На протяжении десятилетий проектирование радиочастотных интегральных схем описывалось как «темное искусство» — навык, приобретаемый только в результате многолетнего кропотливого опыта. Теперь исследователи из Принстонского университета говорят, что искусственный интеллект изучает это искусство и в некоторых случаях превосходит людей, которые когда-то владели монополией на него.

В статье, опубликованной IEEE Spectrum 24 июня 2026 года, команда подробно рассказала, как методы машинного обучения используются для создания радиочастотных интегральных схем (RFIC) — крошечных чипов, которые позволяют телефонам, автомобилям и спутникам отправлять и получать беспроводные сигналы — с нуля. Некоторые из получившихся схем, как отмечают исследователи, «больше похожи на современное искусство, чем на схемы», однако их физические прототипы превзошли по производительности современные схемы, разработанные человеком. Подробнее об этой истории — в нашем новости об ИИ.

Однако достижение не является чисто эстетическим. ИИ разработал рабочие проекты на порядки меньше времени, чем потребовалось бы человеку-инженеру.

Почему проектирование радиочастотных чипов так сложно

В отличие от центральных процессоров (ЦП) и графических чипов (ГП), используемых в компьютерах, радиочастотные чипы не могут быть разработаны с помощью стандартизированного алгоритмического процесса. Проектирование RFIC — это упражнение в разработке сразу нескольких физических областей.

Уравнения Максвелла определяют, как электромагнитные поля взаимодействуют с активными и пассивными устройствами на чипе. При этом законы термодинамики определяют, как выделяется и отводится тепло в процессе работы, а механика теплового расширения определяет, насколько надежно чип и его упаковка выдерживают перепады температур. Учет всех этих ограничений одновременно делает пространство для проектирования практически невероятно большим, поскольку каждое решение включает в себя конкурирующие приоритеты.

В результате разработка одного нового радиочастотного чипа может занять годы и десятки-сотни миллионов долларов.

Частоты под угрозой

Ставки высоки, поскольку радиочастотные чипы лежат в основе практически каждой беспроводной технологии. Транзисторы типичного процессора перегреваются на рабочих частотах всего в несколько гигагерц. Радиочипы, напротив, работают на гораздо более высоких частотах: 28 и 39 гигагерц для сигналов 5G, 26,5–40 гигагерц и выше для спутниковой связи и 77 гигагерц для автомобильных радаров.

Чтобы выдержать эти частоты, радиочастотные чипы умело управляют энергией сигнала посредством тщательной электромагнитной конструкции. Это принимает форму сложной сети металлических элементов — геометрически правильных, часто симметричных и настолько сложных, что может напоминать кружевную филигрань. Эти пассивные структуры, такие как катушки индуктивности и линии передачи, занимают большую часть микросхемы, занимая гораздо больше места, чем сами транзисторы.

Как ИИ подходит к проблеме

Согласно отчету IEEE Spectrum, группа из Принстона начала изучать радиочастотное проектирование на основе искусственного интеллекта примерно семь лет назад, после победы DeepMind AlphaGo над чемпионом мира по го Ли Седолем в 2016 году. Этот прорыв побудил команду задаться вопросом, можно ли научить ИИ также «темному искусству» радиочастотного проектирования.

Ответ все чаще оказывается да. Исследователи используют обучение с подкреплением в сочетании с обратным дизайном для быстрого создания RFIC с нуля. Вместо того, чтобы начинать с человеческого шаблона, система изучает, какие структуры обеспечивают желаемое электромагнитное поведение.

Совсем недавно диффузионные модели — то же семейство генеративного искусственного интеллекта, что лежит в основе современного синтеза изображений — стали использоваться для быстрого создания новых радиочастотных схем. Эти модели могут создавать конструкции, которые либо намеренно дикие, либо более понятные для человека, и они достигли рекордной производительности, резко сокращая время проектирования.

Конкретный пример иллюстрирует этот сдвиг. Инженер, проектирующий усилитель мощности на 28 ГГц для телефона 5G, работающего в миллиметровом диапазоне, традиционно начинает с устоявшихся шаблонов и следует симметричным, понятным шаблонам. Освободившись от этих ограничений, ИИ может исследовать проекты, которые человек никогда бы не нарисовал, и для того, чтобы они работали, не обязательно быть понятными для человека.

Что будет дальше

Исследователи предупреждают, что эта область еще не достигла стадии полностью автоматизированного и кнопочного радиочастотного проектирования. Будущий прогресс, по их мнению, будет зависеть от больших, общих наборов данных для проектирования чипов и более открытых экосистем, чтобы системы ИИ могли изучать универсальное электромагнитное и схемное поведение, а не узкие, специфичные для лаборатории шаблоны.

Если эти строительные блоки встанут на свои места, последствия выходят далеко за рамки радиочипов. Команда из Принстона предполагает, что проектирование с использованием искусственного интеллекта может стать будущим всей радиочастотной разработки — и, возможно, намного большим, указывая на беспроводные технологии следующего поколения, включая широко распространенные автономные транспортные средства, квантовую связь, мобильные услуги 6G и передовые спутниковые сети.

Для отрасли, где один цикл проектирования может занимать годы и девятизначные бюджеты, сокращение даже части этого времени может привести к трансформации. И поскольку схемы, разработанные ИИ, все больше превосходят свои искусственные аналоги, давнее «темное искусство» радиочастотной инженерии может наконец превратиться в науку.

---

Будьте в курсе ИИ

Последние новости, аналитика и прорывы в сфере ИИ — всё в одном месте.

Читать больше новостей об ИИ →