skip to content
نوید مصباح
EN
→ بازگشت

هوشواره به سراغ بردهای مدار می‌آید

/ مطالعه در 10 دقیقه

بازگشت به نقطهٔ شروع

مهندسی برق را در دانشگاه شیراز خواندم. هنوز بوی لحیم در آزمایشگاه الکترونیک را به یاد دارم، کلافگیِ مداری که در شبیه‌سازی کار می‌کرد و روی میز کار شکست می‌خورد، و رضایت آرامِ لحظه‌ای که اسیلوسکوپ سرانجام همان شکل موجی را نشان می‌داد که انتظارش را داشتی.

بعدها مدتی در آزمایشگاه مدیریت هوشمند انرژی دانشگاه تهران، در حوزهٔ شبکه‌های هوشمند برق، گذراندم. آن آزمایشگاه الکترونیک را در مقیاسی کاملاً متفاوت نشانم داد. برد دیگر شیئی منزوی نیست؛ گره‌ای است در شبکه‌ای از کنتورها، حسگرها، کنترل‌کننده‌ها و نرم‌افزاری که باید پیوسته تصمیم بگیرد انرژی چطور جریان یابد. آنجا آموختم که سخت‌افزار و هوشمندی به هم تعلق دارند، و سخت‌ترین مسئله‌ها جایی زندگی می‌کنند که مدار به تصمیم می‌رسد.

سال‌ها پس از آن به سمت نرم‌افزار، گرافیک، بازی و هوشواره (AI) رفتم. الکترونیک شد کار آخر هفته‌ها: بردهای کوچک، حسگرها، گاه‌به‌گاه پروژه‌ای که به جایی نمی‌رسید اما چیزی یادم می‌داد. نرم‌افزار سریع پیش می‌رفت و پاداش‌های فوری‌تری داشت. سخت‌افزار کُند، گران و بی‌گذشت بود.

اما هیچ‌وقت از دیدن اینکه ابزارها چقدر عقب‌اند دست برنداشتم.

توسعهٔ نرم‌افزار در دو سال گذشته با هوشواره (AI) دگرگون شده. مهندسان توصیف می‌کنند چه می‌خواهند و عامل‌ها کد را می‌نویسند. بازبینی‌ها تا حدی خودکارند. آزمون‌ها تولید می‌شوند. مستندات کم‌وبیش خودشان را می‌نویسند. تجربهٔ روزانهٔ ساختن نرم‌افزار در ۲۰۲۶ با ۲۰۲۳ بسیار فرق دارد.

طراحی الکترونیک عمدتاً تغییری نکرده. هنوز ساعت‌ها دیتاشیت می‌گردی تا قطعهٔ درست را پیدا کنی. هنوز شماتیک را عمدتاً با دست می‌کشی و پایه‌ها را یکی‌یکی وصل می‌کنی. هنوز اشتباه‌هایی را در بازبینی پیدا می‌کنی که یک دستیار دقیق در چند ثانیه نشانشان می‌داد، اگر اصلاً پیدایشان کنی. و وقتی یکی را از دست بدهی، هفته‌ها بعد متوجه می‌شوی؛ وقتی بردها از کارخانه برمی‌گردند و کار نمی‌کنند.

برای همین زاگرس بیشه را بنیان می‌گذارم. همان ایدهٔ پشت چارسوک، یعنی انسان و هوشواره (AI) که با هم می‌سازند و داوری انسان در مرکز است، این بار در سخت‌افزار.

چرا سخت‌افزار حالا مهم است

ارزش دارد کمی عقب بایستیم و بپرسیم چرا این فراتر از راحتی مهندسان مهم است.

جهان دارد از الکترونیک پر می‌شود. نه فقط گوشی و لپ‌تاپ، بلکه حسگرهایی در مزرعه‌ها، پایشگرهایی در بیمارستان‌ها، کنترل‌کننده‌هایی در کارخانه‌ها، دستگاه‌هایی در خانه‌ها، ابزارهایی در آزمایشگاه‌های پژوهشی، ماشین‌های کوچکی در جاهایی که پیش‌تر هرگز ماشینی نداشتند. تقریباً هر ایدهٔ جالبی در جهان فیزیکی سرانجام به یک برد مدار نیاز پیدا می‌کند.

