📣 黑五价提前开抢|VIP一年通行证5折,蓝莓、Offer多多同步特惠
查看: 5575| 回复: 17
跳转到指定楼层
上一主题 下一主题
收起左侧

转专业ECE/BME PhD研究方向选择: Analog/RFIC还是Machine learning

全局:

注册一亩三分地论坛,查看更多干货!

您需要 登录 才可以下载或查看附件。没有帐号?注册账号

x
本科国内某211化工本科,现于某专业排名top5 BME读MS。MS中途对bioinstrumentation design (化工/BME与ECE的交叉方向)感兴趣,希望以后能读这个方向PhD。前几个月套磁时收到两个导师回信,一个是UCLA Analog/RFIC方向某冲锋期教授,研究方向是RFIC在neural recording/electrochemical sensing方向的应用;另一个是JHU BME某大牛教授,研究方向是signal processing和machine learning在BMI(脑机接口),motor control方向应用,两个导师感觉都很想收我(发Email秒回,还都看了我之前发的paper)

我现在在MS期间是做板级电路,PhD毕业后打算去医疗器械行业industry做研发,不走学术界(学术界感觉真心不合适...)。之前本来是想转analog IC,不过后来在学了一些machine learning/signal processing相关的课之后,开始对这两个方向都很感兴趣,所以不清楚(如果两个教授都给offers话)选哪个方向。由于是交叉学科+0基础转专业,我主要是考虑到一是哪个方向可能会更加凸显出我的优势、二是如果PhD工业界哪个方向更容易找到工作、薪水更高。对于Analog/RFIC,我感觉这个方向对基本功要求特别高。我本科不是学ECE,模电数电什么的都没学过,前个学期选的一些advance的电路课像analog IC design, power conversion circuit之类,由于没有本科模电数电基础,学起来感觉挺吃力的(并且我问过教授主要也是看中了我的交叉背景才想收我)。现在看paper时很大程度也只能重复前人的设计,而远没能达到说看一个电路就分析出它为什么要这么设计(设计思路、pros and cons)。但是由于我是因为没有本科的基础,因此无法确定我现在学习上的困难是因为缺乏基础还是我本身就不擅长电路设计... 而对于machine learning方向,可能是这个方向相对入门比较友好,因此学起来感觉没那么困难,并且起码我现在在做一些machine learning projects,看相关paper时起码是可以分析出它algorithm的思路。不过据说这个方向如果深挖对数学要求很高,因此也不能确定我是否就相比Analog IC更擅长machine learning... 其次就是PHD工业界就业哪个方向可能更容易找工作、薪水更高,analog IC designer还是data scientist?

有没有哪位前辈是对这两个方向有所了解的,能帮小弟分析一下呢?(另外不考虑转码......我感觉如果把coding作为工具可以接受,但码农真心当不了。。。)

第一次发帖,还请多多包涵...

上一篇:毕业大礼包寄到老地址丢了怎么办?
下一篇:four more years? For more years?
推荐
minc_我 2020-11-7 03:49:53 | 只看该作者
全局:
本帖最后由 minc_我 于 2020-11-6 11:51 编辑

本科CS转EE,读博RFIC转High speed IC的来给你Share一些Experience,仅供参考...
我觉得IC领域里面可以划分成这几类:
RFIC,设计模型几乎基于Linear Model的Z,Y,S parameter。这一类感觉相对于Analog要简单,你已经把Maxwell equations简化成Linear Matrix了,并且这个领域就算做Active module一般用到的Transistor数量也不多,目前越来越开始偏向软件自动化设计/优化了。所以这个部分想要深挖成为大牛的话,自己的Differential Equation能力要强,要会跑EM。还有就是你做Quantum Computer,但是必须得要公民身份。。
Analog IC, OP-AMP/OTA电路核心,Small signal model, gm, ro, noise的设计核心parameter。这个部分上手难,毕竟光DC bias和small signal model就已经很抽象了。但是一旦熟悉后,可以游刃有余地设计出满足各种spec的电路,所以一条路走到黑的话,上限也有限。但是现在在学术界,这个领域,延伸出了Subthreshold design(low power design),就是应用在Wearable device和BMI(Brain-Machine interface), Neural Link的Neural Amplifier就是这么做。如果不看,Low power electronics, 现在在业界,这方面的人在设计Audio Amplifier, Filter, Regulator,由于对速度要求不高,不吃制成的红利,Topology也是万年不变的,现在越来越朝着传统产业方面发展了。
Mixed Signal Design, 个人觉得就是整个IC Design的精华,无论未来数字化多么厉害,我觉得ADC(Analog to Digital Converter) and PLL(Phase Locked Loop)都无法取代。这部分,入门低,就像是Inverter, Logic Gate(Verilog Synthesized),你很快就知道是干什么的,P/N ratio该是多少,但是难精通. 你要有兴趣可以私聊我,我可以Quiz一些最简单电路的Tricky questions.这个领域目前既吃Process,也吃Experience,所以培养周期相对较长,一般PhD+5年 Industry可以摆脱入门.

