ဆယ်စုနှစ်များစွာကြာအောင် ရေဒီယိုကြိမ်နှုန်းပေါင်းစည်းထားသော ဆားကစ်များကို ဒီဇိုင်းထုတ်ခြင်းအား "အမှောင်အနုပညာ" အဖြစ် ဖော်ပြခဲ့သည်—နှစ်ပေါင်းများစွာ ပြင်းပြင်းထန်ထန် တွေ့ကြုံခဲ့ရသော ကျွမ်းကျင်မှုတစ်ခုဖြစ်သည်။ ယခုအခါတွင်၊ ပရင်စတန်တက္ကသိုလ်မှ သုတေသီများက ဉာဏ်ရည်တုသည် ထိုအနုပညာကို သင်ယူနေပြီး အချို့ကိစ္စများတွင် တစ်ချိန်က ၎င်းကို လက်ဝါးကြီးအုပ်ခဲ့ဖူးသော လူသားများထက် သာလွန်သည်ဟု ဆိုကြသည်။
ဇွန်လ 24 ရက်၊ 2026 တွင် IEEE Spectrum မှထုတ်ဝေသည့်အင်္ဂါရပ်တစ်ခုတွင်၊ အဖွဲ့သည် ဖုန်းများ၊ ကားများနှင့် ဂြိုလ်တုများမှ ကြိုးမဲ့အချက်ပြမှုများ ပေးပို့လက်ခံနိုင်စေမည့် ရေဒီယိုကြိမ်နှုန်းပေါင်းစည်းဆားကစ်များ (RFICs) ကို ထုတ်လုပ်ရန် စက်-သင်ယူမှုနည်းလမ်းများကို အသုံးပြုထားကြောင်း အသေးစိတ်ဖော်ပြထားသည်။ ထွက်ပေါ်လာသော layout အချို့တွင် သုတေသီများက " circuit layout များထက် ခေတ်မီ အနုပညာနှင့် ပိုတူသည်" ဟု မှတ်ချက်ပြုသော်လည်း ၎င်းတို့၏ ရုပ်ပိုင်းဆိုင်ရာ ရှေ့ပြေးပုံစံများသည် ခေတ်မီသော လူသားပုံစံဖြင့် ပြုလုပ်ထားသော ဆားကစ်များကို စွမ်းဆောင်နိုင်စေရန် အကောင်းဆုံး စွမ်းဆောင်နိုင်သည်ဟု မှတ်ချက်ချကြသည်။ For more context on this story, see our ongoing AI industry coverage.
သို့သော် အောင်မြင်မှုသည် အနုနည်းသက်သက်မဟုတ်ပါ။ AI သည် လူသားအင်ဂျင်နီယာတစ်ဦး လိုအပ်သည်ထက် အချိန်ပိုနည်းသော ပြင်းအားအစီအစဥ်များဖြင့် အလုပ်လုပ်သော ဒီဇိုင်းများကို ဖန်တီးထားသည်။
RF Chip ဒီဇိုင်းက ဘာကြောင့် အရမ်းခက်ခဲတာလဲ။
ကွန်ပျူတာများတွင်တွေ့ရသော ဗဟိုလုပ်ဆောင်မှုယူနစ်များ (CPUs) နှင့် ဂရပ်ဖစ်ချစ်ပ်များ (GPUs) နှင့်မတူဘဲ၊ RF ချစ်ပ်များကို စံပြု၍ အယ်လဂိုရီသမ်လုပ်ငန်းစဉ်ဖြင့် ဒီဇိုင်းထုတ်၍မရပါ။ RFIC ဒီဇိုင်းသည် ရုပ်ပိုင်းဆိုင်ရာနယ်ပယ်များစွာတွင် တစ်ပြိုင်နက်တည်း အင်ဂျင်နီယာပညာရပ်အတွက် လေ့ကျင့်ခန်းတစ်ခုဖြစ်သည်။
Maxwell ၏ ညီမျှခြင်းများသည် ချစ်ပ်တစ်ခုပေါ်ရှိ လျှပ်စစ်သံလိုက်စက်ကွင်းများနှင့် တက်ကြွပြီး passive စက်ပစ္စည်းများနှင့် အကျိုးသက်ရောက်ပုံကို အုပ်ချုပ်သည်။ တစ်ချိန်တည်းမှာပင်၊ သာမိုဒိုင်းနမစ်ဥပဒေများသည် လည်ပတ်နေစဉ်အတွင်း အပူကို မည်ကဲ့သို့ ထုတ်ပေးကာ ဖယ်ရှားနည်းကို ဆုံးဖြတ်ပေးကာ အပူကို ချဲ့ထွင်ခြင်း၏ စက်ယန္တရားများက ချစ်ပ်ပြားနှင့် ၎င်း၏ထုပ်ပိုးမှုတို့သည် အပူချိန်အလွှဲအပြောင်းကို မည်ကဲ့သို့ စိတ်ချယုံကြည်ရကြောင်း ဆုံးဖြတ်ပေးသည်။ အဆိုပါ ကန့်သတ်ချက်များအားလုံးကို တစ်ပြိုင်နက်တည်း စာရင်းတွက်ချက်ခြင်းသည် ပြိုင်ဆိုင်မှုဆိုင်ရာ ဦးစားပေးမှုများပါ၀င်သည့် ဆုံးဖြတ်ချက်တိုင်းဖြင့် ဒီဇိုင်းနေရာလွတ်ကို မဖြစ်နိုင်သလောက် ကြီးမားစေသည်။
