批改试卷

导师在这个学期教电子系本科基础课Electronic Circuits (电路)，一共有将近160个学生注册。按照教务处规定，考完试两周内要出结果。刚好实验室大多数人都在赶ISSCC的deadline，而我比较空闲，于是就被“抓”去批改试卷了。

我之前改过一次试卷，也是Electronic Circuits这门课。但那次是补考的学生，只有可能最多20多人。这次160份卷子，让我体会到批改试卷的“枯燥乏味”。

试卷一共有五道大题，我们一共有五个人批改，每个人负责批改一道题，审阅一道题。我负责的是相对简单的一道Bode图相关的题。160多人，满分很多，没写或者只得个位数分的也很多。其他人负责的比较难的题本科生的答题情况就不太乐观了，比如最后一道题，可能最高分也才得了6成。

因为改卷时间比较紧，我们周六周日加班改，算上第二周一，一共改了三天。周六的时候，导师还请客所有改试卷的人吃了Pizza。改到第二天的时候，其实已经记住答案、轻车熟路了。其实最后的给分并不是那么的精细，大多时候都会看几个关键的答案有没有算对。只要对所有学生同样的标准就可以了。

周一晚上，我看了所有的成绩汇总结果，100分的卷子，最高分只有76分。但是经过scaling，最终166个学生，16个满分（10%），67个不及格（40%）。

脑切片测试

我们组虽然研发电极阵列已经很久了，但上神经细胞或者组织（比如脑切片）的测试却是基本没有。组里的博后JFZ和UZH的一个博士约了老鼠脑切片的测试，机会难得。

可还是ISSCC得原因，这次准备脑切片测试的时间还是太短。因为要用到芯片/PCB并不是我设计的，所以我还要学测试代码怎么用。

HX准备了一个神经测试的PCB，MS则是用这次ISSCC投稿的电容阵列。期待的结果是，用信号发生器来让脑切片上的申请spike，然后用HX的PCB可以直接读到这些spike，而MS的芯片测到因为spike导致的电容变化。

这周确实自己也稍微有点懒，周四上午的测试，我周二才开始学习PCB和芯片的测试代码怎么用，而且我还要完成几个芯片的epoxy sealing。最后我发现HX的PCB输出有些震荡，所以就不打算用了。而MS的芯片正常工作，可是我周四早上出发之前又试了一次，不知道为什么突然不能正常工作了 = = ！

没办法，只能硬着头皮上了，就算测不出来，也要“装”做认真的样子展示自己这边的态度对嘛——毕竟准备一次脑切片是很不容易的。幸运的是，把所有仪器、连线和芯片搬到UZH连接好后，芯片突然工作又正常了，于是至少我们真的是在测试而不是“装样子”。

不过测试的结果不出意外的什么都没有测出来，原因可能有很多。但测试失败很正常，毕竟是第一次测试，就当积累经验了。不过UZH这个博士人很nice，通过这次测试，感觉和他建立了一个很好的关系。

当然通过这次测试，也意识到了很多，最大的感觉就是真的要和生物组合作的话，芯片测试流程还要有很大的优化。这次我们去测试大包小包带了很多仪器，非常不便携而且也占了试验台很多空间。更不用说测试代码写的很不明确，除了我这样有电路背景的人能懂，生物背景的人很难使用。最后还是提醒我们要和生物组多交流，测试过程中遇到了很多问题——都告诉我们应该怎么优化测试的流程，而这些now-how我们自己坐在实验室是想不出来的。

增加锻炼

坚持健身已经两个月了，除了刚开始体重下降的比较快，最近几周似乎进入了一个平台期。这怎么行呢，毕竟我是下定决心——在9月份体重要8开头。

于是我优化了一下自己的减肥计划。首先就是把每次健身的时间从半个小时增加到一个小时，但是频率从每天健身到一周4次。第二就是增加力量训练，我现在的选择是自重训练，比如俯卧撑、仰卧起坐等。第三就是中午吃的丰盛一些，而晚上不要吃饭，或是只吃一些水果。

