Electronics, Example 7

 Use A* to design a class AB amplifier.

The first stage is class A. the second is class B. freq response cut off at 10Hz and 25 KHz

artifact (share)

schematic enhanced by Gemini 3.0 Pro

artifact enhanced by Claude (share)

Electronics, Example 6

 

Design a Two-Stage BJT Amplifier

Use A* search for optimization. optimal schematic

share

Performance metrics (share)

Electronics, Example 5

 

Two-Stage Amplifier Analysis

Solve for the gain, plot frequency response.

Source

Schematic

colab optimized (share)

Can we be more accurate with cut-off freq? Yes, use transfer function.  (based on AIStudio)

Opus 4.6 extended. exact, transfer function, −3 dB crossing at 77 Hz, parameters as above original

Gain is 7943=78.0 dB considering Early voltage. 8511=78.6dB ignoring it.

exact transfer function vs. factored transfer function

bypass 47, coupling 10 micro F

(gain approximate)

_________________________________________________________________________

• Artifact, Share (Cπ2=15 pF, Cμ2=3pF). Result: freq response, gain=8513, low cut off=46.5 Hz, high cut off=312kHz
• Gemini: Result gain=8509, low cut off=46.5 Hz, high cut off=296 kHz @Cπ2=15 pF, Cμ2=3pF (good match!)

Compare

• Artifact, Share. Result: gain=8559 (Hybrid-π Model, With bypass capacitors, without ignoring base current loading effects)
• Artifact. Result: gain=9460 (Ignored base current loading effects)
• comprehensive comparison simplified, do not ignore bias network, do not ignore base current

Electronics, Example 3

 

Solve for the gain. Plot frequency response for the following  amplifier circuit.

exact solution

why C_mu<C_pi

Miller approximation error since it ignores pole interaction effects

share (Av=-2.31, Lower Cutoff 20 Hz, Upper Cutoff 10.46MHz)

Analysis with Cπ = 22.1 pF, Cμ = 3.0 pF

Electronics, Example 2

 

Amplifier Circuit Analysis

Solve for the gain, plot freq response.

Share (Source)

Opus 4.6 extended (share)

share (Claude running Python internally on VM)

.

---

• Hybrid-π Model, With bypass capacitors, without ignoring base current loading effects on bias networks, Av=-165 (Share including frequency response).
• -194 for Vc vs. Vbase, Ibase ignored (Share)

Gemini 2.5 Pro gain & lower cut off freq match Claude, 4kHz

Electronics, Example 1

 Solve for the gain. Plot frequency response for the following amplifier circuit.

Source

schematic

Opus 4.6 extended

Topology change, more realistic implementation

opus 6 extended

_______________

History

AI Model Results:

• Grok 4: Share Link (considers parasitic capacitance Cπ ≈ 50 pF, Cμ ≈ 2 pF) - gives (188 kHz)
• Claude: gives 188 kHz, 
• ChatGPT 5: Share Link gives 187 kHz
• Gemini 2.5 Pro: Share Link gives 188 kHz

Note: Lower cut-off comes from coupling capacitors (not shown here). assuming 1.0 μF

Generate professional grade Bode plot.

generate professional plot using Matplotlib

Bode plot

React (Claude) - Python w/Matplotlib -  - Colab - Bode plot

Colab

Bode plot 

1. React (Claude) - AIStudio - Python w/ Matplotlib - Colab - Plot

2. Reasoning (AIStudio) - AIStudio - Python w/ Matplotlib - Colab - Plot

我用Claude計算電晶體放大器，得出頻率響應理論值 2.4 MHz。然後我給他一組Grok 算出來的數據是 125 kHz，兩者差了20倍。

我沒有跟Claude 說這組數據哪裡來的，他稱讚我的數據是應該是用Spice 專業軟體跑出來的，而且提醒我他的計算是根據純理論，因為Spice 可以考慮更多細節去電路模擬，所以Claude認為我的數據比較值得參考。