اما طراحی الکترونیک همچنان مهارتی تخصصی و گران است. استارتاپی با ایده‌ای عالی برای یک دستگاه پزشکی یا حسگر کشاورزی به مهندس برق نیاز دارد، و مهندس خوب کمیاب است. پژوهشگری که ابزاری سفارشی لازم دارد یا باید الکترونیک را عمیقاً یاد بگیرد یا کسی را پیدا کند که یاد گرفته. دانشجویی که می‌خواهد چیزی واقعی بسازد اغلب وقتی به سخت‌افزار می‌رسد دست می‌کشد.

اگر هوشواره (AI) بتواند مانع طراحی الکترونیک خوب را همان‌طور پایین بیاورد که مانع نرم‌افزار را پایین آورده، اثرش بر آنچه در جهان فیزیکی ساخته می‌شود می‌تواند عظیم باشد. نه با حذف مهندسان، بلکه با تواناتر کردن هر مهندس، و با اینکه آدم‌هایی که مسئلهٔ واقعی دارند پیش از نیاز به متخصص، خودشان جلوتر بروند.

بُعدی شخصی هم هست. در مناطقی که دسترسی به استعدادهای تخصصی مهندسی و خدمات سریع نمونه‌سازی محدود است، فاصلهٔ میان یک ایده و یک دستگاه کارا به‌ویژه زیاد است. آدم‌های بااستعداد زیادی با ایده‌های خوب دیده‌ام که دقیقاً همین‌جا متوقف شده‌اند. ابزارهایی که دانش تخصصی را با خود دارند می‌توانند این فاصله را کم کنند.

چرا سخت‌افزار سخت‌تر است

سخت‌افزار از نرم‌افزار کم‌گذشت‌تر است، و این همه‌چیز را دربارهٔ اینکه هوشواره (AI) چطور باید برایش به کار رود شکل می‌دهد.

باگ کد را امشب می‌شود وصله کرد. اصلاحیه را منتشر می‌کنی، کاربران به‌روز می‌کنند و مشکل تمام است. باگ روی برد یعنی یک دور تولید تازه، هفته‌ها انتظار و پولی که برنمی‌گردد. اگر برد از قبل در دست مشتری باشد، ممکن است یعنی فراخوان.

الکترونیک همچنین با فیزیک درگیر است، به شکلی که نرم‌افزار به‌ندرت هست. جریان می‌گذرد و گرما می‌سازد. سیگنال‌ها با هم تداخل می‌کنند. مسیرها مقاومت، ظرفیت خازنی و القا دارند. طراحی‌ای که از نظر منطقی درست است هنوز می‌تواند شکست بخورد چون دو سیگنال بیش از حد به هم نزدیک‌اند، چون منبع تغذیه نمی‌تواند به‌اندازهٔ کافی سریع پاسخ دهد، یا چون قطعه‌ای بیش از حد داغ می‌شود. این شکست‌ها روی شماتیک سخت دیده می‌شوند و گاهی حتی در شبیه‌سازی هم.

و اطلاعات لازم برای طراحی خوب در هزاران سند پراکنده است. هر قطعه با دیتاشیتی می‌آید، اغلب ده‌ها صفحه، که توضیح می‌دهد چطور باید استفاده شود: کدام خازن‌ها را لازم دارد، پایه‌هایش چطور باید وصل شوند، چه قواعد چیدمانی اعمال می‌شود، در دماهای حدی چه اتفاقی می‌افتد. یادداشت‌های کاربردی راهنمایی بیشتری اضافه می‌کنند. سازندگان قواعد طراحی منتشر می‌کنند. مهندسان باتجربه بخش زیادی از این دانش را در ذهن دارند که طی سال‌ها اشتباه ساخته شده.

