Cuando se dise\u00f1an chips, los cient\u00edficos e ingenieros suelen trabajar con patrones y plantillas que son bien conocidos. Un nuevo estudio publicado en Nature Communications prob\u00f3 un enfoque diferente: un proceso de dise\u00f1o habilitado con aprendizaje profundo para crear circuitos y componentes. Utilizando inteligencia artificial (IA), investigadores de la Universidad de Princeton y el IIT Madr\u00e1s demostraron un m\u00e9todo de “dise\u00f1o inverso”, donde se comienza con las propiedades deseadas y luego se hace el dise\u00f1o en funci\u00f3n de eso. Los dise\u00f1os parecen funcionar muy bien, pero hay un problema: nadie sabe realmente por qu\u00e9 funcionan tan bien.<\/p>\n\n\n\n
“Los humanos no pueden entenderlos, pero pueden funcionar mejor”, dijo Kaushik Sengupta, el investigador principal, profesor de ingenier\u00eda el\u00e9ctrica e inform\u00e1tica en Princeton.<\/p>\n\n\n\n
La IA al mando Este m\u00e9todo requiere mucho tiempo y es desafiante. Tambi\u00e9n requiere un alto grado de experiencia, lo que limita cu\u00e1nto (y qu\u00e9 tan r\u00e1pido) se puede mejorar. Aqu\u00ed es donde entra en juego el nuevo estudio.<\/p>\n\n\n\n Mientras que el m\u00e9todo anterior era de abajo hacia arriba, el nuevo enfoque es de arriba hacia abajo. Comienzas pensando en qu\u00e9 tipo de propiedades quieres y luego descubres c\u00f3mo puedes lograrlo.<\/p>\n\n\n\n Los investigadores entrenaron redes neuronales convolucionales (CNN), un tipo de modelo de IA, para comprender la compleja relaci\u00f3n entre la geometr\u00eda de un circuito y su comportamiento electromagn\u00e9tico. Estos modelos pueden predecir c\u00f3mo funcionar\u00e1 un dise\u00f1o propuesto, a menudo operando en un tipo de dise\u00f1o completamente diferente al que estamos acostumbrados.<\/p>\n\n\n\n El estudio mostr\u00f3 una variedad de casos de uso, desde antenas simples de un puerto hasta estructuras complejas de RF (radiofrecuencia) de m\u00faltiples puertos como filtros o divisores de potencia. Las antenas compactas dise\u00f1adas por IA funcionan en dos frecuencias distintas, lo que mejora el rendimiento de los dispositivos multibanda. En cuesti\u00f3n de minutos, sintetiz\u00f3 filtros con caracter\u00edsticas precisas de paso de banda, una tarea que antes habr\u00eda llevado d\u00edas o semanas.<\/p>\n\n\n\n La capacidad de dise\u00f1ar r\u00e1pidamente circuitos de alto rendimiento podr\u00eda acelerar los avances en telecomunicaciones, sistemas aut\u00f3nomos y m\u00e1s all\u00e1. Este enfoque permite a los ingenieros centrarse en la innovaci\u00f3n en lugar de la optimizaci\u00f3n rutinaria. Sin embargo, quiz\u00e1s la parte m\u00e1s emocionante sean los nuevos tipos de dise\u00f1os que se le ocurrieron.<\/p>\n\n\n\n Conceptos completamente nuevos \u201cLos dise\u00f1os cl\u00e1sicos, cuidadosamente, juntan estos circuitos y elementos electromagn\u00e9ticos, pieza por pieza, de modo que la se\u00f1al fluya de la manera que queremos que fluya en el chip. Al cambiar esas estructuras, incorporamos nuevas propiedades\u201d, dijo Sengupta. \u201cAntes, ten\u00edamos una forma finita de hacer esto, pero ahora las opciones son mucho m\u00e1s amplias\u201d.