Jahrzehntelang wurde der Entwurf integrierter Hochfrequenzschaltkreise als „dunkle Kunst“ beschrieben – eine Fähigkeit, die nur durch jahrelange, sorgfältige Erfahrung beherrscht werden kann. Jetzt sagen Forscher der Princeton University, dass künstliche Intelligenz diese Kunst erlernt und in einigen Fällen die Menschen übertrifft, die einst ein Monopol darauf hatten.
In einem Beitrag, der am 24. Juni 2026 von IEEE Spectrum veröffentlicht wurde, erläuterte das Team detailliert, wie maschinelle Lernmethoden verwendet werden, um von Grund auf Radiofrequenz-integrierte Schaltkreise (RFICs) zu erzeugen – die winzigen Chips, mit denen Telefone, Autos und Satelliten drahtlose Signale senden und empfangen können. Die Forscher stellen fest, dass einige der resultierenden Layouts „eher wie moderne Kunst als wie Schaltungslayouts aussehen“, doch ihre physischen Prototypen übertreffen in puncto Leistung hochmoderne, von Menschen entworfene Schaltungen. Weitere Informationen zu dieser Geschichte finden Sie in unserer KI-Nachrichten.
Die Leistung ist jedoch nicht rein ästhetischer Natur. Die KI konzipierte funktionierende Entwürfe in um Größenordnungen kürzerer Zeit, als ein menschlicher Ingenieur benötigen würde.
Warum RF-Chip-Design so schwierig ist
Im Gegensatz zu den Zentraleinheiten (CPUs) und Grafikchips (GPUs) in Computern können RF-Chips nicht durch einen standardisierten, algorithmischen Prozess entworfen werden. Beim RFIC-Design handelt es sich um eine technische Übung, die mehrere physikalische Bereiche gleichzeitig umfasst.
Maxwells Gleichungen bestimmen, wie elektromagnetische Felder mit den aktiven und passiven Geräten auf einem Chip interagieren. Gleichzeitig bestimmen die Gesetze der Thermodynamik, wie im Betrieb Wärme erzeugt und abgeführt wird, während die Mechanik der Wärmeausdehnung darüber entscheidet, wie zuverlässig ein Chip und seine Verpackung Temperaturschwankungen überstehen. Die gleichzeitige Berücksichtigung all dieser Einschränkungen macht den Gestaltungsspielraum nahezu unvorstellbar groß, da jede Entscheidung konkurrierende Prioritäten beinhaltet.
Das Ergebnis ist, dass die Fertigstellung eines einzigen neuen HF-Chip-Designs Jahre und Dutzende bis Hunderte Millionen Dollar in Anspruch nehmen kann.
Die auf dem Spiel stehenden Frequenzen
Es steht viel auf dem Spiel, denn nahezu jeder drahtlosen Technologie liegen HF-Chips zugrunde. Die Transistoren einer typischen CPU überhitzen bereits bei Betriebsfrequenzen von nur wenigen Gigahertz. Im Gegensatz dazu arbeiten HF-Chips mit weitaus höheren Frequenzen: 28 und 39 Gigahertz für 5G-Signale, 26,5 bis 40 Gigahertz und mehr für die Satellitenkommunikation und 77 Gigahertz für Automobilradar.
Um diese Frequenzen zu überstehen, verwalten HF-Chips die Energie eines Signals durch sorgfältiges elektromagnetisches Design geschickt. Dabei handelt es sich um komplizierte Netzwerke aus Metallelementen – geometrisch regelmäßig, oft symmetrisch und so aufwändig, dass sie an filigrane Spitzen erinnern können. Diese passiven Strukturen wie Induktivitäten und Übertragungsleitungen dominieren die Fläche des Chips und nehmen weit mehr Platz ein als die Transistoren selbst.
Wie die KI das Problem angeht
Dem IEEE Spectrum-Bericht zufolge begann die Princeton-Gruppe vor etwa sieben Jahren mit der Erforschung von KI-gesteuertem HF-Design, nach dem AlphaGo-Sieg von DeepMind über den Go-Weltmeister Lee Sedol im Jahr 2016. Dieser Durchbruch veranlasste das Team zu der Frage, ob der KI auch die „dunkle Kunst“ des HF-Designs beigebracht werden könne.
Die Antwort lautet zunehmend ja. Die Forscher nutzen Reinforcement Learning in Kombination mit Inverse Design, um RFICs schnell von Grund auf zu erstellen. Anstatt von einer menschlichen Vorlage auszugehen, lernt das System, welche Strukturen das gewünschte elektromagnetische Verhalten erzeugen.
In jüngerer Zeit wurden Diffusionsmodelle – dieselbe Familie generativer KI, die hinter der modernen Bildsynthese steht – verwendet, um schnell neuartige HF-Layouts zu generieren. Diese Modelle können Designs erstellen, die entweder bewusst wild oder für den Menschen besser interpretierbar sind, und sie haben Rekordleistungen erzielt und gleichzeitig die Designzeit drastisch verkürzt.
Ein konkretes Beispiel verdeutlicht den Wandel. Ein Ingenieur, der einen 28-Gigahertz-Leistungsverstärker für ein 5G-Millimeterwellen-Mobilteil entwirft, würde traditionell mit etablierten Vorlagen beginnen und symmetrischen, verständlichen Mustern folgen. Befreit von diesen Einschränkungen kann die KI Designs erforschen, die ein Mensch niemals zeichnen würde – und die nicht für den Menschen verständlich sein müssen, um zu funktionieren.
Was als nächstes kommt
Die Forscher warnen davor, dass das Feld noch nicht den Punkt eines vollständig automatisierten RF-Designs auf Knopfdruck erreicht hat. Zukünftiger Fortschritt, so argumentieren sie, werde von großen, gemeinsam genutzten Chip-Design-Datensätzen und offeneren Ökosystemen abhängen, damit KI-Systeme universelles elektromagnetisches Verhalten und Schaltkreisverhalten erlernen können, anstatt enge, laborspezifische Muster.
Wenn diese Bausteine zusammenpassen, reichen die Auswirkungen weit über Funkchips hinaus. Das Princeton-Team schlägt vor, dass KI-gestütztes Design die Zukunft aller HF-Designs werden könnte – und möglicherweise noch viel mehr, und weist auf drahtlose Technologien der nächsten Generation hin, darunter weit verbreitete autonome Fahrzeuge, Quantenkommunikation, 6G-Mobilfunkdienste und fortschrittliche Satellitennetzwerke.
Für eine Branche, in der ein einzelner Designzyklus Jahre und neunstellige Budgets in Anspruch nehmen kann, könnte selbst die Einsparung eines Bruchteils dieser Zeit einen Wandel bedeuten. Und da die von der KI entworfenen Schaltkreise ihre von Menschen geschaffenen Gegenstücke zunehmend übertreffen, könnte sich die langjährige „dunkle Kunst“ der HF-Technik endlich in eine Wissenschaft verwandeln.
---
Bleib vorne bei KIDie neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Mehr KI-Nachrichten lesen →