所以我觉得你真要想两头都抓的话,我觉得至少可以有3种规划:
1. 重点专精Analog的Low power electronics design,加上Digital circuit design(写Verilog代码)和RFIC的chip antenna design(Passive components only),以后可以瞄准做Bio的IC公司
2.重点做RFIC的LNA,PA,VCO和Mixer,再做一些Mixed Signal的Front-end(high speed amplifier, slicer和MUX,这些High speed电路都没有Feedback),以后瞄准做Wireless Transceiver的公司(高通,博通)
3.重点做Mixed Signal IC(ADC, PLL, etc) ,想想看Stanford的Dr.Boris Murmann整个PhD就发了一篇关于ADC的论文,所以这个领域就值得你专注深挖一辈子。

综上的话,目前2和3薪水高,未来3可能会冲得更高一些(AI芯片),1偏低但是更好找教职,研究价值很高。

评分

参与人数 1大米 +1 收起 理由
Miraclen + 1 赞一个

查看全部评分

回复

使用道具 举报

推荐
 楼主| jasonchenlinx 2020-11-6 02:41:39 | 只看该作者
全局:
本帖最后由 jasonchenlinx 于 2020-11-6 02:45 编辑
swordever 发表于 2020-11-5 01:54
PhD in BME 现在做data scientist,经常用ML。博士期间组里就是做neural instrumentation的。

TLDR: 建 ...

那如果只考虑医疗器械行业industry(像Medtronic, Boston Scientific, GE这种),neural instrumentation相关研发方向(imaging除外,对imaging方向不太感冒...),是否也是ML/signal processing方向更容易找工作呢? 因为我并不想做纯ML算法或纯Analog/RFIC design,我感兴趣的还是希望能在RFIC或ML基础上同时结合生物应用(尤其是neural相关的应用),所以以后主要还是希望找医疗器械相关的工作。但是,我感觉如果纯粹只看医疗器械行业研发岗的话,做ML的貌似主要集中于imaging,与neural相关的很少,反而很多neural相关的研发岗基本都会招Analog/RFIC designer做neurla stimulation/recording chip,所以这样看下来貌似是有生物背景的IC designer反而会有更多工作机会?不清楚这是否只是错觉或我调查的不够全面,还是说这就是医疗器械行业现状...

PS: 的确是我周围BME转行找工作的朋友也都说ML机会更多,不过因为我感兴趣的主要还是医疗器械,所以如果优先只考虑医疗器械行业的neural instrumentation研发的话,是否还是ML会更有优势呢...
回复

使用道具 举报

🔗
superweaver 2020-11-4 05:58:57 | 只看该作者
全局:
本帖最后由 superweaver 于 2020-11-4 06:20 编辑

发paper 做教授


转码或者硬工都不好
你有化学功底 更应该走学术
做工程师真的没啥出路 搬砖的
打好基础 走学术 以后稍微做出点啥都能发财
回复

使用道具 举报

🔗
wsk4715 2020-11-4 08:56:10 | 只看该作者
全局:
我在国内硕士做的RFMEMS方向,和RFIC多多少少沾点边, analog也或多或少看过一点
不建议RF和analog方向, 一是就业问题, 二是这两个方向基本上文章就是奇技淫巧了
回复

使用道具 举报

🔗
arshun 2020-11-4 13:17:49 | 只看该作者
全局:
不建议RF相关  没有身份非常难进工业界

回复

使用道具 举报

全局:
如果是找工作看找工成功率,如果是看喜欢就就着喜欢的去,小马过河是也
回复

使用道具 举报

🔗
swordever 2020-11-5 01:54:45 | 只看该作者
全局:
PhD in BME 现在做data scientist,经常用ML。博士期间组里就是做neural instrumentation的。

