Десятиліттями проектування радіочастотних інтегральних схем описувалося як «темне мистецтво» — навичка, яку можна оволодіти лише роками кропіткого досвіду. Зараз дослідники з Прінстонського університету кажуть, що штучний інтелект вивчає це мистецтво, і в деяких випадках перевершує людей, які колись мали на нього монополію.

У статті, опублікованій IEEE Spectrum 24 червня 2026 року, команда детально розповіла, як методи машинного навчання використовуються для створення радіочастотних інтегральних схем (RFIC) — крихітних чіпів, які дозволяють телефонам, автомобілям і супутникам надсилати й отримувати бездротові сигнали — з нуля. Дослідники зазначають, що деякі з отриманих макетів «більше схожі на сучасне мистецтво, ніж на компонування схем», але їхні фізичні прототипи перевершили сучасні схеми, розроблені людиною, за продуктивністю. For more context on this story, see our ongoing artificial intelligence updates.

Однак це досягнення не є суто естетичним. ШІ створював робочі проекти за порядки менше часу, ніж це знадобилося б інженеру-людині.

Чому дизайн радіочастотного чіпа такий складний

На відміну від центральних процесорів (CPU) і графічних чіпів (GPU), які є в комп’ютерах, радіочастотні чіпи не можуть бути розроблені за допомогою стандартизованого алгоритмічного процесу. Проектування RFIC — це вправа в розробці кількох фізичних доменів одночасно.

Рівняння Максвелла визначають, як електромагнітні поля взаємодіють з активними та пасивними пристроями на мікросхемі. У той же час закони термодинаміки визначають, як генерується та видаляється тепло під час роботи, тоді як механіка теплового розширення визначає, наскільки надійно мікросхема та її упаковка витримують перепади температури. Одночасне врахування всіх цих обмежень робить простір проектування майже неймовірно великим, оскільки кожне рішення передбачає конкуруючі пріоритети.

Результатом цього є те, що для розробки однієї нової конструкції радіочастотного чіпа можуть знадобитися роки та десятки до сотень мільйонів доларів.

Частоти на кону

Ставки високі, оскільки радіочастотні мікросхеми лежать в основі майже кожної бездротової технології. Типові транзистори центрального процесора перегріваються на робочих частотах всього в кілька гігагерц. Радіочастотні чіпи, навпаки, працюють на набагато вищих частотах: 28 і 39 гігагерц для сигналів 5G, 26,5-40 гігагерц і вище для супутникового зв’язку і 77 гігагерц для автомобільних радарів.

Щоб витримати ці частоти, радіочастотні чіпи вміло керують енергією сигналу завдяки ретельному електромагнітному дизайну. Це має форму складної мережі металевих елементів — геометрично правильних, часто симетричних і настільки складних, що вони можуть нагадувати мереживну філігрань. Ці пасивні структури, такі як котушки індуктивності та лінії передачі, домінують у чіпі, займаючи набагато більше місця, ніж самі транзистори.

Як AI підходить до проблеми

Відповідно до звіту IEEE Spectrum, Прінстонська група почала досліджувати RF-дизайн на основі штучного інтелекту приблизно сім років тому, після перемоги DeepMind AlphaGo над світовим чемпіоном Go Лі Седолом у 2016 році. Цей прорив спонукав команду запитати, чи можна також навчити ШІ «темному мистецтву» RF-проектування.

Відповідь все частіше - так. Дослідники використовують навчання з підкріпленням у поєднанні з інверсним дизайном для швидкого створення RFIC з нуля. Замість того, щоб починати з шаблону людини, система вивчає, які структури створюють бажану електромагнітну поведінку.

Зовсім недавно дифузійні моделі — те саме сімейство генеративного штучного інтелекту, що стоїть за сучасним синтезом зображень — використовувалися для швидкого створення нових радіочастотних макетів. Ці моделі можуть створювати дизайни, які є або навмисно дикими, або більш сприйманими людиною, і вони досягли рекордної продуктивності при значному скороченні часу на проектування.

Конкретний приклад ілюструє зсув. Інженер, який проектує підсилювач потужності 28 гігагерц для телефону 5G міліметрового діапазону, традиційно починав би зі встановлених шаблонів і дотримувався симетричних, зрозумілих моделей. Звільнений від цих обмежень, штучний інтелект може досліджувати дизайни, які людина ніколи б не намалювала, і які не обов’язково повинні бути зрозумілими для роботи.

Що буде далі

Дослідники попереджають, що ця сфера ще не досягла точки повністю автоматизованого кнопкового дизайну РЧ. Майбутній прогрес, стверджують вони, залежатиме від великих спільних наборів даних про дизайн чіпів і більш відкритих екосистем, щоб системи штучного інтелекту могли вивчати універсальну електромагнітну поведінку та поведінку схем, а не вузькі, специфічні для лабораторії шаблони.

Якщо ці будівельні блоки стають на свої місця, наслідки виходять далеко за рамки радіочіпів. Команда Прінстона припускає, що дизайн із підтримкою штучного інтелекту може стати майбутнім для всіх радіочастотних проектів — і, можливо, набагато більше, вказуючи на бездротові технології наступного покоління, включаючи широко розповсюджені автономні транспортні засоби, квантовий зв’язок, мобільний сервіс 6G і передові супутникові мережі.

Для галузі, де один цикл проектування може поглинути роки та дев’ятизначні бюджети, навіть скорочення цього часу може стати кардинальним результатом. І оскільки схеми, розроблені штучним інтелектом, все більше перевершують свої аналоги, створені людиною, давнє «темне мистецтво» радіотехніки може нарешті перетворитися на науку.

---

Stay Ahead of AI

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

Read more AI news →