人間が想像もできないラジオチップをAIが設計

無線技術は、紛失した荷物の追跡からストリーミングサービス、サプライチェーンや経済インフラに至るまで、私たちの日常生活に深く浸透している。これらを可能にしているのが、無線周波数集積回路（RFIC）である。5G、自動運転車、量子通信、衛星通信などの進化には、さらに高度なRFチップが必要不可欠だが、RFIC設計は「ダークアート」と呼ばれるほど複雑で、熟練したエンジニアでも数年と数億ドルを要するため、技術進歩のボトルネックとなっている。

約7年前、アルファ碁が囲碁の世界チャンピオンに勝利したことをきっかけに、プリンストン大学のKaushik Sengupta教授とそのチームは、AIにRFIC設計を学習させる可能性を模索し始めた。近年、彼らの研究は大きな成果を上げている。強化学習と逆設計を組み合わせることで、AIはゼロから完全なRFICレイアウトを生成できるようになった。これらのAI設計チップは、従来の回路とはまったく異なる、一見ランダムなパターンを持つが、性能は人間の設計を凌駕し、設計時間は桁違いに短い。

RFIC設計の難しさは、電磁気学、熱力学、機械的応力など、複数の物理領域を同時に考慮する必要がある点にある。従来の設計プロセスは、あらかじめ定義されたテンプレートに依存し、トレードオフを調整しながら繰り返し最適化するため、非常に時間がかかる。AIの強化学習エージェントは、自己対戦を通じて設計空間を探索し、人間のバイアスに縛られない新しいアーキテクチャやトポロジーを発見する。次に、逆設計モデルが、望ましい散乱パラメータから対応する電磁構造を生成する。このプロセスは、従来のシミュレーションに比べて桁違いに高速である。

さらに、研究チームは拡散モデルを導入し、設計の解釈可能性を高めた。拡散モデルは、入力された散乱パラメータから、数分で構造を生成する。ユーザーは「空間周波数」を調整することで、クラシックな解釈可能なデザインから、まったく新しいパターンまでを選択できる。

しかし、AI設計には課題もある。AIが「幻覚」を起こして動作しない回路を生成することがあり、人間の検証が必要である。また、普遍的なAIモデルを開発するには、大量のトレーニングデータが必要だが、現在は企業や研究機関に分散し、秘密保持契約で保護されている。オープンなデータセットと共有エコシステムの構築が不可欠である。米国CHIPS法に基づく取り組みは中断されたが、コミュニティの勢いは衰えていない。

AI駆動のRFIC設計は、無線周波数チップの設計を根本から変える可能性を秘めており、他の複雑システムの設計にも応用が期待される。生物学、材料科学、自動車工学など、AIはあらゆる分野で革新をもたらしつつある。AI研究者とチップ設計者の協力が、この分野の可能性を最大限に引き出す鍵となるだろう。