接下來我跟他講這組數據是 Grok 4 算的，Claude 馬上變換語氣，說頻率響應不可能是125 kHz，業界標準至少在1 MHz 以上，說Grok:

1. Does not make any sense (完全沒有道理）
2. Against common sense (違背常識）
3. Distrust (不值得信賴）

可是剛剛不是還在稱讚「我的模擬」做得好？以前Claude 還會稱讚別家的AI有什麼優勢，現在看起來不演了。

Cat coat color genetics

 genetics

artifact  artifact 2 share 2

Google Gemini 3 Pro App (calling Banana Nano)

enhanced version

Backtrack

 

• 會犯錯然後更正的機器更強大

1. Application of Reed-Solomon codes
2. Hamming code
3. Reed-Solomon codes
4. Computer Network
5. Deep Learning Neural Networks
6. A* search

• 
  
  
  
  

Build A* tree synced with animation 

Examples: 

• Noodle +  Wave
• Noodle + blue pool 

• boot up

• backtrack

• All nodes of A* tree manually simulated, share (Data visualization techniques)
• All nodes of decision tree auto fully simulated, share (Full Demo)
• portrait (Run A*), node manually interactive

boot up

backtrack

All nodes of A* tree manually simulated

All nodes of decision tree auto fully simulated

portrait (Run A*), node manually interactive

Advanced visualization with backtrack included and transit animated (Data visualization techniques) 

成績分布 2025

 

學生回饋意見

  (稍微改寫去可辨視化)

• 這門課不錯！
• 老師上課很認真，整學期下來覺得學到蠻多東西的，推薦修這門課。
• 可以感受到老師對教學很有熱情。
• 每次交作業都會收到很詳細的回饋，老師會認真說明哪裡可以改進，有問題問他也都很願意幫忙，很推！
• 老師上課蠻認真的。
• 老師給的建議都很用心，感覺有認真看我們的作業。

張耀仁老師適合指導的學生類型

 html

1. 想學「AI 工程應用」的學生

• 用 AI 工具解決實際工程問題（不是純理論）
• A* 搜尋演算法優化電路設計
• 強化學習應用於交通、製造、PCB 設計
• 重視動手實作，用 Claude/ChatGPT/Gemini 產出成果

2. 想做「輔助科技 / 社會創新」的學生

• AR 輔助認知障礙者職業訓練
• 視障者室內導航（Voronoi-based pathfinding）
• AI 面試訓練系統
• 有社會服務熱忱，想用科技幫助弱勢族群

3. 想學「科技英文 + AI 素養」的學生

• 不一定要走研究，但想提升 AI 運用能力
• 學習如何用英文 prompt 與 AI 溝通
• 製作互動視覺化、工程動畫
• 適合大學部或想打基礎的學生

4. 想探索「前沿 AI 概念」的學生

• World Model（JEPA-WM）
• 強化學習在各領域的應用
• AI Agent 系統設計
• 對新技術有好奇心，願意嘗試

---

不太適合的學生類型

類型	原因
想做純深度學習演算法研究	張老師偏應用層，不是訓練模型
想做傳統 IC 設計/VLSI	應找晶片組老師
想做通訊理論/5G 基頻	應找通訊組老師
只想輕鬆畢業	張老師要求實作產出，有一定要求

---

總結

最適合張老師的學生畫像：

對 AI 應用有興趣、願意動手實作、有創意想法、不排斥社會服務議題、想學習如何用 AI 工具解決問題的學生。

如果學生的目標是進 IC 設計公司（聯發科、瑞昱），張老師可能不是最直接的路徑；但如果想學習 AI 時代的工程師技能，張老師的訓練會很有價值。

張耀仁的 AI 教學應用

 課程已經額滿，謝謝大家。

課程特色

「使用科技英文學習掌握AI運用技巧，從實做中學習AI領域的技術應用能力與未來科 blogspot學工程素養」

使用的 AI 工具

• Claude Sonnet 4 / 4.5（繪圖、動畫）
• Gemini 2.5/3 Pro（推理、複雜問題）
• ChatGPT 5
• Grok 4

---

AI 在電子工程的應用

1. A* 搜尋演算法優化電路設計

使用 A* search algorithm 設計 two-stage BJT amplifier，目標增益約 8000，頻寬 2Hz 到 100 kHz blogspot

