Selama beberapa dekad, mereka bentuk litar bersepadu frekuensi radio telah disifatkan sebagai "seni gelap" — kemahiran yang dikuasai hanya melalui pengalaman yang teliti selama bertahun-tahun. Kini, penyelidik di Universiti Princeton mengatakan kecerdasan buatan sedang mempelajari seni itu, dan dalam beberapa kes mengatasi manusia yang pernah memonopolinya.
Dalam ciri yang diterbitkan oleh IEEE Spectrum pada 24 Jun 2026, pasukan itu memperincikan cara kaedah pembelajaran mesin digunakan untuk menjana litar bersepadu frekuensi radio (RFIC) — cip kecil yang membolehkan telefon, kereta dan satelit menghantar dan menerima isyarat wayarles — dari awal. Beberapa susun atur yang terhasil, kata para penyelidik, "kelihatan lebih seperti seni moden daripada susun atur litar," namun prototaip fizikal mereka telah mengatasi litar rekaan manusia yang canggih pada prestasi. For more context on this story, see our ongoing more AI stories.
Pencapaian itu, bagaimanapun, bukanlah semata-mata estetik. AI mencipta reka bentuk yang berfungsi mengikut urutan magnitud yang kurang masa daripada yang diperlukan oleh seorang jurutera manusia.
Mengapa Reka Bentuk Cip RF Sangat Keras
Tidak seperti unit pemprosesan pusat (CPU) dan cip grafik (GPU) yang terdapat dalam komputer, cip RF tidak boleh direka bentuk melalui proses algoritma yang standard. Reka bentuk RFIC ialah latihan dalam kejuruteraan merentas berbilang domain fizikal sekaligus.
Persamaan Maxwell mengawal cara medan elektromagnet berinteraksi dengan peranti aktif dan pasif pada cip. Pada masa yang sama, undang-undang termodinamik menentukan cara haba dijana dan dikeluarkan semasa operasi, manakala mekanik pengembangan terma menentukan sejauh mana kebolehpercayaan cip dan pembungkusannya bertahan dengan perubahan suhu. Mengambil kira semua kekangan ini secara serentak menjadikan ruang reka bentuk hampir mustahil besar, dengan setiap keputusan melibatkan keutamaan yang bersaing.
Hasilnya ialah satu reka bentuk cip RF baharu boleh mengambil masa bertahun-tahun dan berpuluh-puluh hingga ratusan juta dolar untuk disiapkan.
Frekuensi yang Dipertaruhkan
Pertaruhannya tinggi kerana cip RF menyokong hampir setiap teknologi tanpa wayar. Transistor CPU biasa menjadi terlalu panas pada frekuensi operasi hanya beberapa gigahertz. Cip RF, sebaliknya, beroperasi pada frekuensi yang jauh lebih tinggi: 28 dan 39 gigahertz untuk isyarat 5G, 26.5 hingga 40 gigahertz dan seterusnya untuk komunikasi satelit, dan 77 gigahertz untuk radar automotif.
Untuk bertahan pada frekuensi tersebut, cip RF dengan bijak menguruskan tenaga isyarat melalui reka bentuk elektromagnet yang teliti. Itu mengambil bentuk rangkaian rumit unsur-unsur logam - teratur dari segi geometri, selalunya simetri, dan begitu rumit mereka boleh menyerupai kerawang seperti renda. Struktur pasif ini, seperti induktor dan talian penghantaran, menguasai harta tanah cip, mengambil lebih banyak ruang daripada transistor itu sendiri.
Bagaimana AI Mendekati Masalah
Menurut laporan Spektrum IEEE, kumpulan Princeton mula meneroka reka bentuk RF dipacu AI kira-kira tujuh tahun yang lalu, berikutan kemenangan DeepMind AlphaGo ke atas juara dunia Go, Lee Sedol pada tahun 2016. Kejayaan itu mendorong pasukan untuk bertanya sama ada AI boleh diajar "seni gelap" reka bentuk RF juga.
Jawapannya, semakin, adalah ya. Para penyelidik menggunakan pembelajaran pengukuhan digabungkan dengan reka bentuk songsang untuk mencipta RFIC dengan pantas dari awal. Daripada bermula daripada templat manusia, sistem mempelajari struktur mana yang menghasilkan tingkah laku elektromagnet yang diingini.
Baru-baru ini, model resapan — keluarga AI generatif yang sama di sebalik sintesis imej moden — telah digunakan untuk menjana reka letak RF novel dengan pantas. Model ini boleh menghasilkan reka bentuk yang sama ada sengaja liar atau lebih boleh ditafsirkan oleh manusia, dan mereka telah mencapai prestasi rekod sambil memotong masa reka bentuk secara drastik.
Contoh konkrit menggambarkan peralihan. Seorang jurutera yang mereka bentuk penguat kuasa 28-gigahertz untuk telefon bimbit gelombang milimeter 5G secara tradisinya akan bermula daripada templat yang telah ditetapkan dan mengikut pola simetri yang boleh difahami. Dibebaskan daripada kekangan tersebut, AI boleh meneroka reka bentuk yang tidak akan dilukis oleh manusia — dan itu tidak perlu difahami oleh manusia untuk bekerja.
Apa Yang Akan Datang
Para penyelidik memberi amaran bahawa bidang itu belum lagi berada pada tahap reka bentuk RF butang tekan automatik sepenuhnya. Kemajuan masa depan, mereka berpendapat, akan bergantung pada set data reka bentuk cip yang besar dan dikongsi dan ekosistem yang lebih terbuka, supaya sistem AI boleh mempelajari gelagat elektromagnet dan litar sejagat berbanding corak sempit khusus makmal.
Jika blok binaan itu tersusun, implikasinya melangkaui cip radio. Pasukan Princeton mencadangkan bahawa reka bentuk yang didayakan AI boleh menjadi masa depan semua reka bentuk RF — dan mungkin lebih banyak lagi, menunjuk ke arah teknologi wayarles generasi akan datang termasuk kenderaan autonomi yang meluas, komunikasi kuantum, perkhidmatan mudah alih 6G dan rangkaian satelit termaju.
Untuk industri di mana kitaran reka bentuk tunggal boleh menggunakan belanjawan bertahun-tahun dan sembilan angka, walaupun mencukur sebahagian kecil daripada masa itu boleh menjadi transformatif. Dan apabila litar rekaan AI semakin mengatasi prestasi buatan manusia, "seni gelap" kejuruteraan RF yang telah lama wujud akhirnya boleh bertukar menjadi sains.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