ရလဒ်မှာ RF ချစ်ပ်ဒီဇိုင်းအသစ်တစ်ခုပြီးမြောက်ရန် နှစ်နှင့် ဆယ်ဂဏန်းမှ ရာနှင့်ချီ၍ ကြာနိုင်သည်။
လောင်းကြေးရှိ ကြိမ်နှုန်းများ
RF ချစ်ပ်များသည် ကြိုးမဲ့နည်းပညာတိုင်းနီးပါးကို ပံ့ပိုးပေးသောကြောင့် လောင်းကြေးများ မြင့်မားသည်။ ပုံမှန် CPU ၏ ထရန်စစ္စတာများသည် gigahertz အနည်းငယ်မျှသာရှိသော လုပ်ဆောင်မှုကြိမ်နှုန်းများတွင် အပူလွန်ကဲသည်။ ဆန့်ကျင်ဘက်အားဖြင့် RF ချစ်ပ်များသည် 5G အချက်ပြမှုများအတွက် 28 နှင့် 39 ဂစ်ဂါဟတ်ဇ်၊ ဂြိုလ်တုဆက်သွယ်ရေးအတွက် 26.5 မှ 40 ဂစ်ဂါဟတ်ဇ်နှင့် ကျော်လွန်ပြီး မော်တော်ယာဥ်ရေဒါအတွက် 77 ဂစ်ဂါဟတ်ဇ်နှင့် ဆန့်ကျင်ဘက်အားဖြင့် RF ချစ်ပ်များသည် ပိုမိုမြင့်မားသောကြိမ်နှုန်းများဖြင့် လုပ်ဆောင်သည်။
ထိုကြိမ်နှုန်းများကို ရှင်သန်နိုင်ရန်၊ RF ချစ်ပ်များသည် ဂရုတစိုက် လျှပ်စစ်သံလိုက်ဒီဇိုင်းဖြင့် အချက်ပြစွမ်းအင်ကို လိမ္မာပါးနပ်စွာ စီမံခန့်ခွဲပါသည်။ ၎င်းသည် သတ္တုဒြပ်စင်များ၏ အနုစိတ်သော ကွန်ရက်ပုံစံကို ယူဆောင်သည် — ဂျီဩမေတြီအရ ပုံမှန်၊ မကြာခဏ အချိုးကျပြီး သပ်သပ်ရပ်ရပ်ဖြင့် ၎င်းတို့သည် ဇာကဲ့သို့ ချည်ကြိုးများနှင့် ဆင်တူနိုင်သည်။ inductors နှင့် transmission line ကဲ့သို့သော passive structure များသည် transistor များထက် နေရာပိုယူကာ chip ၏ အိမ်ခြံမြေကို လွှမ်းမိုးထားသည်။
AI က ပြဿနာကို ဘယ်လိုချဉ်းကပ်လဲ။
IEEE Spectrum အစီရင်ခံစာအရ Princeton အဖွဲ့သည် လွန်ခဲ့သည့် ခုနစ်နှစ်ခန့်က DeepMind ၏ AlphaGo ၏ AlphaGo အောင်ပွဲအပြီးတွင် Princeton အဖွဲ့သည် AI မောင်းနှင်သော RF ဒီဇိုင်းကို စတင်စူးစမ်းလေ့လာခဲ့သည်။ အဆိုပါအောင်မြင်မှုသည် AI ၏ RF ဒီဇိုင်း၏ "အမိုက်စားအနုပညာ" ကိုလည်း သင်ကြားနိုင်မလား။
အဖြေက ပိုများလာတယ်။ သုတေသီများသည် RFIC များကို အစမှနေ၍ လျင်မြန်စွာ ဖန်တီးနိုင်ရန် အားဖြည့်သင်ကြားခြင်း နှင့် ပြောင်းပြန်ဒီဇိုင်း နှင့် ပေါင်းစပ်အသုံးပြုသည်။ လူသားပုံစံပုံစံမှ စတင်မည့်အစား၊ မည်သည့်ဖွဲ့စည်းပုံများသည် အလိုရှိသော လျှပ်စစ်သံလိုက်အပြုအမူကို ထုတ်ပေးသည်ကို စနစ်က လေ့လာသည်။
