模拟电子技术应用及... 探索新工科人才培养新路径，河南工业大学国家一流课程《模拟电子技术》实施D-SMART多模态教学法|上海羊羽卓进出口贸易有限公司

探索新工科人才培养新路径，河南工业大学国家一流课程《模拟电子技术》实施D-SMART多模态教学法

□吕宗旺

根据河南工业大学办学定位、电子信息工程专业人才培养要求、《模拟电子技术》课程的课程目标，结合电子信息工程专业基本学情、新工科能力培养基本要求、《模拟电子技术》课程特点、学生在学习本课程过程中存在的难点问题、企业产品开发和科学研究工作流程，河南工业大学第二批国家一流本科课程《模拟电子技术》实施D-SMART多模态教学法。

针对“学校培养的人才和企业需求的人才严重脱节”“重理论轻实践教学导致理论与实践严重脱节”“考核评价单一与学生学习积极性不高并存”等突出问题，《模拟电子技术》课程围绕基于OBE理念的新工科人才闭环式“学习-设计-创造-实现”（LDCA）能力提升教学理念展开教学，在课程设计上总体采用D-SMART（D：Design，根据学生需求逆向设计教学；S：Science，培养学生的科学思维和企业思维方法；M：MethodandModel，重点讲授学习方法、分析方法和电路模型；A：Assess，多元化过程性评价；R：Retelling，学生提出的没有掌握的知识点重复讲解；T：Teaching，组织学生互教，开放分享）教学法进行教学，同时对本课程的教学内容、方法、评价进行了创新。

重构教学内容。教学内容由单纯知识点教学转变为基础知识点、课程思政元素、工程实际项目和科研训练项目相结合的教学，提高学生对知识点的清晰认识，实现学生知识、能力到素养的蜕变。项目式教学的实施，解决了学生心中的“学习模拟电子技术有啥用”“学习好模拟电子技术怎么用”“怎么用好模拟电子技术知识”等疑问。根据D-SMART工程实际项目教学法（D：设计方案选择；S：电路仿真；M：电路制作与实现容易出现的问题；A：项目题目及仿真实现对比分析；R：项目报告撰写；T：项目测试方法）进行工程实际项目存在主要问题的讲解，锻炼了学生的设计思维能力，同时工程实际项目融入课程思政元素，培养学生正确的科学思维方法和企业思维意识，培养了学生的企业素养等，实现学生从知识、能力到素养的升华。

创新教学方法。实施D-SMART科研训练教学法，提高学生理论基础和动手实践能力。学生通过电路设计、仿真、制作与调试、结果分析、撰写项目报告和测试等实践环节提高理论与实践相结合能力；通过D-SMART（D：Design，电路设计；S：Simulation，仿真；M：Make，制作调试电路板；A：Analysis，对比分析；R：Report，撰写项目报告；T：Test，项目测试演示）科研实践教学法，实现了实践对理论知识的验证，解决了理论与实践严重脱节的问题，提高了学生的团队协作意识。任课教师针对“D-SMART”教学法的六个维度给学生讲授实际项目及外延知识，促进了学生对企业实际项目开发流程的深入了解，培养了学生跨学科思维和动手思维能力，提升了学生新工科的创新和跨界能力，解决了学校人才培养与企业脱节的问题。

创新教学评价。采用综合性、过程性评价方式，每个评价环节都制定了明确的针对培养目标的量化评价办法。期末考试占比50%，平时成绩50%。在平时成绩中，PBL科研训练环节、实验占总成绩的25%，课程音视频占平时成绩的12.5%，线上线下作业、章节测验占平时成绩的10.0%，讨论和阅读占的2.5%。针对科研训练题目，通过方案设计、仿真结果、制作效果、结果分析、项目报告和项目测试等环节进行综合评价。多元化过程性评价方法，增加了课程的挑战度，提高了学生的学习积极性。