همهٔ این‌ها الکترونیک را برای هوشواره (AI) مسئلهٔ سخت‌تری می‌کند. همچنین ارزشمندترش می‌کند. پیدا کردن یک خطای جدی پیش از ساخت، هزینهٔ ابزار زیادی را جبران می‌کند. پرهیز از یک دور ساخت شکست‌خورده می‌تواند هفته‌ها از زمان‌بندی یک پروژه را نجات دهد.

یعنی راستی‌آزمایی اینجا حتی از نرم‌افزار مهم‌تر است. هیچ‌کس نباید بردی را فقط چون یک مدل گفته «به نظر خوب است» به کارخانه بفرستد. هر مشارکت هوشواره (AI) در طراحی سخت‌افزار باید قابل بررسی باشد، و بررسی‌ها باید بر قواعد واقعی و فیزیک واقعی استوار باشند، نه بر باورپذیری.

اول چه می‌سازیم

با ابزار شروع می‌کنیم، نه دستگاه.

متن به شماتیک. توصیف کن چه می‌خواهی: «یک برد حسگر با تغذیهٔ USB-C، یک ESP32، یک حسگر دما و رطوبت، یک شارژر باتری لیتیومی و یک LED وضعیت.» پیش‌نویس اولِ شماتیک را با قطعات واقعی، فوت‌پرینت‌های واقعی و قطعات جانبی‌ای که دیتاشیت‌ها بی‌صدا لازم دارند بگیر.

همین بخش آخر جایی است که بیشترین ارزش زندگی می‌کند. هر کسی می‌تواند یک ESP32 روی شماتیک بگذارد. بخش سخت دانستن این است که خازن‌های دکاپلینگ مشخصی نزدیک پایه‌های تغذیه‌اش لازم دارد، مدار ریست خاصی، مقاومت‌های بالاکش درست روی برخی خطوط، ناحیهٔ خالی برای آنتن، و منبع تغذیه‌ای که بتواند جهش‌های جریانش را تحمل کند. پیش‌نویس خوب این جزئیات را درست درمی‌آورد و منبع هر الزام را ذکر می‌کند، تا مهندس به جای پژوهش، بررسی کند.

خروجی طراحی نهایی نیست. نقطهٔ شروع محکمی است که مهندس بازبینی و پالایشش می‌کند، همان‌طور که مهندسی ارشد پیش‌نویس اول یک تازه‌کار را بازبینی می‌کند. اما می‌تواند چند روز آماده‌سازی را به یک بعدازظهر بازبینی بدل کند.

بازبینی PCB با عامل‌ها. عامل‌هایی که شماتیک و چیدمانت را مثل یک مهندس باتجربه می‌خوانند. جای خازن‌های دکاپلینگ، یکپارچگی تغذیه، مسائل حرارتی، ناهمخوانی فوت‌پرینت‌ها، بالاکش‌های جاافتاده، تخصیص نادرست پایه‌ها، نقض فاصله‌های مجاز و صدها چیز کوچکی را که ساعت ۲ بامداد پیش از ددلاین خراب می‌شوند بررسی می‌کنند.

بازبینی طراحی یکی از بهترین جاها برای هوشواره (AI) در الکترونیک است. جامع است، تا حد زیادی قاعده‌محور است و برای انسان خسته‌کننده. بازبین انسانی، به‌ویژه بازبین خسته، چیزهایی را از دست می‌دهد. عامل می‌تواند به‌طور منظم هر قطعه را با دیتاشیتش، هر شبکه را با رفتار مورد انتظارش و هر مسیر را با قواعد طراحی بسنجد. وقتی چیزی پیدا می‌کند، توضیح می‌دهد چه یافته و چرا مهم است، با ارجاع به منبع.

هدف جایگزینی بازبینی انسانی نیست، بلکه تغییر چیزی است که بازبین‌های انسانی وقتشان را صرفش می‌کنند. به جای گشتن دنبال خازن‌های جاافتاده، می‌توانند به معماری، بده‌بستان‌ها و مسائل ظریفی فکر کنند که تجربهٔ واقعی می‌خواهند.

جانمایی و مسیریابی. کمک در بخش کُند و فضاییِ چیدمان: اینکه قطعات کجای برد بروند و مس چطور به هم وصلشان کند. اینجا جایی است که طراحی فیزیکی می‌شود، و جایی که بخش زیادی از وقت مهندس ناپدید می‌شود.

