பல தசாப்தங்களாக, ரேடியோ-அதிர்வெண் ஒருங்கிணைந்த சுற்றுகளை வடிவமைப்பது ஒரு "இருண்ட கலை" என்று விவரிக்கப்படுகிறது - இது பல வருட கடினமான அனுபவத்தின் மூலம் மட்டுமே தேர்ச்சி பெற்றது. இப்போது, ​​பிரின்ஸ்டன் பல்கலைக்கழக ஆராய்ச்சியாளர்கள், செயற்கை நுண்ணறிவு அந்தக் கலையைக் கற்றுக்கொள்வதாகவும், சில சமயங்களில் அதன் மீது ஏகபோக உரிமை வைத்திருந்த மனிதர்களை மிஞ்சுவதாகவும் கூறுகிறார்கள்.

ஜூன் 24, 2026 அன்று IEEE ஸ்பெக்ட்ரம் வெளியிட்ட ஒரு அம்சத்தில், ரேடியோ அதிர்வெண் ஒருங்கிணைந்த சுற்றுகளை (RFICs) உருவாக்க இயந்திரக் கற்றல் முறைகள் எவ்வாறு பயன்படுத்தப்படுகின்றன என்பதை குழு விவரித்தது - தொலைபேசிகள், கார்கள் மற்றும் செயற்கைக்கோள்கள் வயர்லெஸ் சிக்னல்களை அனுப்பவும் பெறவும் அனுமதிக்கும் சிறிய சில்லுகள். இதன் விளைவாக வரும் சில தளவமைப்புகள், "சர்க்யூட் தளவமைப்புகளை விட நவீன கலையைப் போலவே தோற்றமளிக்கின்றன" என்று ஆராய்ச்சியாளர்கள் குறிப்பிடுகின்றனர், இருப்பினும் அவற்றின் இயற்பியல் முன்மாதிரிகள் அதிநவீன மனிதனால் வடிவமைக்கப்பட்ட சுற்றுகளை செயல்திறனில் சிறப்பாகச் செய்துள்ளன. For more context on this story, see our ongoing more AI stories.

இருப்பினும், சாதனை முற்றிலும் அழகியல் அல்ல. ஒரு மனிதப் பொறியியலாளருக்குத் தேவைப்படும் நேரத்தை விட குறைவான அளவிலேயே வேலை செய்யும் வடிவமைப்புகளை AI உருவாக்கியது.

ஏன் RF சிப் வடிவமைப்பு மிகவும் கடினமாக உள்ளது

கணினிகளில் காணப்படும் மத்திய செயலாக்க அலகுகள் (CPUகள்) மற்றும் கிராபிக்ஸ் சில்லுகள் (GPUகள்) போலல்லாமல், RF சில்லுகளை தரப்படுத்தப்பட்ட, அல்காரிதம் செயல்முறை மூலம் வடிவமைக்க முடியாது. RFIC வடிவமைப்பு என்பது ஒரே நேரத்தில் பல இயற்பியல் களங்களில் பொறியியலில் ஒரு பயிற்சியாகும்.

மேக்ஸ்வெல்லின் சமன்பாடுகள் ஒரு சிப்பில் உள்ள செயலில் மற்றும் செயலற்ற சாதனங்களுடன் மின்காந்த புலங்கள் எவ்வாறு தொடர்பு கொள்கின்றன என்பதை நிர்வகிக்கிறது. அதே நேரத்தில், வெப்ப இயக்கவியலின் விதிகள் செயல்பாட்டின் போது வெப்பம் எவ்வாறு உருவாகிறது மற்றும் அகற்றப்படுகிறது என்பதை தீர்மானிக்கிறது, அதே நேரத்தில் வெப்ப விரிவாக்கத்தின் இயக்கவியல் ஒரு சிப் மற்றும் அதன் பேக்கேஜிங் வெப்பநிலை மாற்றங்களை எவ்வாறு நம்பத்தகுந்ததாகக் கூறுகிறது. இந்தக் கட்டுப்பாடுகள் அனைத்திற்கும் ஒரே நேரத்தில் கணக்கு வைப்பது, ஒவ்வொரு முடிவும் போட்டியிடும் முன்னுரிமைகளை உள்ளடக்கிய வடிவமைப்பு இடத்தை கிட்டத்தட்ட சாத்தியமில்லாமல் பெரிதாக்குகிறது.