图1 教学改革前后学生综合评价成绩对比曲线（2021级采用线上考试除外）

图2 电子设计竞赛参赛及获奖情况

图3 蓝桥杯竞赛参赛及获奖情况

本课程自2019年（2018级）开始实施D-SMART多模态教学模式改革，对比改革前后最近五个学年的学生综合评价数据，改革成效显著，见图1。学生不及格率显著下降，优良率有所下降，而60分～79分的学生比例有了较大的提高，学生成绩的分布充分体现了学习积极性的提高，同时也体现了课程的高阶性和挑战度。电子设计竞赛和蓝桥杯竞赛获奖人数逐年上升，由此可见学生创新和实践能力得到了显著提升。

课程负责人在课程建设、教材建设、教研项目和教研论文等方面都取得了显著成果。2019年6月主持河南工业大学“线上线下混合教学模式课程”，开始实施D-SMART科研训练项目式教学；2019年12月本课程认定为河南工业大学一流本科课程；2021年5月本课程认定为河南省一流本科课程；2021年11月本课程认定为河南工业大学课程思政样板课程；2022年6月主持河南省虚拟仿真实验项目“多模态3D孪生式模拟电路设计虚拟仿真实验项目”，教高〔2022〕204号，并于2023年9月结项；2023年3月本课程立项河南省专创融合特色示范课程；2023年5月本课程认定为国家一流本科课程；2023年12月本课程认定为河南省课程思政样板课程；2023年9月课程负责人主编正式出版教材《电子系统综合实践》；2023年8月课程负责人主编正式出版教材《单片机与嵌入式系统》；2023年11月立项建设河南省新形态教材《嵌入式系统原理及应用》；主持河南工业大学高等教育教学改革研究项目，电子信息工程专业教育与创新创业教育融合模式研究与实践，2019.01-2019.12，已结项；负责完成国家新工科研究与实践项目“地方高校新工科人才创意创新创业能力培养路径探索与实践”，项目号：E-CXCYYR20200937，2021.01-2023.11，已结项；主持河南省高等教育教学改革研究与实践项目“高校大学生就业创业能力提升培养体系构建研究与实践”，项目号：2021SJGLX1013，2021.01-2023.12，已结项；主持完成河南工业大学教育科学规划课题“地方高校大学生就业创业能力提升培养体系构建研究”，项目号：29400052，2023.01-2023.12，已结项；主持河南省本科高校产教融合研究项目“面向电子信息产业的产教融合四位一体化双创平台研究与实践”，2024.01-2025.12，在研。

北大团队开发新型模拟计算电路，实现微秒级一步求解压缩感知还原

近期，北京大学孙仲研究员课题组在模拟计算领域取得重要突破，基于忆阻器（又称阻变存储器）阵列，成功实现了在微秒级一步求解复杂的压缩感知还原问题。

在该研究中，他们首先设计了一步实现“矩阵-矩阵”乘法的存内模拟计算单元，并基于该单元构建反馈回路，实现连续时间内一步还原压缩感知信号。

研究人员利用该电路在实验中还原了一维稀疏信号、二维彩图和核磁共振影像，其归一化均值误差低至 0.01，图片的峰值信噪比达到 27dB。在求解速度上，该电路比深度学习等数字计算方法快 1 至 2 个数量级。

孙仲表示：“我们的新方法最大的优势是速度极快，目前在实验上能够实现几微秒求解压缩感知还原。如果用带宽更宽的运算放大器，则能够在纳秒量级完成。在进行图片或影像还原时，可能最终时间只需要几毫秒。”

同时，该方法优于其他的电子或光子模拟计算方案，为压缩感知终端设备的实时信号处理提供了一种全新的解决方案，有望促进实现先进的医疗、通信和图像处理技术，例如核磁共振成像及信道估计。

“我们的电路解决的是稀疏近似的问题，在信道估计方向，可通过追踪信道实时更新信息，为提升未来 5G、6G 无线服务的质量提供可靠的预测方法。”孙仲说道。

图丨相关论文（来源：Science Advances）

近日，相关论文以《实现一步还原压缩感知的存内模拟计算方案》（In-memory analog solution of compressed sensing recovery in one step）为题在 Science Advances 发表[1]。北京大学博士生王识清为论文第一作者，孙仲为论文通讯作者。