مسیریابی خودکار دهه‌هاست وجود دارد، اما شهرت یکدستی ندارد. مسیریاب‌های خودکار سنتی اغلب چیدمان‌هایی تولید می‌کنند که از نظر فنی همه‌چیز را وصل می‌کنند اما چیزهایی را نادیده می‌گیرند که طراحان باتجربه به آن‌ها اهمیت می‌دهند: یکپارچگی سیگنال، ساخت‌پذیری، رفتار حرارتی و خوانایی ساده. فکر می‌کنیم هوشواره (AI) می‌تواند با یادگیری از شیوهٔ کار واقعی طراحان خوب، و با نگه داشتن محکم کنترل تصمیم‌های مهم در دست مهندس، بهتر عمل کند. مهندس قطعات حساس را جانمایی می‌کند و اولویت‌ها را تعیین می‌کند؛ ابزارها باقیِ ملال‌آور را انجام می‌دهند و انتخاب‌هایشان را توضیح می‌دهند.

چرا عامل‌ها به این کار می‌آیند

طراحی الکترونیک پر از قواعدی است که در اسناد زندگی می‌کنند: دیتاشیت‌ها، یادداشت‌های کاربردی، راهنماهای سازنده، استانداردهای صنعتی. تطبیق دادنشان برای انسان خسته‌کننده است و برای عامل‌ها طبیعی.

عامل می‌تواند دیتاشیت هر قطعهٔ روی برد را بخواند، الزاماتش را استخراج کند و هر کدام را با طراحی بسنجد. می‌تواند این کار را برای هر قطعه، هر بار، بدون خسته شدن یا رد شدن از قطعه‌های کسل‌کننده انجام دهد. این دقیقاً همان نوع کاری است که انسان‌ها بد انجامش می‌دهند و ماشین‌ها خوب.

ارزش واقعی مهندس در بده‌بستان‌ها و داوری است. این طراحی باید عمر باتری را اولویت بدهد یا کارایی را؟ آیا این قطعه به خاطر در دسترس بودن بهترش ارزش هزینهٔ بیشترش را دارد؟ آیا اینجا یک نقطهٔ آزمون برای تولید اضافه کنیم، به قیمت فضای برد؟ آیا این طراحی برای محیطی که در آن زندگی خواهد کرد به‌اندازهٔ کافی مقاوم است؟ این‌ها پرسش‌هایی‌اند که فهم محصول، کاربران، کسب‌وکار و جهان فیزیکی را می‌خواهند. قاعده‌هایی نیستند که بشود جست‌وجویشان کرد.

به خاطر سپردن اینکه کدام پایه یک خازن ۱۰۰ نانوفاراد می‌خواهد، جایی نیست که نبوغ انسان باید صرفش شود.

پس الگو همان است که در نرم‌افزار به کار می‌برم: انسان مسئله را صورت‌بندی می‌کند و تصمیم می‌گیرد، عامل‌ها بررسی جامع و پیش‌نویس را انجام می‌دهند، و همه‌چیز پیش از واقعی شدن سنجیده می‌شود. در سخت‌افزار «پیش از واقعی شدن» معنای کاملاً ملموسی دارد: پیش از آنکه فایل‌ها به کارخانه بروند.

درس‌هایی از نرم‌افزار

ساختن ابزارهای هوشواره (AI) برای نرم‌افزار در چارسوک چند چیز به من آموخت که مستقیم در سخت‌افزار به کار می‌برم.

عامل‌ها زمینه لازم دارند. عاملی که هدف یک طراحی را نفهمد، انتخاب‌هایی باورپذیر اما اشتباه می‌کند. در نرم‌افزار، این یعنی دادن مشخصات خوب به عامل‌ها. در سخت‌افزار، یعنی دادن الزامات: محیط کار، بودجهٔ توان، اهداف هزینه، محدودیت‌های تولید. شماتیک یک حسگر باتری‌دار در فضای باز و شماتیک یک ابزار آزمایشگاهی باید متفاوت باشند، حتی اگر از قطعات مشابه استفاده کنند.