မကြာသေးမီက၊ diffusion မော်ဒယ်များ—ခေတ်မီပုံရိပ်ပေါင်းစပ်မှုနောက်ကွယ်ရှိ မျိုးဆက်သစ် AI မိသားစု——သည် ဆန်းသစ်သော RF အပြင်အဆင်များကို လျင်မြန်စွာထုတ်လုပ်ရန်အတွက် အသုံးပြုခဲ့သည်။ ဤမော်ဒယ်များသည် တမင်ရိုင်းသော သို့မဟုတ် ပို၍ လူသားဆန်ဆန် အဓိပ္ပါယ်ပြန်ဆိုနိုင်သော ဒီဇိုင်းများကို ထုတ်လုပ်နိုင်ပြီး ၎င်းတို့သည် ဒီဇိုင်းအချိန်ကို ဖြတ်တောက်ကာ စံချိန်တင် စွမ်းဆောင်ရည်ကို ရရှိခဲ့သည်။
အပြောင်းအရွှေ့ကို အတိအကျ ဥပမာပေးသည်။ 5G မီလီမီတာ-လှိုင်း ဟန်းဆက်အတွက် 28-gigahertz ပါဝါအသံချဲ့စက်ကို ဒီဇိုင်းထုတ်သည့် အင်ဂျင်နီယာတစ်ဦးသည် ရိုးရာပုံစံပုံစံများမှ အစပြုကာ အချိုးကျနားလည်နိုင်သော ပုံစံများကို လိုက်နာသည်။ အဆိုပါ ကန့်သတ်ချက်များမှ လွတ်မြောက်ပြီး AI သည် လူသားတစ်ဦး ဘယ်သောအခါမှ ရေးဆွဲပေးမည့် ဒီဇိုင်းများကို ရှာဖွေနိုင်သည် — နှင့် ၎င်းသည် အလုပ်လုပ်ရန် လူသားနားလည်ရန် မလိုအပ်ပါ။
##ဘာတွေဆက်ဖြစ်မလဲ။
နယ်ပယ်သည် အပြည့်အဝ အလိုအလျောက် ခလုတ် RF ဒီဇိုင်း၏ နေရာတွင် မရောက်သေးကြောင်း သုတေသီများက သတိပေးထားသည်။ AI စနစ်များသည် ကျဉ်းမြောင်းသော ဓာတ်ခွဲခန်းဆိုင်ရာ သီးသန့်ပုံစံများထက် ကျဉ်းမြောင်းသော ဓာတ်ခွဲခန်းဆိုင်ရာ ပုံစံများထက် ကြီးမားသော၊ မျှဝေထားသော ချစ်ပ်ဒီဇိုင်းဒေတာများ** နှင့် ပိုမိုပွင့်လင်းသော ဂေဟစနစ်များပေါ်တွင် မူတည်ပြီး အနာဂတ်တိုးတက်မှုအပေါ်တွင်မူတည်သည်ဟု ၎င်းတို့က ငြင်းခုံကြသည်။
အကယ်၍ အဆိုပါ အဆောက်အဦများ ပြိုကျပါက၊ သက်ရောက်မှုများသည် ရေဒီယို ချစ်ပ်များထက် ကျော်လွန်နိုင်သည်။ Princeton အဖွဲ့သည် ကျယ်ပြန့်သော ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်များ၊ ကွမ်တမ်ဆက်သွယ်ရေး၊ 6G မိုဘိုင်းဝန်ဆောင်မှုနှင့် အဆင့်မြင့်ဂြိုလ်တုကွန်ရက်များအပါအဝင် မျိုးဆက်သစ်ကြိုးမဲ့နည်းပညာများဆီသို့ ညွှန်ပြနေသည့် AI-အသုံးပြုနိုင်သည့် ဒီဇိုင်းသည် RF ဒီဇိုင်းအားလုံး၏ အနာဂတ်ဖြစ်လာနိုင်သည်ဟု အကြံပြုထားသည်။
ဒီဇိုင်းစက်ဝန်းတစ်ခုသည် နှစ်များနှင့် ပုံကိုးပုံဘတ်ဂျက်များကို စားသုံးနိုင်သည့် စက်မှုလုပ်ငန်းတစ်ခုအတွက်၊ ထိုအချိန်၏ အပိုင်းတစ်ပိုင်းကို မုတ်ဆိတ်ရိတ်ခြင်းသည်ပင် အသွင်ပြောင်းနိုင်သည်။ AI ဒီဇိုင်းထုတ်ထားသော ဆားကစ်များသည် ၎င်းတို့၏ လူလုပ်ထားသော အစိတ်အပိုင်းများထက် ပိုမိုစွမ်းဆောင်ရည် မြင့်မားလာသည်နှင့်အမျှ RF အင်ဂျင်နီယာ၏ နှစ်ရှည်လများ တည်ရှိနေသော "အမှောင်အနုပညာ" သည် နောက်ဆုံးတွင် သိပ္ပံပညာအဖြစ်သို့ ပြောင်းလဲသွားနိုင်သည်။
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
