RFIC(무선 주파수 집적 회로) 설계는 5G, 자율 주행 차량, 위성 통신과 같은 무선 기술의 발전을 제한하는 복잡한 '어둠의 예술'로 여겨집니다. 프린스턴 대학교 연구진은 강화 학습과 역설계를 사용하여 RFIC를 처음부터 신속하게 제작합니다. 확산 모델은 새롭거나 인간이 해석할 수 있는 RF 레이아웃을 빠르게 생성하여 기록적인 성능을 달성하고 설계 시간을 획기적으로 단축합니다.
이 기사는 무선 기술이 AirTags에서 스트리밍 서비스에 이르기까지 우리의 일상을 어떻게 혁명적으로 바꾸었는지 설명합니다. 이 모든 것은 RFIC 없이는 불가능했습니다. 이 기술의 추가 발전은 자율 주행 차량, 양자 통신, 6G, 위성 통신을 약속합니다. 그러나 진전은 수년과 수억 달러가 소요되는 수동 RFIC 설계로 인해 방해받고 있습니다.
약 7년 전, AlphaGo에서 영감을 받은 프린스턴 그룹은 AI가 이 예술을 배울 수 있는지 조사하기 시작했습니다. 지난 몇 년 동안 그들은 RFIC를 설계하는 머신 러닝 알고리즘을 개발했습니다. 결과 칩 중 일부는 현대 미술처럼 보이지만, 많은 경우 상용 회로보다 성능이 뛰어납니다. AI는 인간 설계자보다 훨씬 적은 시간이 걸립니다.
RFIC 설계는 맥스웰 방정식, 열역학, 기계적 응력을 포함한 다학제적 도전 과제입니다. 설계 공간은 엄청나게 크며, 모든 결정에는 상충되는 우선 순위가 포함됩니다. 이 기사는 5G용 28GHz 전력 증폭기를 예로 들어 프로세스를 설명하며, 인덕터와 같은 수동 소자가 대부분의 면적을 차지하는 집 짓기에 비유합니다.
미래 발전을 위해서는 AI가 보편적인 전자기 및 회로 동작을 학습할 수 있도록 대규모 공유 칩 설계 데이터 세트와 개방형 생태계가 필요합니다. AI 기반 설계는 모든 RF 설계의 미래가 될 수 있으며, 그 이상으로 확장될 수 있습니다.
이 기사에 대해 질문
답변은 이 기사만을 바탕으로 AI가 생성합니다.