由于Claude Code，软件现在成了商品。因此，下一步显然是硬件。我花了过去六个月时间建立一个硬件初创公司，这真是太难了。我做了一个可以分类材料的雷达，这是我如何以"毕业设计"项目的形式完成它的故事。顺便说一句，这个项目从未结束（正如你在本文后面会看到的，由于缺乏资金）。我生活在欧洲，这里每个国家都有石棉问题，这个问题非常严重且普遍。那东西充满了墙壁，需要人们到你家来告诉你是否有石棉污染的材料。如果是这样，你可能从小就开始呼吸毒气。石棉会导致癌症，并会对你造成严重伤害。检测石棉的传统方法基本上是取出墙体样本，送往实验室，他们会告诉你墙里是否有石棉。当然，有很多中介介入，借助法规和你对中毒的恐惧来赚取大量费用。因此，一次1美元的分析最终会变成60美元，当你需要做几十次分析的时候，价格会飙升。所以我的项目是建立一个可以为你检测石棉的雷达。它基于材料科学和波动物理，而这正好是我的专业领域（最近的工程毕业生）。我那里有了我的设备计划：制造一个石棉探测雷达。然后，我需要设计电子设备，所以因为我不是傻瓜，而且希望你也不是，我订购了一些开发板来快速原型制作。就我而言：一个德州仪器的IWRL6432 BOOST和一个ESP32开发套件。我把它们组装起来，并开始弄弄DSP算法来检测材料。建立了这个测试台，以测试材料对我特殊材料雷达的电磁响应。我可以热插拔材料并紧固材料来测试我的设备。我用卡朋波束形成法完善了我的方法，以获取密度光谱，然后将其输入到神经网络中。这使我能够对材料表面进行分类，根据“同一表面，同一层”的材料假设和“材料变化是突然和不连续的”，我可以说“嘿，这整个层是由x，y，z材料制成的。”雷达是FMCW的：它不会发出单一音调，而是随时间向上扫频。DSP链的整个工作是将这些啁啾的回声转换为材料特征。它的工作原理是这样的：所有这些的输出是每个范围、每个角度的密度“光谱”，即位于雷达前面的任何表面的电磁指纹。这个光谱正是我输入到神经网络中以分类材料的张量。扫描一个表面与雷达—密度光谱，在AI步骤之前，我在这方面花了两个月时间，确保工具链正确，并在嵌入式固件的臭名昭著的编译闪存调试循环上磨练技能。由于每个人现在都在使用AI，最好在你的发明中加入一些AI，以增加以前无法拥有的新能力。因此，我们做的是放置一个神经网络，输入DSP链的输出，并输出材料的类别。这个模型实际上“学习”材料的电磁特性（epsilon'和epsilon''），它只是一个经典的CNN。然后，出现了机械外壳，开始制作仿制品，当我最终得出结论，围绕开发板设计是一种更好的方法。我还深入到了射频原型制作的兔子洞。问问任何人，他们都会告诉你射频完全是黑魔法。偏微分方程、物理学和混沌系统，所有这些都集中在一个领域。因此，我开始建模我的天线以捕捉电路中发生的情况，从而对其进行逆向工程。以下是我如何优化天线形状，使其具备德州仪器天线的相同特性。我在OpenEMS中编写了一个参数化的仿真，计算天线的特性，然后，通过从发射到接收（Mimo阵列）外推传输函数，我可以使用卷积操作模拟我的啁啾是如何发射、在表面反射并被天线接收的。我成功获得了与实际测量输出非常接近的仿真特征。然后，只需获得含有石棉的材料。首先，我使用了openEMS，一个开源替代品，用于Ansys HFSS（获取许可证的费用基本上相当于整个肾脏）。它使用FDTD仿真来模拟麦克斯韦方程在材料中的传播。然而，openEMS的问题在于它不在GPU上运行，所以你最好减少仿真的大小（在时间和空间域）以迅速获得结果，并对其进行迭代（特别是如果你正在进行参数优化以找到天线的尺寸 :)）。那么我如何进行快速仿真呢？我“稍微作弊了一下”：我只计算了从发射到接收的传输函数，然后我使用卷积操作来模拟仿真将如何表现。