TLDR: 建议往ML或者signal processing靠。

主要出于这么几个原因。
1. RF/Analog IC培养周期特别长,前途投入特别大。这个方向想做出点有意义的工作一定是要流片的,但整个流片的周期一般至少是一年。楼上也有人提过了,现在模拟电路能发的文章都发的差不多了,想在电路level搞出创新拼过别人很难。所以现在学术界基本都往系统上走,比如做集neural recording和neural signal processing/decoding于一体的mixed signal SoC,同时还要有很好的in vivo实验结果。这种规模的项目一般都是多人合作的,但自己能claim多少credit,比如发了文章能挂几作,得多想想。
2. 工作机会的考量。做RF/Analog能去的厂就那么几个,TI/ADI/高通之类的,还经常有身份的限制。相比之下做ML可以选择的机会就多很多。
3. 我自己不是学ML相关专业出身,以前也是学EE的,phd期间自己鼓捣了一些ML相关的项目加上找了个ML实习,最后也找到了全职。感觉有博士学位的以及phd课题相关的domain knowledge的加成,能尝试的ML相关的机会还是不少的,而且不需要说把ML研究到登峰造极才能怎么样,我也没有发过ML顶会。

总结一下,从我个人经验来说,做RF/analog比较看重平台,组里得有钱+好方向才有可能出好文章,但这些主要是对找学术界的工作比较有帮助。相比之下,做ML的话,哪怕这些条件都没有,靠自己也能折腾一点儿什么,毕竟有个电脑和显卡就能搞研究(或者刷题lol),出路的下限一般还是有保障的。
回复

使用道具 举报

🔗
 楼主| jasonchenlinx 2020-11-6 02:44:49 | 只看该作者
全局:

学术界感觉还是有点走不动lol 当然如果真能做出些什么然后走学术或自己开start up是最好,不过还是没有太大把握所以还是优先考虑industry吧...
回复

使用道具 举报

🔗
swordever 2020-11-6 03:33:19 | 只看该作者
全局:
jasonchenlinx 发表于 2020-11-6 02:41
那如果只考虑医疗器械行业industry(像Medtronic, Boston Scientific, GE这种),neural instrumentation相 ...

就限定在医疗器械这个领域内,比较ML和电路的就业,我个人感觉还是ML更容易一些。主要是从需求的角度来对比。ML相对比较新,在整个healthcare里近几年以及可见的未来需求还是比较大的。相比之下,做电路这块一直就比较稳定,而且医疗器械企业他们自己做芯片么?我不太确定,我感觉更有可能是跟专门的IC厂定制。毕竟医疗级别的芯片我感觉除了那个几个大IC厂之外没谁能做,当然可能是我的误解。

再一个就是近几年像是3M,medtronic对外国人的sponsor政策不太好。我博士UMN毕业的,像是Medtronic,3M这种都是本州内的企业了,按理说应该比较友好,但身边近几年毕业了去了这些企业的无一例外都是美国人或者有绿卡。

想做跟生物或者医疗结合的ML也不一定非得去医疗器械公司,很多药厂,biotech,医疗咨询,也都有类似的岗位。医疗器械,怎么说呢,感觉从就业岗位的规模来说还是比较小的,一定要做跟neural相关的芯片就更少了,甚至是没有,因为这块儿太核心,就一定会趋于保守,需要的人力自然就更少。
回复

使用道具 举报

🔗
alalululu 2020-11-6 19:17:44 | 只看该作者
全局:
建议前者。。。ML是不是有些太卷了
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册账号
隐私提醒:
  • ☑ 禁止发布广告,拉群,贴个人联系方式:找人请去🔗同学同事飞友,拉群请去🔗拉群结伴,广告请去🔗跳蚤市场,和 🔗租房广告|找室友
  • ☑ 论坛内容在发帖 30 分钟内可以编辑,过后则不能删帖。为防止被骚扰甚至人肉,不要公开留微信等联系方式,如有需求请以论坛私信方式发送。
  • ☑ 干货版块可免费使用 🔗超级匿名:面经(美国面经、中国面经、数科面经、PM面经),抖包袱(美国、中国)和录取汇报、定位选校版
  • ☑ 查阅全站 🔗各种匿名方法

本版积分规则

>
快速回复 返回顶部 返回列表