במשך עשרות שנים, תכנון מעגלים משולבים בתדר רדיו תואר כ"אמנות אפלה" - מיומנות שנשלטת רק על ידי שנים של ניסיון קפדני. כעת, חוקרים מאוניברסיטת פרינסטון אומרים כי בינה מלאכותית לומדת את האמנות הזו, ובמקרים מסוימים עולה על בני האדם שהחזיקו בה מונופול בעבר.
בתכונה שפורסמה על ידי IEEE Spectrum ב-24 ביוני 2026, הצוות פירט כיצד נעשה שימוש בשיטות למידת מכונה ליצירת מעגלים משולבים בתדר רדיו (RFICs) - השבבים הזעירים המאפשרים לטלפונים, מכוניות ולוויינים לשלוח ולקבל אותות אלחוטיים - מאפס. חלק מהפריסות שהתקבלו, מציינים החוקרים, "נראים יותר כמו אמנות מודרנית מאשר פריסות מעגלים", אך אבות הטיפוס הפיזיים שלהם ניצחו את המעגלים המתוכננים על ידי אדם בביצועים. For more context on this story, see our ongoing AI trends.
ההישג, לעומת זאת, אינו אסתטי בלבד. ה-AI הגה עיצובים עובדים בסדרי גודל פחות זמן ממה שמהנדס אנוש ידרוש.
מדוע עיצוב שבבי RF כל כך קשה
בניגוד ליחידות העיבוד המרכזיות (CPUs) והשבבים הגרפיים (GPUs) המצויים במחשבים, לא ניתן לעצב שבבי RF באמצעות תהליך סטנדרטי ואלגוריתמי. עיצוב RFIC הוא תרגיל בהנדסה על פני מספר תחומים פיזיים בו-זמנית.
המשוואות של מקסוול קובעות כיצד שדות אלקטרומגנטיים מקיימים אינטראקציה עם המכשירים האקטיביים והפאסיביים בשבב. יחד עם זאת, חוקי התרמודינמיקה קובעים כיצד חום נוצר ומוסר במהלך הפעולה, בעוד שהמכניקה של ההתפשטות התרמית מכתיבה באיזו אמינות שבב והאריזה שלו שורדים את תנודות הטמפרטורה. התחשבות בכל האילוצים הללו בו זמנית הופכת את מרחב העיצוב לגדול כמעט בלתי אפשרי, כאשר כל החלטה כוללת סדרי עדיפויות מתחרים.
התוצאה היא שתכנון שבב RF חדש יחיד יכול לקחת שנים ומאות עד מאות מיליוני דולרים.
התדרים על כף המאזניים
ההימור גבוה מכיוון שבבי RF עומדים בבסיס כמעט כל טכנולוגיה אלחוטית. טרנזיסטורים טיפוסיים של מעבד מתחממים יתר על המידה בתדרי פעולה של כמה גיגה-הרץ בלבד. שבבי RF, לעומת זאת, פועלים בתדרים גבוהים בהרבה: 28 ו-39 גיגה-הרץ עבור אותות 5G, 26.5 עד 40 גיגה-הרץ ומעלה עבור תקשורת לוויינית, ו-77 גיגה-הרץ עבור מכ"ם רכב.
כדי לשרוד את התדרים הללו, שבבי RF מנהלים בחוכמה את האנרגיה של האות באמצעות תכנון אלקטרומגנטי קפדני. זה לובש צורה של רשתות מורכבות של אלמנטים מתכתיים - סדירים מבחינה גיאומטרית, לעתים קרובות סימטריים, וכל כך משוכללים שהם יכולים להידמות לפיליגרן דמוי תחרה. מבנים פסיביים אלה, כגון משרנים וקווי תמסורת, שולטים בנכסי השבב, ותופסים הרבה יותר מקום מהטרנזיסטורים עצמם.
איך ה-AI ניגש לבעיה
לפי דו"ח IEEE Spectrum, קבוצת פרינסטון החלה לחקור עיצוב RF מונע בינה מלאכותית לפני כשבע שנים, בעקבות ניצחון AlphaGo של DeepMind על אלוף העולם Go Lee Sedol בשנת 2016. פריצת הדרך הזו גרמה לצוות לשאול האם ניתן ללמד AI גם את "האמנות האפלה" של עיצוב RF.
התשובה, יותר ויותר, היא כן. החוקרים משתמשים ב-למידת חיזוק בשילוב עם עיצוב הפוך כדי ליצור במהירות RFICs מאפס. במקום להתחיל מתבנית אנושית, המערכת לומדת אילו מבנים מייצרים את ההתנהגות האלקטרומגנטית הרצויה.
לאחרונה, דגמי דיפוזיה - אותה משפחה של AI מחולל מאחורי סינתזת תמונה מודרנית - שימשו ליצירת פריסות RF חדשות. דגמים אלה יכולים לייצר עיצובים שהם פרוע בכוונה או יותר ניתנים לפירוש אנושי, והם השיגו ביצועי שיא תוך קיצוץ דרסטי בזמן העיצוב.
דוגמה קונקרטית ממחישה את השינוי. מהנדס שמתכנן מגבר כוח של 28 ג'יגה-הרץ עבור מכשיר טלפון של 5G מילימטרים יתחיל באופן מסורתי מתבניות מבוססות ועוקב אחר דפוסים סימטריים ומובנים. משוחרר מהאילוצים הללו, הבינה המלאכותית יכולה לחקור עיצובים שאדם לעולם לא יצייר - ושלא צריך להיות מובן לאדם כדי לעבוד.
מה שיבוא אחר כך
החוקרים מזהירים שהתחום עדיין לא נמצא בנקודה של עיצוב RF אוטומטי לחלוטין, בלחיצת כפתור. התקדמות עתידית, הם טוענים, תהיה תלויה ב-מערכי נתונים גדולים ומשותפים של עיצוב שבבים ובמערכות אקולוגיות פתוחות יותר, כך שמערכות בינה מלאכותית יוכלו ללמוד התנהגויות אלקטרומגנטיות ומעגליות אוניברסליות במקום דפוסים צרים וספציפיים למעבדה.
אם אבני הבניין הללו נופלות במקומן, ההשלכות מתרחבות הרבה מעבר לשבבי רדיו. צוות פרינסטון מציע שעיצוב התומך בינה מלאכותית עשוי להפוך לעתיד של כל תכנון RF - ואולי הרבה יותר, מצביע על טכנולוגיות אלחוטיות של הדור הבא כולל רכבים אוטונומיים נרחבים, תקשורת קוונטית, שירות סלולרי 6G ורשתות לווייניות מתקדמות.
עבור תעשייה שבה מחזור עיצוב אחד יכול לצרוך שנים ותקציבים של תשע ספרות, אפילו גילוח של חלק מהזמן הזה יכול להיות מהפך. וככל שהמעגלים שתוכננו בינה מלאכותית עולים יותר ויותר על מקביליהם מתוצרת האדם, "האמנות האפלה" ארוכת השנים של הנדסת RF עשויה סוף סוף להפוך למדע.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