இதன் விளைவாக, ஒரு புதிய RF சிப் வடிவமைப்பை முடிக்க பல ஆண்டுகள் மற்றும் பத்தாயிரம் மில்லியன் டாலர்கள் வரை ஆகலாம்.

ஆபத்தில் உள்ள அதிர்வெண்கள்

RF சில்லுகள் கிட்டத்தட்ட ஒவ்வொரு வயர்லெஸ் தொழில்நுட்பத்திற்கும் அடித்தளமாக இருப்பதால் பங்குகள் அதிகம். ஒரு பொதுவான CPU இன் டிரான்சிஸ்டர்கள் சில ஜிகாஹெர்ட்ஸ் இயக்க அதிர்வெண்களில் அதிக வெப்பமடைகின்றன. இதற்கு மாறாக, RF சில்லுகள் அதிக அதிர்வெண்களில் இயங்குகின்றன: 5G சிக்னல்களுக்கு 28 மற்றும் 39 ஜிகாஹெர்ட்ஸ், செயற்கைக்கோள் தகவல்தொடர்புகளுக்கு 26.5 முதல் 40 ஜிகாஹெர்ட்ஸ், மற்றும் வாகன ராடருக்கு 77 ஜிகாஹெர்ட்ஸ்.

அந்த அதிர்வெண்களைத் தக்கவைக்க, RF சில்லுகள் கவனமாக மின்காந்த வடிவமைப்பு மூலம் ஒரு சமிக்ஞையின் ஆற்றலைப் புத்திசாலித்தனமாக நிர்வகிக்கின்றன. இது உலோக உறுப்புகளின் சிக்கலான நெட்வொர்க்குகளின் வடிவத்தை எடுக்கும் - வடிவியல் ரீதியாக வழக்கமானது, பெரும்பாலும் சமச்சீர், மற்றும் மிகவும் விரிவானது, அவை லேஸ்லைக் ஃபிலிகிரீயை ஒத்திருக்கும். இண்டக்டர்கள் மற்றும் டிரான்ஸ்மிஷன் லைன்கள் போன்ற செயலற்ற கட்டமைப்புகள் சிப்பின் ரியல் எஸ்டேட்டில் ஆதிக்கம் செலுத்துகின்றன, டிரான்சிஸ்டர்களை விட அதிக இடத்தை எடுத்துக்கொள்கின்றன.

AI சிக்கலை எவ்வாறு அணுகுகிறது

IEEE ஸ்பெக்ட்ரம் அறிக்கையின்படி, பிரின்ஸ்டன் குழுவானது 2016 இல் உலக Go சாம்பியனான Lee Sedol மீது DeepMind இன் AlphaGo வெற்றியை அடுத்து, AI-உந்துதல் RF வடிவமைப்பை ஏறக்குறைய ஏழு ஆண்டுகளுக்கு முன்பு ஆராயத் தொடங்கியது.

பதில், பெருகிய முறையில், ஆம். புதிதாக RFICகளை விரைவாக உருவாக்க ஆராய்ச்சியாளர்கள் வலுவூட்டல் கற்றலை தலைகீழ் வடிவமைப்பு உடன் பயன்படுத்துகின்றனர். மனித டெம்ப்ளேட்டிலிருந்து தொடங்குவதற்குப் பதிலாக, எந்த கட்டமைப்புகள் விரும்பிய மின்காந்த நடத்தையை உருவாக்குகின்றன என்பதை கணினி கற்றுக்கொள்கிறது.