执行这个计划到现在快两周了，效果还是不错，很快的打破了之前的平台期，体重再一次缓慢下降了。希望自己能够在10月底回国的时候能减到88左右。继续坚持！

科研中使用ChatGPT

ChatGPT自从2022年底横空出世，使用的人越来越多，而我也订阅了ChatGPT Plus。

这次芯片测试是我第一次使用ChatGPT做文章润色或是brain-storming之外的工作——生成代码。

因为芯片的测试代码是用python代码写的，而一些数据准备或是后处理确是在MATLAB里写的。同时，因为芯片仿真是要用到一种专用数据格式，而MATLAB生成的文件并不符合这种格式。所以我对ChatGPT的需求就是——翻译代码。

具体下来ChatGPT需要帮我完成的任务大概有三个：1）将最终芯片测试生成的数据文件转换成符合仿真软件输入的格式；2）生成一些测试代码，做一下sanity check；3）将所有MATLAB代码转换成Python代码。这样能让测试流程更流畅。

我使用的是最新的ChatGPT 4o模型。前两个任务完成的很好，确实能省去我编写代码所需要的事件。但是比较坑的是第三个任务。ChatGPT生成的代码看起来都是对的，在IDE里运行也没有任何的报错，包括生成的文件（都是二进制）也几乎都是对的。但是我测试芯片却一直看不到输出。我起初以为是自己的packaging有问题，于是又package了一个新的芯片，但还是没有输出。最终我不得不怀疑——有没有可能ChatGPT生成的代码又问题呢？

经过仔细查看输出文件，我发现确实ChatGPT生成的代码有一些小错误。代码生成的二进制控制文件可能98%都是对的，但有2%左右的输出是错误的。也就是这2%的错误让芯片的测试一直失败……

最后删掉了ChatGPT生成的Python代码，而用之前的MATLAB代码生成控制文件，果然一下就测试成功了。

通过这一个在科研中使用ChatGPT的小尝试，我认识到了ChatGPT的强大之处，但也了解到了其局限——ChatGPT现在好像还是不能用在一些比较严肃的项目上。像我这样的小项目出错还比较好排查，如果ChatGPT在生成的一个大项目中犯了一个小错误，那么排查这个小错误的成本可能会非常之大。

当然，ChatGPT在润色文章方面，尤其是比较“八股”的科研论文方面是很强大的。以下就是ChatGPT对这篇博客文章的润色——很不错，虽然感觉有些太“正式”了。

批改试卷

这学期，导师教授电子系本科的基础课程《电子电路》（Electronic Circuits），共有近160名学生注册。按照教务处的规定，考试结束后两周内必须提交成绩。恰巧实验室里的大多数成员正忙于赶ISSCC的截稿日期，而我相对空闲，因此被“安排”去协助批改试卷。

之前我也批改过一次试卷，不过是补考，只有二十多人。这次面对160份试卷，我真切体会到了批改工作是何等的“枯燥乏味”。

试卷共分五道大题，我们五个人分工合作，每人负责批改一道题。我负责的是相对简单的Bode图相关题目。160多份试卷中，满分的有不少，答得很差的也不少。相比之下，其他人负责的较难题目，学生的答题情况就不太理想，尤其是最后一道题，最高分也只得了60%。

由于时间紧迫，我们在周末加班，连同第二周的周一，一共用了三天完成了所有批改工作。周六时，导师还请我们吃了Pizza。在批改的第二天，我对答案已经非常熟悉，批改效率也大大提升。最后的给分并不精细，大部分时间只需要核对几个关键答案是否正确。只要对所有学生采用统一标准即可。

周一晚上，我查看了成绩汇总情况。卷面满分为100分，最高分为76分。经过调整后，166名学生中，16人满分（约10%），67人不及格（约40%）。

脑切片测试

虽然我们实验室在电极阵列方面的研究已经进行了很长时间，但针对神经细胞或组织（例如脑切片）的测试却几乎没有。这次，组里的博后JFZ和UZH的一位博士安排了老鼠脑切片的测试，机会非常难得。

然而，由于ISSCC的压力，这次准备时间非常紧张。所用的芯片和PCB并非我设计，因此我需要学习测试代码的使用。HX准备了一个用于神经测试的PCB，MS使用的是这次ISSCC投稿的电容阵列。我们预期用信号发生器刺激脑切片产生spike信号，HX的PCB可以直接读取这些spike，而MS的芯片则测量由spike引起的电容变化。