ارزیابی‌ها ضروری‌اند. مجموعه‌های ارزیابی از طراحی‌های واقعی می‌سازیم، از جمله اشتباه‌های شناخته‌شده، تا بسنجیم ابزارهایمان واقعاً خطاهایی را که ادعا می‌کنند می‌گیرند. ابزار بازبینی‌ای که هیچ چیز پیدا نکند بی‌فایده است؛ ابزاری که همه‌چیز را علامت بزند به همان اندازه بی‌فایده است. ارزیابی‌ها می‌گویند میان این دو حد کجا هستیم.

اعتماد برای هر ادعا جداگانه به دست می‌آید. هر یافتهٔ عامل بازبینی باید با شاهد بیاید: بخش دیتاشیت، قاعده، محاسبه. مهندسان نباید مجبور باشند به عامل اعتماد کنند؛ باید بتوانند بررسی‌اش کنند. این همان اصلی است که پشت علاقه‌ام به راستی‌آزمایی صوری است. آنچه نیاز به اعتماد دارد را آن‌قدر کوچک کن که انسان بتواند بسنجدش.

به جریان‌های کاری موجود احترام بگذار. مهندسان الکترونیک ابزارهایی دارند که سال‌ها از آن‌ها استفاده کرده‌اند. ابزار تازه‌ای که کنار گذاشتن همه‌چیزِ آشنا را بخواهد پذیرفته نمی‌شود، هرقدر هم زیرکانه باشد. طوری طراحی می‌کنیم که کنار ابزارها و قالب‌های موجود کار کند، نه اینکه یک‌شبه جایگزینشان شود.

بعد، دستگاه‌ها

وقتی ابزارها آن‌قدر خوب شدند که روی کار خودمان به آن‌ها اعتماد کنیم، دستگاه‌های خودمان را با آن‌ها می‌سازیم.

این آزمون صادقانهٔ هر ابزاری است: حاضری محصول خودت را رویش شرط ببندی؟ اگر شماتیک‌ساز، عامل‌های بازبینی و ابزارهای چیدمانمان آن‌قدر خوب باشند که با خیال راحت بردهای خودمان را بر اساسشان به ساخت بفرستیم، برای دیگران هم به‌اندازهٔ کافی خوب‌اند. اگر نه، کار بیشتری داریم.

هنوز نمی‌خواهم دربارهٔ اینکه کدام دستگاه‌ها زیاد بگویم. اما این را می‌گویم: ایده‌ها از همان جایی می‌آیند که همه‌چیزِ دیگری که می‌سازم. ابزارهای خلاق، آموزش و ابزارهایی برای فهم جهان. اشیای فیزیکی‌ای که به آدم‌ها کمک می‌کنند بسازند، بیاموزند و ببینند.

بازی‌ای طولانی

سخت‌افزار بازی‌ای طولانی است. شرکت‌های نرم‌افزاری می‌توانند هر روز تکرار کنند؛ شرکت‌های سخت‌افزاری با ماه تکرار می‌کنند. ابزارهایی که امروز می‌سازیم زمان می‌برد تا پخته شوند، و جلب اعتماد مهندسان برق، که به‌حق به هر چیزی که ادعا می‌کند کارشان را آسان‌تر می‌کند بدبین‌اند، زمان بیشتری می‌برد.

با این کنار آمده‌ام. بعضی از معنادارترین کارها طولانی‌ترین‌اند. و پس از سال‌ها کار در نرم‌افزار، چیزی عمیقاً رضایت‌بخش در بازگشت به رشته‌ای هست که اول خواندم، با ابزارهایی که آن روزها نمی‌توانستم تصورشان را بکنم: در آزمایشگاه الکترونیک شیراز، جایی که بوی لحیم اولین بار به من گفت دارم چیزی واقعی می‌سازم، یا در آزمایشگاه شبکهٔ هوشمند تهران، جایی که اولین بار دیدم مدار و هوشمندی چطور یک سامانهٔ واحد می‌شوند.

مشتاقم ببینم تا کجا می‌توانیم برویم.