Onlarca yıldır, radyo frekanslı entegre devrelerin tasarlanması, "karanlık sanat" olarak tanımlandı; bu, yalnızca uzun yıllar süren zorlu deneyimlerle ustalaşılan bir beceridir. Princeton Üniversitesi'ndeki araştırmacılar, yapay zekanın bu sanatı öğrendiğini ve bazı durumlarda bir zamanlar bu sanatta tekel sahibi olan insanları geride bıraktığını söylüyor.
IEEE Spectrum tarafından 24 Haziran 2026'da yayınlanan bir makalede ekip, radyo frekansı entegre devrelerini (RFIC'ler) (telefonların, arabaların ve uyduların kablosuz sinyaller gönderip almasını sağlayan küçük çipler) sıfırdan üretmek için makine öğrenimi yöntemlerinin nasıl kullanıldığını ayrıntılarıyla anlattı. Araştırmacılar, ortaya çıkan düzenlerden bazılarının "devre düzenlerinden çok modern sanata benzediğini", ancak fiziksel prototiplerin performans açısından en son teknoloji ürünü insan tasarımı devreleri geride bıraktığını belirtiyor. For more context on this story, see our ongoing AI trends.
Ancak başarı salt estetik değildir. Yapay zeka, çalışan tasarımları bir insan mühendisin ihtiyaç duyacağından çok daha kısa sürede tasarladı.
RF Çip Tasarımı Neden Bu Kadar Zor?
Bilgisayarlarda bulunan merkezi işlem birimlerinin (CPU'lar) ve grafik yongalarının (GPU'lar) aksine, RF yongaları standart, algoritmik bir süreçle tasarlanamaz. RFIC tasarımı, aynı anda birden fazla fiziksel alanda yapılan bir mühendislik egzersizidir.
Maxwell denklemleri, elektromanyetik alanların bir çip üzerindeki aktif ve pasif cihazlarla nasıl etkileşime girdiğini yönetir. Aynı zamanda, termodinamik yasaları, çalışma sırasında ısının nasıl üretilip uzaklaştırıldığını belirlerken, termal genleşme mekaniği, bir çipin ve ambalajının sıcaklık değişimlerine ne kadar güvenilir bir şekilde dayanabileceğini belirler. Tüm bu kısıtlamaların aynı anda hesaba katılması, her kararın birbiriyle yarışan öncelikleri içermesi nedeniyle tasarım alanını neredeyse imkansız derecede büyük hale getirir.
Sonuç, tek bir yeni RF çip tasarımının tamamlanmasının yıllar alabileceği ve on milyonlarca dolara kadar sürebileceğidir.
Tehlikedeki Frekanslar
Riskler yüksektir çünkü RF çipleri neredeyse her kablosuz teknolojiyi desteklemektedir. Tipik bir CPU'nun transistörleri yalnızca birkaç gigahertzlik çalışma frekanslarında aşırı ısınır. RF çipleri ise aksine çok daha yüksek frekanslarda çalışır: 5G sinyalleri için 28 ve 39 gigahertz, uydu iletişimleri için 26,5 ila 40 gigahertz ve ötesi ve otomotiv radarı için 77 gigahertz.
Bu frekanslarda hayatta kalabilmek için RF çipleri, dikkatli elektromanyetik tasarım yoluyla sinyalin enerjisini akıllıca yönetir. Bu, geometrik olarak düzenli, genellikle simetrik ve dantel benzeri telkârilere benzeyecek kadar ayrıntılı olan metal elementlerden oluşan karmaşık ağlar biçimini alıyor. İndüktörler ve iletim hatları gibi bu pasif yapılar, çipin alanına hakim oluyor ve transistörlerden çok daha fazla yer kaplıyor.
Yapay Zeka Soruna Nasıl Yaklaşıyor?
IEEE Spectrum raporuna göre Princeton grubu, DeepMind'ın AlphaGo'nun 2016 yılında dünya Go şampiyonu Lee Sedol'e karşı kazandığı zaferin ardından yaklaşık yedi yıl önce yapay zeka destekli RF tasarımını keşfetmeye başladı. Bu atılım, ekibin yapay zekaya RF tasarımının "karanlık sanatı"nın da öğretilip öğretilemeyeceğini sormasını sağladı.
Cevap giderek daha fazla evet oluyor. Araştırmacılar, RFIC'leri sıfırdan hızlı bir şekilde oluşturmak için takviyeli öğrenmeyi ters tasarım ile birlikte kullanıyor. Sistem, bir insan şablonundan başlamak yerine, hangi yapıların istenen elektromanyetik davranışı ürettiğini öğrenir.
Daha yakın zamanlarda, modern görüntü sentezinin arkasındaki aynı üretken yapay zeka ailesi olan yayılma modelleri, yeni RF düzenlerini hızlı bir şekilde oluşturmak için kullanıldı. Bu modeller, kasıtlı olarak vahşi veya daha insan tarafından yorumlanabilir tasarımlar üretebilir ve tasarım süresini büyük ölçüde kısaltırken rekor bir performans elde ettiler.
Somut bir örnek bu değişimi göstermektedir. 5G milimetre dalgalı bir telefon için 28 gigahertz güç amplifikatörü tasarlayan bir mühendis, geleneksel olarak yerleşik şablonlardan başlayacak ve simetrik, anlaşılır modelleri izleyecektir. Bu kısıtlamalardan kurtulan yapay zeka, bir insanın asla çizemeyeceği ve çalışması için insanlar tarafından anlaşılabilir olması gerekmeyen tasarımları keşfedebilir.
Sırada Ne Var?
Araştırmacılar, alanın henüz tam otomatik, düğmeli RF tasarımı noktasında olmadığı konusunda uyarıyor. Gelecekteki ilerlemenin büyük, paylaşılan çip tasarımı veri kümelerine ve daha açık ekosistemlere bağlı olacağını, böylece yapay zeka sistemlerinin dar, laboratuvara özgü kalıplar yerine evrensel elektromanyetik ve devre davranışlarını öğrenebileceğini ileri sürüyorlar.
Eğer bu yapı taşları yerine oturursa, sonuçlar radyo çiplerinin çok ötesine uzanıyor. Princeton ekibi, yaygın otonom araçlar, kuantum iletişimleri, 6G mobil hizmeti ve gelişmiş uydu ağları dahil olmak üzere yeni nesil kablosuz teknolojilere işaret ederek yapay zeka destekli tasarımın tüm RF tasarımının ve muhtemelen çok daha fazlasının geleceği olabileceğini öne sürüyor.
Tek bir tasarım döngüsünün yılları ve dokuz rakamlı bütçeleri tüketebildiği bir endüstri için, bu sürenin çok küçük bir kısmını kısaltmak bile dönüştürücü olabilir. Yapay zeka tarafından tasarlanan devreler, insan yapımı muadillerinden giderek daha iyi performans gösterdikçe, RF mühendisliğinin uzun süredir devam eden "karanlık sanatı" sonunda bir bilime dönüşüyor olabilir.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
