通過具體例子說明其工作機制: 一、圖像→特征向量:從像素到“密碼” 例子:識別“戴墨鏡的貓” 視覺編碼器提取…

十、K8s集群資源合理化分配

十、K8s集群資源合理化分配 文章目錄 十、K8s集群資源合理化分配1、K8s 資源限制 ResourceQuota1.1 什么是ResourceQuota?1.2 ResourceQuota通常用于如下場景:1.3 基于租戶和團隊的資源限制1.4 基于命名空間的資源限制 2、K8s 資源限制 LimitRange2.1 設…

Android 13 設置界面會判斷當前屏幕的大小,如果是大屏,則為左右屏顯示

1.前言 在13.0的系統rom定制化開發中,在某些時候,在大屏設備中,設置新增了左右分屏的功能,就是 左邊顯示主菜單,右邊顯示一級菜單的功能,某些情況下不需要,接下來關閉這個功能 2.設置界面會判斷當前屏幕的大小,如果是大屏,則為左右屏顯示的核心類 packages/apps/Sett…

算法學習day15----藍橋杯--進制轉換

python代碼:def jinzhizhuanhuan(x, n):ans 0while x > 0:ans x % nx // nreturn ans sum 0 for i in range(1, 2025):if jinzhizhuanhuan(i, 2) jinzhizhuanhuan(i, 4):sum 1 print(sum)雖然結束了期末周,但是又變懶了不少,水一個先…

OpenStack擴展

一、OpenStack (開源云計算管理平臺)的核心服務組件及功能計算服務(Compute - Nova)功能:是 OpenStack 計算資源管理的核心組件,負責虛擬機實例全生命周期管理,像實例的創建、啟動、暫停、遷移、…

【LeetCode 熱題 100】41. 缺失的第一個正數——(解法二)原地哈希

Problem: 41. 缺失的第一個正數 題目:給你一個未排序的整數數組 nums ,請你找出其中沒有出現的最小的正整數。 請你實現時間復雜度為 O(n) 并且只使用常數級別額外空間的解決方案。 【LeetCode 熱題 100】41. 缺失的第一個正數——(解法一&am…

C#上位機之Modbus通信協議!

文章目錄前言一、Modbus概念二、使用步驟1.使用Modbus準備2.使用步驟三、Modbus RTU 與 Modbus ASCII對比前言 Modbus通信協議! 一、Modbus概念 從站設備編碼(從站地址、單元ID),一主多從。 存儲區:0-線圈狀態、1-輸…

前后端分離架構下的跨域問題與解決方案

在現代Web開發中,特別是隨著前后端分離架構的普及,跨域問題成為了開發者必須面對的一個重要議題。本文將詳細介紹什么是跨域問題、其產生的原因以及如何從前端和后端兩個角度來解決這個問題,并提供一些實用的代碼示例。一、跨域問題概述1. 定…

搜索數據建設系列之數據架構重構

導讀 主要概述百度搜索業務數據建設的創新實踐,重點圍繞寬表模型設計、計算引擎優化和新一代業務服務交付模式(圖靈3.0開發模式)三大方向,解決了傳統數倉在搜索場景下面臨的諸多挑戰,實現了搜索數據建設的高效、穩定、…

2025年滲透測試面試題總結-2025年HW(護網面試) 29(題目+回答)

安全領域各種資源,學習文檔,以及工具分享、前沿信息分享、POC、EXP分享。不定期分享各種好玩的項目及好用的工具,歡迎關注。、 目錄 2025年HW(護網面試) 29 1. 樣本分析思路 2. Linux GDB分析樣本示例 3. 應急案例:WebShell后…