坦白说，这周自己有些懒散，直到周二我才开始学习测试代码，同时还要完成几个芯片的环氧封装。在测试前，我发现HX的PCB输出有些震荡，因此决定不用。MS的芯片虽然一开始工作正常，但在周四早上出发前再次测试时，突然出现问题，无法正常工作了= =！

无奈之下，我只能硬着头皮上阵。即使无法测出结果，也要展现出认真的态度。幸运的是，当我们把所有设备、连线和芯片搬到UZH后，MS的芯片奇迹般地恢复了正常。至少这次我们确实在进行测试，而不仅仅是“装样子”。

测试结果不出意外，什么都没测出来。原因可能有很多，但第一次测试失败很正常，当作积累经验了。不过，通过这次测试，我和UZH的博士建立了不错的关系。

这次测试让我意识到，如果要与生物组进一步合作，芯片测试流程还需要大幅优化。我们这次带了很多设备，既不便携，还占用了大量实验台空间。更不用说测试代码写得不够明确，除了我这样的电路背景人员，生物背景的人员很难理解。此外，测试过程中遇到的许多问题，都提示我们应该如何改进流程，而这些经验是我们坐在实验室里想不出来的。

增加锻炼

我已经坚持健身两个月了。虽然刚开始时体重下降较快，但最近几周似乎进入了平台期。这可不行，毕竟我下定了决心——在9月份让体重以“8”开头。

于是我对减肥计划进行了优化。首先，把每次锻炼的时间从半小时增加到一小时，频率从每天调整为每周四次。其次，增加力量训练，主要进行自重训练，如俯卧撑、仰卧起坐等。第三，中午吃得丰盛些，晚上则减少进食，只吃水果或不吃饭。

执行这个计划已经快两周，效果很明显，成功突破了平台期，体重开始再次下降。希望在10月底回国前，能将体重减到88公斤左右。继续加油！

科研中使用ChatGPT

自从ChatGPT在2022年底问世以来，它的使用者越来越多，我也订阅了ChatGPT Plus。这次芯片测试是我第一次在文章润色或头脑风暴之外，使用ChatGPT进行代码生成工作。

由于测试代码是用Python编写，而一些数据准备或后处理则是用MATLAB完成的。而芯片仿真需要一种专用的数据格式，而MATLAB生成的文件并不符合这个格式。所以，我的需求就是让ChatGPT帮助我转换代码。

ChatGPT帮我完成了三项任务：1）将芯片测试生成的数据文件转换为符合仿真软件输入的格式；2）生成一些测试代码，进行基本的验证；3）将所有MATLAB代码转换为Python代码，从而使测试流程更加流畅。

我使用的是最新的ChatGPT-4模型。前两个任务完成得非常好，确实节省了我编写代码的时间。然而，第三个任务就有些“坑”了。ChatGPT生成的代码看起来没有问题，运行时也没有报错，生成的文件几乎都正确。然而，测试芯片时却一直没有输出。起初我以为是封装问题，于是重新封装了一个芯片，但依然没有输出。最后，我怀疑是ChatGPT生成的代码出了问题。

仔细检查输出文件后，我发现ChatGPT生成的代码确实存在一些小错误。虽然98%的输出是正确的，但2%左右的错误导致了测试的失败。

最终，我删除了ChatGPT生成的Python代码，改用之前的MATLAB代码生成控制文件，果然一下就测试成功了。

通过这次尝试，我意识到ChatGPT在科研中的强大潜力，但也了解了它的局限性——目前它还不能完全应用于一些比较严肃的项目。像我这样的小项目出错还比较容易排查，但在更大的项目中，如果ChatGPT生成的代码存在微小错误，排查的成本将非常高。

当然，ChatGPT在文章润色方面非常强大，特别是在处理“八股文”风格的科研论文时表现出色。以下就是ChatGPT对这篇博客文章的润色——虽然感觉有点正式，但效果的确不错。

（2024.09.14 苏黎世）