மிக சமீபத்தில், பரவல் மாதிரிகள் — நவீன படத்தொகுப்புக்கு பின்னால் உருவாக்கும் AI இன் ஒரே குடும்பம் — நாவல் RF தளவமைப்புகளை விரைவாக உருவாக்க பயன்படுத்தப்பட்டது. இந்த மாதிரிகள் வேண்டுமென்றே காட்டுத்தனமான அல்லது மனிதனால் புரிந்துகொள்ளக்கூடிய வடிவமைப்புகளை உருவாக்க முடியும், மேலும் அவை வடிவமைப்பு நேரத்தை கடுமையாக குறைக்கும் போது சாதனை செயல்திறனை அடைந்துள்ளன.

ஒரு உறுதியான உதாரணம் மாற்றத்தை விளக்குகிறது. 5G மில்லிமீட்டர்-அலை கைபேசிக்கு 28-கிகாஹெர்ட்ஸ் ஆற்றல் பெருக்கியை வடிவமைக்கும் ஒரு பொறியாளர் பாரம்பரியமாக நிறுவப்பட்ட டெம்ப்ளேட்களிலிருந்து தொடங்கி சமச்சீர், புரிந்துகொள்ளக்கூடிய வடிவங்களைப் பின்பற்றுவார். அந்தக் கட்டுப்பாடுகளிலிருந்து விடுபட்டு, மனிதனால் வரைய முடியாத வடிவமைப்புகளை AI ஆராய்கிறது - மேலும் அது வேலை செய்ய மனிதனால் புரிந்துகொள்ளக்கூடியதாக இருக்க வேண்டிய அவசியமில்லை.

அடுத்து என்ன வரும்

புலம் இன்னும் முழுமையாக தானியங்கி, புஷ்-பொத்தான் RF வடிவமைப்பின் கட்டத்தில் இல்லை என்று ஆராய்ச்சியாளர்கள் எச்சரிக்கின்றனர். எதிர்கால முன்னேற்றம், பெரிய, பகிரப்பட்ட சிப்-வடிவமைப்பு தரவுத்தொகுப்புகள் மற்றும் திறந்த சுற்றுச்சூழல் அமைப்புகளைப் பொறுத்தது என்று அவர்கள் வாதிடுகின்றனர், இதனால் AI அமைப்புகள் குறுகிய, ஆய்வக-குறிப்பிட்ட வடிவங்களைக் காட்டிலும் உலகளாவிய மின்காந்த மற்றும் சுற்று நடத்தைகளைக் கற்றுக்கொள்ள முடியும்.

அந்த கட்டுமான தொகுதிகள் இடத்தில் விழுந்தால், தாக்கங்கள் ரேடியோ சில்லுகளுக்கு அப்பால் நீட்டிக்கப்படுகின்றன. பரவலான தன்னாட்சி வாகனங்கள், குவாண்டம் தகவல்தொடர்புகள், 6G மொபைல் சேவை மற்றும் மேம்பட்ட செயற்கைக்கோள் நெட்வொர்க்குகள் உள்ளிட்ட அடுத்த தலைமுறை வயர்லெஸ் தொழில்நுட்பங்களை நோக்கி, AI-செயல்படுத்தப்பட்ட வடிவமைப்பு அனைத்து RF வடிவமைப்பின் எதிர்காலமாக மாறக்கூடும் என்று பிரின்ஸ்டன் குழு பரிந்துரைக்கிறது.

ஒரு தனி வடிவமைப்பு சுழற்சி வருடங்கள் மற்றும் ஒன்பது இலக்க வரவு செலவுத் திட்டங்களைப் பயன்படுத்தக்கூடிய ஒரு தொழிலுக்கு, அந்த நேரத்தில் ஒரு பகுதியை ஷேவிங் செய்வது கூட மாற்றத்தை ஏற்படுத்தும். AI-வடிவமைக்கப்பட்ட சுற்றுகள் அவற்றின் மனிதனால் உருவாக்கப்பட்ட சகாக்களை அதிகளவில் விஞ்சும் போது, ​​RF பொறியியலின் நீண்டகால "இருண்ட கலை" இறுதியாக ஒரு அறிவியலாக மாறக்கூடும்.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →