Ingeniørforskere har vist, at kunstig intelligens (AI) kan designe komplekse trådløse chips på få timer – en opgave, der normalt ville tage mennesker uger at udføre. De AI-genererede chipdesigns viste ikke kun større effektivitet, men anvendte også en fundamentalt anderledes metode—en metode, som en menneskelig kredsløbsdesigner sandsynligvis ikke ville kunne tænke på. Forskere dokumenterede deres resultater i en undersøgelse offentliggjort den 30. december 2024 i tidsskriftet Nature Communications. Denne forskning fokuserede på millimeter-bølge (mm-Wave) trådløse chips, som udgør betydelige udfordringer for producenter på grund af deres kompleksitet og behov for miniaturisering. Disse chips er essentielle komponenter i 5G-modemer, som nu er standard i smartphones. I øjeblikket er producenter afhængige af en kombination af menneskelig ekspertise, tilpassede kredsløbsdesigner og etablerede skabeloner. Hver ny design gennemgår derefter en langvarig optimeringsproces, der bygger på prøvning og fejl, ofte på grund af de indviklede chips, som kan være svære for mennesker at forstå fuldt ud. Dette resulterer i en konservativ, iterativ tilgang baseret på tidligere succeser. I denne undersøgelse hypoteserede forskere fra Princeton Engineering og Indian Institute of Technology, at dyb læring AI-modeller kunne implementere en omvendt designstrategi – en, der definerer det ønskede resultat og lader algoritmen udlede de nødvendige inputs og parametre. AI’en behandler hver chip som en sammenhængende enhed snarere end en samling af eksisterende komponenter, der skal samles. Følgelig kasseres traditionelle chipdesignskabeloner, som ofte indeholder ineffektivitet og er dårligt forstået. Fremtiden for chipdesign? I denne undersøgelse "ser de genererede strukturer tilfældigt formede ud, " forklarede hovedforfatter Kaushik Sengupta, professor i el- og datateknik på Princeton.

"Mennesker kan ikke fuldt ud forstå dem. " Da Senguptas team fremstillede chipsene, opdagede de, at de AI-genererede designs opnåede ydeevneniveauer, der oversteg dem for eksisterende modeller. Selvom disse fund indikerer, at AI potentielt kunne overtage designet af sådanne komplekse chips, understregede Sengupta, at der stadig er udfordringer, der kræver, at menneskelige designere griber ind. Specifikt stødte mange af de algoritmeproducerede designs på fejl—lignende de "hallucinationer", der ses med nuværende generative AI-værktøjer. "Målet er ikke at erstatte menneskelige designere med værktøjer, " bemærkede Sengupta. "Det handler om at forbedre produktiviteten gennem nye værktøjer. " Den hurtige udvikling af iterative designs åbner også nye veje. Nogle chipdesigns kan fokusere på energieffektivitet, mens andre prioriterer ydeevne eller udvidede frekvensområder. Da trådløse chips bliver stadig vigtigere, drevet af en stigende efterspørgsel efter miniaturisering, repræsenterer denne forskning et bemærkelsesværdigt fremskridt. Sengupta foreslog, at hvis deres metode kunne anvendes på andre aspekter af kredsløbsdesign, kunne det revolutionere, hvordan elektronik udvikles i fremtiden. "Dette er blot begyndelsen på, hvad der venter i dette felt. "