<\/p>\n\n\n\n Este estudio marca un momento crucial en la ingenier\u00eda, donde la IA no solo acelera la innovaci\u00f3n, sino que tambi\u00e9n expande los l\u00edmites de lo posible. Los chips inal\u00e1mbricos son una combinaci\u00f3n de electr\u00f3nica est\u00e1ndar (como los chips de computadora) y componentes electromagn\u00e9ticos como antenas o divisores de se\u00f1al. Si bien este estudio se centra en las frecuencias de RF y subterahercios, los principios del dise\u00f1o impulsado por IA pueden extenderse a los chips de computadora o incluso a la computaci\u00f3n cu\u00e1ntica.<\/p>\n\n\n\n “Hay trampas que a\u00fan requieren que los dise\u00f1adores humanos las corrijan”, dijo Sengupta. “El punto no es reemplazar a los dise\u00f1adores humanos con herramientas. El punto es mejorar la productividad con nuevas herramientas. La mente humana se utiliza mejor para crear o inventar cosas nuevas, y el trabajo m\u00e1s mundano y utilitario se puede delegar en estas herramientas.<\/p>\n\n\n\n Pero esto tambi\u00e9n plantea nuevas preguntas.<\/p>\n\n\n\n La caja negra Sin duda, la IA desempe\u00f1ar\u00e1 un papel cada vez m\u00e1s importante en la forma en que dise\u00f1amos cosas, y los chips no son una excepci\u00f3n. Sin embargo, en su mayor parte, a\u00fan no tenemos transparencia sobre c\u00f3mo la IA llega a sus dise\u00f1os. Esto hace que sea dif\u00edcil para los ingenieros comprender o predecir completamente el comportamiento de estos circuitos en todas las condiciones. Esta naturaleza de “caja negra” podr\u00eda conducir a fallas o vulnerabilidades imprevistas, particularmente en aplicaciones cr\u00edticas como dispositivos m\u00e9dicos, veh\u00edculos aut\u00f3nomos o sistemas de comunicaci\u00f3n.<\/p>\n\n\n\n Adem\u00e1s, si surgen errores, rastrear y rectificar el problema puede resultar m\u00e1s complejo que en sistemas dise\u00f1ados manualmente. En un nivel pr\u00e1ctico, la dependencia excesiva de la IA puede erosionar el conocimiento y las habilidades fundamentales de los dise\u00f1adores humanos, creando una brecha en la experiencia si la tecnolog\u00eda falla o no est\u00e1 disponible. Sin duda, nos dirigimos hacia una nueva era del dise\u00f1o. Esperemos que sea una en la que los humanos sigan teniendo las riendas.<\/p>\n\n\n\n Referencia de la revista: Emir Ali Karahan et al., Dise\u00f1o inverso generalizado de circuitos integrados y pasivos de radiofrecuencia y subterahercios multipuerto habilitados mediante aprendizaje profundo, Nature Communications (2024). DOI: 10.1038\/s41467-024-54178-1<\/a><\/p>\n\n\n\n
<\/strong>El m\u00e9todo impulsado por IA se centr\u00f3 en el dise\u00f1o de chips inal\u00e1mbricos, que son extremadamente importantes para aplicaciones de alta frecuencia como redes 5G, sistemas de radar y tecnolog\u00edas de detecci\u00f3n avanzadas. Estos circuitos impulsan innovaciones en todo, desde sistemas de radar hasta veh\u00edculos aut\u00f3nomos, pero su desarrollo es notoriamente lento. Los ingenieros comenzar\u00edan con plantillas predefinidas y optimizar\u00edan o mejorar\u00edan manualmente los dise\u00f1os mediante simulaciones y pruebas iterativas.<\/p>\n\n\n\n
<\/strong>\u201cEstamos creando estructuras que son complejas y parecen tener formas aleatorias, y cuando se conectan con circuitos, crean un rendimiento que antes era inalcanzable\u201d, dice Sengupta. Los dise\u00f1os no eran intuitivos y eran muy diferentes a los que hac\u00eda la mente humana. Sin embargo, con frecuencia ofrec\u00edan mejoras significativas.<\/p>\n\n\n\n
<\/strong>\u00bfQu\u00e9 tan c\u00f3modos nos sentimos con estos dise\u00f1os que no entendemos del todo? \u00bfQu\u00e9 sucede si algo sale mal con este dise\u00f1o?<\/p>\n\n\n\n