Przez dziesięciolecia projektowanie układów scalonych o częstotliwości radiowej było opisywane jako „ciemna sztuka” — umiejętność, którą można opanować jedynie dzięki latom żmudnego doświadczenia. Teraz naukowcy z Uniwersytetu Princeton twierdzą, że sztuczna inteligencja uczy się tej sztuki, a w niektórych przypadkach przewyższa ludzi, którzy kiedyś mieli na nią monopol.
W artykule opublikowanym przez IEEE Spectrum 24 czerwca 2026 r. zespół szczegółowo opisał, w jaki sposób metody uczenia maszynowego są wykorzystywane do generowania od podstaw układów scalonych o częstotliwości radiowej (RFIC) – maleńkich chipów, które umożliwiają telefonom, samochodom i satelitom wysyłanie i odbieranie sygnałów bezprzewodowych. Naukowcy zauważają, że niektóre z powstałych układów „bardziej przypominają sztukę współczesną niż układy obwodów”, a mimo to ich fizyczne prototypy przewyższają pod względem wydajności najnowocześniejsze obwody zaprojektowane przez człowieka. Więcej kontekstu na ten temat znajdziesz w naszych najnowsze osiągnięcia AI.
Osiągnięcie to nie ma jednak charakteru czysto estetycznego. Sztuczna inteligencja opracowała działające projekty w rzędach wielkości w czasie krótszym, niż wymagałby tego ludzki inżynier.
Dlaczego projektowanie chipów RF jest tak trudne
W przeciwieństwie do jednostek centralnych (CPU) i układów graficznych (GPU) znajdujących się w komputerach, chipów RF nie można projektować w ramach ustandaryzowanego procesu algorytmicznego. Projektowanie RFIC to ćwiczenie inżynieryjne obejmujące wiele dziedzin fizycznych jednocześnie.
Równania Maxwella regulują interakcję pól elektromagnetycznych z aktywnymi i pasywnymi urządzeniami w chipie. Jednocześnie prawa termodynamiki określają, w jaki sposób ciepło jest generowane i usuwane podczas pracy, podczas gdy mechanika rozszerzalności cieplnej decyduje o tym, jak niezawodnie chip i jego opakowanie wytrzymują wahania temperatury. Uwzględnienie wszystkich tych ograniczeń jednocześnie sprawia, że przestrzeń projektowa jest prawie niemożliwie duża, a każda decyzja wiąże się z konkurującymi priorytetami.
W rezultacie opracowanie pojedynczego nowego projektu chipa RF może zająć lata i kosztować dziesiątki, a nawet setki milionów dolarów.
Stawką są częstotliwości
Stawka jest wysoka, ponieważ chipy RF stanowią podstawę niemal każdej technologii bezprzewodowej. Typowe tranzystory procesora przegrzewają się przy częstotliwościach roboczych rzędu zaledwie kilku gigaherców. Z kolei chipy RF działają na znacznie wyższych częstotliwościach: 28 i 39 gigaherców dla sygnałów 5G, od 26,5 do 40 gigaherców i więcej dla komunikacji satelitarnej oraz 77 gigaherców dla radarów samochodowych.
Aby przetrwać te częstotliwości, chipy RF sprytnie zarządzają energią sygnału poprzez staranną konstrukcję elektromagnetyczną. Przybiera to formę misternych sieci metalowych elementów – geometrycznie regularnych, często symetrycznych i tak wyszukanych, że mogą przypominać koronkowy filigran. Te pasywne struktury, takie jak cewki indukcyjne i linie transmisyjne, dominują w strukturze chipa, zajmując znacznie więcej miejsca niż same tranzystory.
Jak sztuczna inteligencja podchodzi do problemu
Według raportu IEEE Spectrum grupa Princeton rozpoczęła badania nad projektowaniem RF opartym na sztucznej inteligencji mniej więcej siedem lat temu, po zwycięstwie DeepMind AlphaGo nad mistrzem świata w Go Lee Sedolem w 2016 r. Ten przełom skłonił zespół do postawienia pytania, czy sztucznej inteligencji można nauczyć także „czarnej sztuki” projektowania RF.
Odpowiedź brzmi coraz częściej: tak. Naukowcy wykorzystują uczenie się przez wzmacnianie w połączeniu z projektowaniem odwrotnym, aby szybko tworzyć RFIC od podstaw. Zamiast zaczynać od ludzkiego szablonu, system uczy się, które struktury wytwarzają pożądane zachowanie elektromagnetyczne.
Niedawno modele dyfuzyjne – ta sama rodzina generatywnej sztucznej inteligencji, która stoi za nowoczesną syntezą obrazu – zostały wykorzystane do szybkiego generowania nowatorskich układów RF. Modele te mogą tworzyć projekty, które są albo celowo szalone, albo bardziej zrozumiałe dla człowieka, a ponadto osiągnęły rekordową wydajność, drastycznie skracając czas projektowania.
Konkretny przykład ilustruje tę zmianę. Inżynier projektujący 28-gigahercowy wzmacniacz mocy dla telefonu obsługującego fale milimetrowe tradycyjnie zaczyna od ustalonych szablonów i kieruje się symetrycznymi, zrozumiałymi wzorcami. Uwolniona od tych ograniczeń sztuczna inteligencja może badać projekty, których człowiek nigdy by nie narysował – i które nie muszą być zrozumiałe dla człowieka, aby działały.
Co będzie dalej
Naukowcy ostrzegają, że dziedzina ta nie osiągnęła jeszcze punktu w pełni zautomatyzowanego projektowania RF za pomocą przycisku. Twierdzą, że przyszły postęp będzie zależał od dużych, wspólnych zbiorów danych dotyczących projektów chipów i bardziej otwartych ekosystemów, dzięki czemu systemy sztucznej inteligencji będą mogły uczyć się uniwersalnych zachowań elektromagnetycznych i obwodów, a nie wąskich, specyficznych dla laboratorium wzorców.
Jeśli te elementy składowe wpasują się w całość, konsekwencje wykraczają daleko poza chipy radiowe. Zespół Princeton sugeruje, że projektowanie oparte na sztucznej inteligencji może stać się przyszłością wszystkich projektów RF – a być może znacznie więcej, wskazując na technologie bezprzewodowe nowej generacji, w tym szeroko rozpowszechnione pojazdy autonomiczne, komunikację kwantową, usługi mobilne 6G i zaawansowane sieci satelitarne.
W branży, w której pojedynczy cykl projektowy może pochłonąć lata i osiągnąć dziewięciocyfrowy budżet, nawet skrócenie ułamka tego czasu mogłoby mieć charakter transformacyjny. A ponieważ obwody zaprojektowane przez sztuczną inteligencję w coraz większym stopniu przewyższają swoje stworzone przez człowieka odpowiedniki, długoletnia „ciemna sztuka” inżynierii RF może w końcu przekształcić się w naukę.
---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
