Исследователи из США и Индии разработали новый подход к созданию микросхем, применив алгоритмы глубокого обучения искусственного интеллекта для проектирования сложных электронных схем. Ученые из Принстонского университета и Индийского технологического института Мадраса использовали метод обратного проектирования, когда разработка чипов начинается с желаемых характеристик материалов, а затем определяется их конструкция.
Об этом сообщает ProIT
Инновационный подход к проектированию микросхем
Благодаря этому подходу искусственный интеллект создал ряд чипов, которые демонстрируют высокую эффективность, однако даже исследователям трудно объяснить, почему именно эти решения работают лучше. Как отмечает профессор электротехники и вычислительной техники Каушик Сенгупта, эти чипы функционируют заметно эффективнее, чем традиционные, хотя принцип их работы остается непонятным для людей.
Применение искусственного интеллекта ориентировано преимущественно на проектирование беспроводных микросхем для высокочастотных сфер, таких как сети 5G, радиолокационные системы и автономный транспорт. Обычно инженеры используют готовые шаблоны и многократно совершенствуют их вручную. Однако такой процесс требует много времени и глубоких знаний, что часто замедляет инновации.
Новое поколение микросхем и вызовы для инженеров
Ученые научили свёрточные нейросети анализировать сложную взаимосвязь между геометрией микросхем и электромагнитными процессами. Благодаря этому алгоритмы могут прогнозировать работу будущей схемы даже с материалами, которые ранее не применялись в этой сфере. Среди предложенных применений — от компактных однопортовых антенн до сложных многопортовых радиочастотных структур, таких как фильтры и делители мощности. Созданные искусственным интеллектом антенны, способные работать на различных частотах, существенно повышают эффективность многодиапазонных устройств.
ИИ может синтезировать фильтры с заданными характеристиками всего за несколько минут, тогда как традиционный подход занял бы дни или недели. Это значительно ускоряет развитие телекоммуникационных технологий, автономных систем и смежных отраслей, позволяя разработчикам больше сосредотачиваться на инновациях, а не на рутинной оптимизации.
«Мы создаем сложные конструкции, имеющие случайную форму, и при соединении с цепями они достигают ранее недостижимой производительности. В классических конструкциях эти схемы и электромагнитные элементы осторожно собираются вместе, деталь за деталью, поэтому сигнал проходит по чипу так, как нам нужно. Изменяя эти структуры, мы добавляем новые свойства. Ранее у нас был ограниченный набор возможностей, но теперь возможности гораздо шире”, — отмечает профессор Каушик Сенгупта.
Беспроводные чипы объединяют стандартную электронику и электромагнитные элементы, такие как антенны или разветвители сигналов. Хотя текущее исследование сосредоточено на радиочастотных и субтерагерцевых диапазонах, разработанные принципы можно адаптировать и для компьютерных, а в будущем — и квантовых чипов.
Однако остается неизвестным, какими именно принципами руководствуется ИИ при создании новых схем. Это усложняет для инженеров анализ и прогнозирование работы таких систем, что может приводить к непредсказуемым сбоям или уязвимостям, особенно в критических областях. Устранение ошибок в таких микросхемах может быть значительно сложнее, чем в традиционных, а чрезмерная зависимость от ИИ угрожает утратой фундаментальных знаний и экспертности среди инженеров, что создает дополнительные риски в случае сбоев или недоступности технологии.
Результаты этого исследования опубликованы в журнале Nature.