L'IA maîtrise l'« art obscur » de la conception de puces RF
Original : AI learns the “dark art” of RFIC design
Pourquoi c'est important
Accélère la conception de puces radiofréquence critiques pour 5G, satellites et véhicules autonomes, réduisant le délai de mise sur le marché.
Des chercheurs de Princeton utilisent l'apprentissage par renforcement et la conception inverse pour concevoir rapidement des circuits intégrés radiofréquence (RFIC). Les modèles de diffusion génèrent des conceptions novatrices en réduisant drastiquement le temps de développement, dépassant les performances humaines.
La conception d'RFIC est un processus complexe et traditionnel qui limite l'évolution des technologies sans fil comme la 5G, les véhicules autonomes et les communications par satellite. Kaushik Sengupta et son équipe de Princeton ont développé une approche révolutionnaire utilisant l'apprentissage par renforcement et la conception inverse pour créer automatiquement des circuits radiofréquence à partir de zéro. Les modèles de diffusion générés par l'IA produisent rapidement des configurations RF novatrices et interprétables par l'homme, atteignant des performances record tout en réduisant considérablement les délais de conception. Contrairement aux approches traditionnelles limitées par les contraintes d'intelligibilité et d'esthétique, l'IA peut explorer librement l'espace des conceptions pour découvrir des solutions que les ingénieurs humains n'auraient pas imaginées. Pour progresser davantage, le secteur doit développer des ensembles de données de conception de puces volumineux et partagés, ainsi que des écosystèmes ouverts.