图丨孙仲（右）与王识清（来源：该团队）

压缩感知还原涉及复杂的矩阵计算和非线性元素操作，在数字计算机中具有很高的计算复杂度。

近年来，基于新型计算范式的压缩感知还原计算加速得到了一些研究进展，但这些方案往往依赖于数字域的矩阵预计算，或离散时间的迭代计算。实际上，这些方案并没有降低计算复杂度，这些因素可能会引起额外的模数转换成本。

因此，一步实现压缩感知还原是一项巨大的挑战。孙仲解释说道：“在我们的研究开始之前，最多是用忆阻器阵列做出一个矩阵-向量乘法，而矩阵-矩阵乘法则被认为是不可能实现的。”

图丨用于一步求解压缩感知还原的内存模拟电路（来源：Science Advances）

为了解决该问题，该团队首先巧妙地设计了一种一步实现“矩阵-矩阵-向量”乘法的模拟存内计算单元，从而避免了以往研究中离散迭代或矩阵乘法的预计算的操作。

在此基础上，研究人员从求解的动力学方程出发，基于忆阻器阵列构建存内模拟计算电路，将该单元与其他模拟元件连接形成反馈回路，包含局部反馈或全局反馈，准确地映射相应的算法，从而实现了无需预计算、无需迭代的一步求解压缩感知还原。

实验中，研究人员首先通过标准的半导体工艺制备了忆阻器阵列，并基于该阵列构建了所设计的压缩感知还原电路。将压缩感知得到的信息转化为电压信号输入到电路中，电路的输出端即可输出还原的原始信号。

图丨在实验中还原一维稀疏信号、二维彩图和核磁共振影像（来源：Science Advances）

值得关注的是，在该研究中，图片的峰值信噪比达到 27dB。现在，已经有较多研究基于忆阻器阵列作为神经网络加速器。但不可忽视的是，忆阻器阵列由于存在噪声，会导致计算精度的问题。

孙仲指出，“我们之所以在信噪比方面取得较好的效果，是因为在压缩感知还原中包含了非线性操作，能够压制噪声，让它具有容错性，这一点和神经网络类似。”

另外，研究人员用模拟计算的方法对图片进行还原，对比结果显示，功耗为传统模拟器件的 2%；以专用数字电路进行比对，该方法的功耗为数字电路的三分之一。

一位了解该研究的专家认为，这个想法新颖而迷人。尽管他们使用的阵列尺寸很小，包括器件制造、电路设计和分析在内的结果证明了他们提出的方法的潜力和可行性。毫无疑问，这项研究有望在未来扩大阻变存储器的应用范围。

另一位专家则表示：“我喜欢这种紧凑的设计，也很欣赏减少模数、数模转换的想法，我认为该电路可能（对于某些应用）会有帮助。”

图丨DeepTech 2022 年“中国智能计算科技创新人物”入选者孙仲（来源：DeepTech）

近年来，孙仲与团队原创性地提出模拟矩阵计算技术，发展了相关基本理论，深入研究了其独特的计算复杂度问题，并完成了实验室阶段的电路验证，研究成果连续多年被写入国际电子器件与系统发展路线图。

凭借以原创、变革性的硬件计算范式，为智能计算相关行业中广泛的矩阵计算提供一种极致的加速技术，孙仲成为 DeepTech 2022 年“中国智能计算科技创新人物”入选者之一。

接下来，孙仲计划带领课题组进一步扩大阵列规模。“我们后续将集中解决大规模集成的问题，希望实现模拟计算电路集成，从而推动真正的应用。”

参考资料：

1.Wang,S. et al. In-memory analog solution of compressed sensing recovery in one step. Science Advances 9,50(2023). https://www.science.org/doi/10.1126/sciadv.adj2908