AI creëert ontwerpen voor radiochips die mensen zich niet eens konden voorstellen
Princeton University (Sengupta Lab)
Onderzoekers van Princeton gebruiken reinforcement learning en diffusiemodellen om radiofrequentie-geïntegreerde schakelingen (RFIC's) vanaf nul te ontwerpen, met recordprestaties in een fractie van de tijd. De door AI gegenereerde layouts zijn vaak onherkenbaar voor menselijke ontwerpers, maar presteren beter dan de modernste chips.
RFIC-ontwerp is een complexe 'duistere kunst' die de vooruitgang in draadloze technologieën zoals 5G, autonome voertuigen en satellietcommunicatie beperkt. Onderzoekers van Princeton gebruiken reinforcement learning en inverse design om razendsnel RFIC's vanaf nul te creëren. Diffusiemodellen genereren snel nieuwe of voor mensen interpreteerbare RF-ontwerpen, met recordprestaties en een drastische verkorting van de ontwerptijd. Toekomstige vooruitgang heeft grote, gedeelde datasets van chipontwerpen en open ecosystemen nodig, zodat AI universeel elektromagnetisch en circuitgedrag kan leren.
Bron: IEEE Spectrum AI —
origineel