AI正在设计人类无法想象的无线电芯片
普林斯顿大学研究人员利用强化学习和逆向设计，从头开始快速设计射频集成电路（RFIC），生产出的芯片在创纪录的时间内超越了人类设计的性能。AI生成的非常规布局突破了性能极限，但该领域需要开放数据集以进一步推进。
无线技术深刻改变了我们的日常生活，从丢失行李的追踪到流媒体服务，再到全球供应链和经济基础设施。这一切都依赖于射频集成电路（RFIC），它使设备能够悄无声息地发送和接收信息。随着5G、自动驾驶汽车、量子通信和卫星通信等技术的发展，对更先进RF芯片的需求日益迫切。然而，RFIC设计长期以来被视为一门“黑魔法”，需要经验丰富的工程师花费数年时间和数亿美元才能完成，这严重制约了技术进步。
大约七年前，受AlphaGo击败围棋世界冠军李世石的启发，普林斯顿大学的Kaushik Sengupta及其团队开始探索能否用人工智能来学习RFIC设计。近年来，他们的努力取得了显著成果。通过结合强化学习和逆向设计，他们开发出了一种端到端的AI设计方法，能够从零开始生成完整的RFIC布局。这些AI设计的芯片外观奇特，有些看起来像现代艺术而非传统电路，但在性能上却超越了最先进的人工设计。更重要的是，AI完成设计所需的时间比人类设计师少几个数量级。
RFIC设计的复杂性源于多个物理领域的交叉。设计必须同时满足麦克斯韦方程、热力学定律和机械应力等众多约束，导致设计空间极其庞大。传统设计流程依赖于预定义的电路模板，工程师需要在这些模板之间进行权衡，反复迭代优化。然而，模板限制了设计自由度，且优化过程耗时数月。AI方法则打破了这些限制。强化学习代理通过自我博弈探索设计空间，类似于AlphaGo Zero，从而发现全新的电路架构和拓扑结构。随后，逆向设计模型根据所需的散射参数生成相应的电磁结构，取代了传统的手动调整。
为了进一步提高设计效率，研究团队还引入了扩散模型。这些模型能够根据输入的散射参数快速生成结构，同时通过调节“空间频率”参数，允许设计师在保持人类可理解性的前提下生成经典或新颖的布局。整个生成过程仅需约6分钟，大大缩短了设计周期。
尽管AI在RFIC设计方面展现了巨大潜力，但仍面临挑战。AI可能产生“幻觉”，设计出无法工作的电路，因此需要人类监督。此外，要构建通用的电磁和电路设计基础模型，需要大量高质量的训练数据。目前，这些数据分散在企业界和学术界，被保密协议束缚。开放数据集和共享生态系统对于AI的进一步发展至关重要。虽然美国CHIPS法案曾推动相关计划，但已暂停，不过业界仍在努力。
AI驱动的RFIC设计不仅有望彻底改变射频芯片行业，还可能为其他复杂系统的设计带来革命性变化。从生物技术到航空航天，AI正在重新定义如何构思和优化复杂系统。跨学科合作将进一步释放AI的潜力。