【AI資料轉換器入門】ADC/DAC原理、架構與測試實務

講師：成功大學智慧運算學院 副院長 李順裕教授

課程主旨

隨著 AIoT、智慧感測、邊緣 AI、車用電子與工業監測應用快速發展，ADC/DAC 已成為半導體系統中連接類比世界與數位運算核心的基礎模組。本課程定位為資料轉換器設計與測試的第一階段入門課，將由 AD/DA 基本原理、關鍵規格與常見架構出發，帶領學員理解 Flash ADC、SAR ADC、Pipeline ADC、Oversampling ADC，以及 Voltage Scaling、Current Steering、Charge Scaling DAC 等架構差異。

課程並加入 AI 感測系統觀點，說明解析度、取樣率、雜訊、線性度與測試結果如何影響 AI 模型輸入資料品質、特徵擷取與邊緣推論可靠度，協助半導體從業人員建立後續進階混合訊號 IC 與 AI 感測晶片設計的基礎能力。

學習目標

1. 建立 ADC/DAC 基礎觀念：
   理解類比／數位訊號轉換原理、取樣、量化、解析度、取樣率、訊雜比、動態範圍與有效位元數等核心概念。
2. 掌握主流資料轉換器架構：
   認識 Flash ADC、Integrating ADC、SAR ADC、Cyclic ADC、Pipeline ADC、Oversampling ADC，以及常見 DAC 架構的工作模式與應用差異。
3. 理解資料轉換器測試與規格判讀：
   學習 ADC/DAC 靜態與動態測試方法，包含 DNL、INL、Offset、Gain Error、SNR、SNDR、SFDR、THD 等規格意義。
4. 連結 AI 感測系統與資料品質需求：
   理解 ADC/DAC 規格如何影響 AI 感測資料、模型準確度、異常偵測、特徵工程與邊緣 AI 系統效能。

適合對象

• 半導體新進工程師與電子電機背景學員：
  希望從基礎建立 ADC/DAC 原理、規格與架構概念者。
• 類比／混合訊號 IC 設計入門工程師：
  準備進一步學習 SAR ADC、Pipeline ADC、Sigma-Delta ADC 或混合訊號 SoC 設計者。
• 測試、產品與應用工程師：
  需要理解資料轉換器規格、測試數據、客戶應用問題與量產驗證流程者。
• AIoT、感測器與邊緣 AI 系統工程師：
  希望理解前端資料品質如何影響 AI 模型輸入、特徵萃取與推論結果者。

課綱規劃

第一日：ADC/DAC 基礎原理與常見架構

第二日：ADC/DAC 測試實務、Oversampling 與 AI 應用銜接