수십 년 동안 무선 주파수 집적 회로 설계는 수년간의 고된 경험을 통해서만 습득할 수 있는 기술인 "암흑 예술"로 묘사되었습니다. 이제 프린스턴 대학의 연구자들은 인공 지능이 예술을 배우고 있으며 어떤 경우에는 한때 예술을 독점했던 인간을 능가한다고 말합니다.

2026년 6월 24일 IEEE Spectrum이 발표한 특집에서 팀은 기계 학습 방법을 사용하여 무선 주파수 집적 회로(RFIC)(전화기, 자동차 및 위성이 무선 신호를 보내고 받을 수 있게 하는 작은 칩)를 처음부터 생성하는 방법을 자세히 설명했습니다. 연구원들은 결과 레이아웃 중 일부가 "회로 레이아웃보다 현대 예술과 더 비슷해 보이지만" 물리적 프로토타입이 성능 면에서 인간이 설계한 최첨단 회로를 능가한다고 지적했습니다. 이 이야기에 대한 자세한 내용은 최신 AI 동향를 참조하세요.

그러나 그 성과는 순전히 미적인 것만은 아닙니다. AI는 인간 엔지니어가 요구하는 것보다 훨씬 적은 시간으로 작업 설계를 구상했습니다.

RF 칩 설계가 어려운 이유

컴퓨터에 사용되는 중앙처리장치(CPU)나 그래픽 칩(GPU)과 달리 RF 칩은 표준화된 알고리즘 프로세스를 통해 설계할 수 없습니다. RFIC 설계는 동시에 여러 물리적 영역에 걸쳐 엔지니어링을 수행하는 작업입니다.

Maxwell의 방정식은 전자기장이 칩의 능동 및 수동 장치와 상호 작용하는 방식을 제어합니다. 동시에, 열역학 법칙은 작동 중에 열이 어떻게 생성되고 제거되는지를 결정하는 반면, 열팽창 메커니즘은 칩과 그 패키징이 온도 변화에 얼마나 안정적으로 견디는지 결정합니다. 이러한 모든 제약 조건을 동시에 고려하면 모든 결정에 우선순위가 상충되므로 설계 공간이 거의 불가능할 정도로 커집니다.

결과적으로 하나의 새로운 RF 칩 설계를 완료하는 데 수년과 수천만 달러에서 수억 달러가 걸릴 수 있습니다.

위험에 처한 주파수

RF 칩이 거의 모든 무선 기술을 뒷받침하기 때문에 위험이 높습니다. 일반적인 CPU의 트랜지스터는 단지 몇 기가헤르츠의 작동 주파수에서 과열됩니다. 이와 대조적으로 RF 칩은 훨씬 더 높은 주파수에서 작동합니다. 5G 신호의 경우 28~39기가헤르츠, 위성 통신의 경우 26.5~40기가헤르츠 이상, 자동차 레이더의 경우 77기가헤르츠입니다.

이러한 주파수에서 살아남기 위해 RF 칩은 신중한 전자기 설계를 통해 신호 에너지를 교묘하게 관리합니다. 그것은 금속 요소의 복잡한 네트워크 형태를 취합니다. 기하학적으로 규칙적이고 종종 대칭이며 너무 정교하여 레이스 같은 선조와 비슷할 수 있습니다. 인덕터 및 전송선과 같은 이러한 수동 구조는 칩의 공간을 지배하며 트랜지스터 자체보다 훨씬 더 많은 공간을 차지합니다.

AI가 문제에 접근하는 방법

IEEE Spectrum 보고서에 따르면 프린스턴 그룹은 약 7년 전 DeepMind가 AlphaGo가 세계 바둑 챔피언 이세돌에게 승리한 이후 약 7년 전 AI 기반 RF 설계를 탐색하기 시작했습니다. 이러한 획기적인 발전으로 인해 팀은 AI가 RF 설계의 "암흑 기술"도 가르칠 수 있는지 묻게 되었습니다.

대답은 점점 '그렇다'입니다. 연구원들은 역설계와 결합된 강화 학습을 사용하여 처음부터 RFIC를 빠르게 생성합니다. 시스템은 인간 템플릿에서 시작하는 대신 원하는 전자기적 동작을 생성하는 구조를 학습합니다.

최근에는 최신 이미지 합성을 뒷받침하는 동일한 생성 AI 제품군인 확산 모델을 사용하여 새로운 RF 레이아웃을 빠르게 생성했습니다. 이러한 모델은 의도적으로 거칠거나 인간이 해석하기 쉬운 디자인을 생성할 수 있으며, 디자인 시간을 대폭 단축하면서 기록적인 성능을 달성했습니다.

구체적인 예는 변화를 보여줍니다. 5G 밀리미터파 핸드셋용 28GHz 전력 증폭기를 설계하는 엔지니어는 전통적으로 확립된 템플릿에서 시작하여 대칭적이고 이해 가능한 패턴을 따릅니다. 이러한 제약에서 벗어난 AI는 인간이 결코 그릴 수 없는 디자인을 탐색할 수 있으며 작업을 위해 인간이 이해할 수 있을 필요는 없습니다.

다음에 나올 내용

연구원들은 이 분야가 아직 완전히 자동화된 푸시 버튼 RF 설계 단계에 이르지 못했다고 경고합니다. 미래의 발전은 대규모 공유 칩 설계 데이터세트와 보다 개방적인 생태계에 달려 있어 AI 시스템이 좁은 실험실 특정 패턴이 아닌 보편적인 전자기 및 회로 동작을 학습할 수 있을 것이라고 그들은 주장합니다.

이러한 빌딩 블록이 제 위치에 있으면 그 의미는 무선 칩 이상으로 확장됩니다. 프린스턴 팀은 AI 기반 설계가 모든 RF 설계의 미래가 될 수 있으며 아마도 훨씬 더 나아가 광범위한 자율 차량, 양자 통신, 6G 모바일 서비스 및 고급 위성 네트워크를 포함한 차세대 무선 기술을 가리키는 것이 될 수 있다고 제안합니다.

단일 설계 주기에 수년과 수십억 달러의 예산이 소요될 수 있는 업계에서는 그 시간의 일부만 단축해도 큰 변화를 가져올 수 있습니다. 그리고 AI가 설계한 회로가 인간이 만든 회로보다 성능이 점점 더 향상됨에 따라 RF 엔지니어링의 오랜 "암흑술"이 마침내 과학으로 변모할 수 있습니다.

---

AI 최신 소식

최신 AI 뉴스, 분석 및 혁신을 한 곳에서 확인하세요.

AI 뉴스 더 보기 →