課程內容包含：

• BJT 放大器優化
• Class AB 放大器設計
• 頻率響應分析

2. 強化學習 (Reinforcement Learning)

課程涵蓋多種 RL 應用：市區交通燈號控制、潛艇躲避魚雷、製造流程優化、倒單擺控制、機器人過馬路、F1 賽車、Tesla FSD 模擬 blogspot

3. PCB 鑽孔路徑優化

給定一個電路板，進行鑽孔程序模擬的優化（使用 A*、Greedy Method 等演算法），這是 Traveling Salesman Problem (TSP) 在工業界的重要應用 blogspot

4. 科學動畫視覺化

• Blue LED 物理原理
• 石英振盪電路
• 雷射模擬
• 半導體製程

---

結論：

面向	內容
AI 教學	深度整合 Claude、ChatGPT、Gemini 於課程
演算法應用	A* 搜尋用於電路優化、PCB 鑽孔路徑
強化學習	交通控制、製造流程、自駕車模擬
視覺化	用 AI 生成工程動畫、互動模擬

張老師的 AI 應用方向是AI-augmented Engineering Education，把 AI 工具當作教學和工程問題解決的利器。這跟純做深度學習演算法研究不同，但非常實用有趣且走在時代尖端。

如果你想學習如何用 AI 工具解決工程問題，張老師的課程會是很好的選擇！

Image Ethics

 Governments vs. Grok (pptx)

EX#15 Visualization of Algorithms

 繪圖，動畫:  建議 使用 Claude Sonnet 4

推理，複雜問題:  建議使用以下

使用 Claude Sonnet 4 extended thinking 付費版

使用 Gemini 2.5 Pro 免費額度最高 1M tokens

使用 ChatGPT 5

使用 Grok 4 

作業繳交方式

How to share a Claude link

How to share a ChatGPT link

How to share a Grok link

How to share Gemini Link

Consider a Two stage Amp

Use A* to optimize the circuit

 

Make it fully optimized by A*

sync A* with metrics, share, share continued

1. Using A* search to design a two stage amplifier using BJT.

Gain approximately 8000, bandwidth 2Hz to 100 kHz

Hint: A* guide  using A* search algorithm to design a two-stage BJT amplifier. This is a fascinating application of AI search to circuit design optimization!

Use A* search for optimization. optimal schematic share

Performance metrics (share)

2. Use A* to design a class AB amplifier. The first stage is class A. the second is class B. freq response cut off at 10Hz and 25 KHz. artifact, share

artifact (share)

schematic enhanced by Gemini 3.0 Pro

artifact enhanced by Claude (share) opus 4.5

artifact, share

Traveling Salesman Problem 簡稱TSP在工業界有重要應用，包括物流（UPS/Amazon配送路線優化）、製造業（電路板鑽孔、機器人組裝路徑）、電信（網路路由、線路安裝）和能源（電網維護、管線檢查）。凡是需要造訪多個地點同時最小化成本、時間或距離的場合都適用。現代變體能處理容量限制、時間窗口等實際約束。企業使用OR-Tools、Gurobi等專業軟體解決這些問題，透過優化倉儲揀貨、切割模式、3D列印路徑和車隊管理等作業，往往能節省數百萬成本。

視覺化 Traveling Salesman Problem 使其可以改變網路節點個數，或是其他你希望的方式

3.  給定一個電路板，進行鑽孔程序模擬的優化 (建議 AI 一個演算法，例如A*, Greedy Method...)

電路板鑽孔程序模擬

4. Simulate AI Server PCB generation and drilling

5. board design using RL

then hole drilling 

share