無線周波数集積回路（RFIC）の設計は複雑な「暗黒の芸術」であり、5G、自動運転車、衛星通信などの無線技術の進歩を制限しています。プリンストン大学の研究者は、強化学習と逆設計を用いて、ゼロから迅速にRFICを創り出しています。拡散モデルは、新規または人間が解釈可能なRFレイアウトを高速に生成し、記録的な性能を達成し、設計時間を大幅に短縮します。将来の進歩には、大規模で共有可能なチップ設計データセットとオープンなエコシステムが必要であり、AIが普遍的な電磁気的および回路動作を学習できるようにする必要があります。
少し時間を取って、過去30年間の無線技術の進歩なしでの生活を想像してみてください。荷物をなくしましたか？AirTagsが発明されていないのは残念です。航空会社の担当者は最新情報を電話で知らせると約束しましたが、手頃な携帯電話がないため、台所の電話のそばで長い待ち時間を過ごすことになります。ストリーミングサービスがないので、待っている間はラジオで流れているものを聞くしかありません。これは、無線技術が日常生活に与える影響のほんの一部です。サプライチェーン、インフラ、経済の運営に対するその影響は、世界を変えるものでした。
これらすべては、私たちのデバイスが情報を送受信できるようにする無線周波数集積回路なしでは不可能です。この技術のさらなる進化がもたらすものを想像してみてください：広範な自動運転車、量子通信、6Gモバイルサービス、衛星通信。継続的な勢いは、今日のRFチップのより新しく高度なバージョンに依存します。しかし、ここに問題があります。ほとんどのコンピューティングチップの設計は科学として標準化されているのに対し、RF設計は頑なに芸術の領域にとどまっています。それは長年の経験によってのみ習得される暗黒の芸術です。
約7年前、AlphaGoが囲碁の世界チャンピオン、李世ドルに勝利した後、プリンストン大学の私の学生たちと私は疑問に思い始めました：AIにこの芸術を教えられるだろうか？最近の成功は、かなりの程度可能であることを示唆しています。過去数年にわたり、私たちのグループやこの分野の他のリーダーたちは、RFICを設計するための機械学習駆動のアルゴリズム手法を開発し始めています。結果として得られたチップのいくつかは、回路レイアウトというよりも現代アートのように見えます。しかし、多くの場合、物理的なプロトタイプは性能の点で最先端の回路を凌駕しました。真の成果は、AIが人間の設計者よりも桁違いに短い時間で動作する設計を考案したことです。
これは1つや2つのRFチップの問題ではありません。AIによる設計は、すべてのRF設計の未来になる可能性があり、おそらくそれ以上です。なぜこれらのチップはすべて手作業で作られなければならないのでしょうか？なぜRFICはCPUやGPUのようにアルゴリズムによる合成プロセスで設計されないのでしょうか？RFICの設計は、複数の物理領域にわたる工学の訓練です。マクスウェル方程式は、異なる空間的・時間的スケールで動作し、電磁場が能動・受動デバイスとどのように相互作用するかを支配します。これに加えて、熱力学の法則が動作中の熱の発生と除去を決定し、熱膨張と収縮の力学がチップとそのパッケージが温度変化にどれだけ信頼性高く耐えるかを決定します。
この記事について質問
回答はこの記事のみからAIが生成します。