Po celá desetiletí bylo navrhování vysokofrekvenčních integrovaných obvodů popisováno jako „temné umění“ – dovednost zvládnutá pouze léty pečlivých zkušeností. Nyní vědci z Princetonské univerzity tvrdí, že umělá inteligence se tomuto umění učí a v některých případech předčí lidi, kteří na něj kdysi měli monopol.
Ve funkci zveřejněné IEEE Spectrum 24. června 2026 tým podrobně popsal, jak se metody strojového učení používají ke generování vysokofrekvenčních integrovaných obvodů (RFIC) – malých čipů, které umožňují telefonům, autům a satelitům odesílat a přijímat bezdrátové signály – od nuly. Některá z výsledných rozvržení, jak vědci poznamenávají, „vypadají spíše jako moderní umění než rozvržení obvodů“, přesto jejich fyzické prototypy překonaly výkon nejmodernějších obvodů navržených člověkem. For more context on this story, see our ongoing AI trends.
Úspěch však není čistě estetický. Umělá inteligence vytvořila pracovní návrhy za řádově kratší dobu, než by potřeboval lidský inženýr.
Proč je design RF čipu tak těžký
Na rozdíl od centrálních procesorových jednotek (CPU) a grafických čipů (GPU), které se nacházejí v počítačích, nelze RF čipy navrhovat pomocí standardizovaného algoritmického procesu. Návrh RFIC je cvičením v inženýrství napříč více fyzickými doménami najednou.
Maxwellovy rovnice řídí interakci elektromagnetických polí s aktivními a pasivními zařízeními na čipu. Zákony termodynamiky zároveň určují, jak se teplo během provozu vytváří a odvádí, zatímco mechanika tepelné roztažnosti určuje, jak spolehlivě čip a jeho obal přežijí teplotní výkyvy. Zohlednění všech těchto omezení současně činí návrhový prostor téměř nemožně velkým, přičemž každé rozhodnutí zahrnuje konkurenční priority.
Výsledkem je, že dokončení návrhu jediného nového RF čipu může trvat roky a desítky až stovky milionů dolarů.
Frekvence v sázce
Sázky jsou vysoké, protože RF čipy jsou základem téměř každé bezdrátové technologie. Typické tranzistory CPU se přehřívají při pracovních frekvencích pouhých několika gigahertzů. RF čipy naproti tomu pracují na mnohem vyšších frekvencích: 28 a 39 gigahertzů pro signály 5G, 26,5 až 40 gigahertzů a více pro satelitní komunikaci a 77 gigahertzů pro automobilový radar.
Aby RF čipy přežily tyto frekvence, chytře spravují energii signálu prostřednictvím pečlivého elektromagnetického designu. To má podobu složitých sítí kovových prvků – geometricky pravidelných, často symetrických a tak propracovaných, že mohou připomínat krajkový filigrán. Tyto pasivní struktury, jako jsou induktory a přenosová vedení, dominují nemovitosti čipu a zabírají mnohem více místa než samotné tranzistory.
Jak AI přistupuje k problému
Podle zprávy IEEE Spectrum začala skupina z Princetonu zkoumat RF design řízený umělou inteligencí zhruba před sedmi lety, po vítězství DeepMind AlphaGo nad světovým šampionem Go Lee Sedolem v roce 2016. Tento průlom přiměl tým k otázce, zda by se AI dalo naučit i „temnému umění“ RF designu.
Odpověď je stále více ano. Výzkumníci používají učení zesílení v kombinaci s inverzním designem k rychlému vytvoření RFIC od nuly. Spíše než od lidské šablony se systém učí, které struktury vytvářejí požadované elektromagnetické chování.
Nedávno byly k rychlému generování nových RF rozvržení použity difúzní modely – stejná rodina generativní umělé inteligence za moderní syntézou obrazu. Tyto modely mohou vytvářet návrhy, které jsou buď záměrně divoké, nebo lépe interpretovatelné lidmi, a dosáhly rekordního výkonu při drastickém zkrácení doby návrhu.
Posun ilustruje konkrétní příklad. Inženýr navrhující 28-gigahertzový výkonový zesilovač pro 5G mikrovlnný telefon by tradičně začínal od zavedených šablon a řídil se symetrickými, srozumitelnými vzory. Bez těchto omezení může umělá inteligence zkoumat návrhy, které by člověk nikdy nenakreslil – a které nemusí být člověku srozumitelné, aby fungovaly.
Co přijde dál
Výzkumníci upozorňují, že pole ještě není v bodě plně automatizovaného, tlačítkového RF designu. Budoucí pokrok, tvrdí, bude záviset na velkých, sdílených souborech dat pro návrh čipů a otevřenějších ekosystémech, takže systémy umělé inteligence se mohou naučit univerzální elektromagnetické a obvodové chování spíše než úzké vzory specifické pro laboratoř.
Pokud tyto stavební bloky zapadnou na místo, důsledky sahají daleko za rádiové čipy. Tým z Princetonu naznačuje, že design s umělou inteligencí by se mohl stát budoucností veškerého RF designu – a možná mnohem více, směřujícího k bezdrátovým technologiím nové generace včetně rozšířených autonomních vozidel, kvantové komunikace, mobilních služeb 6G a pokročilých satelitních sítí.
Pro průmysl, kde jeden cyklus návrhu může spotřebovat roky a devíticiferné rozpočty, může být i oholení zlomku tohoto času transformační. A jak obvody navržené umělou inteligencí stále více překonávají své protějšky vyrobené člověkem, může se dlouholeté „temné umění“ RF inženýrství konečně proměnit ve vědu.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
