普林斯頓AI突破射頻晶片設計 演算法生成超越人類工藝的電路

無線技術的黑暗藝術

想像沒有無線技術的三十年——沒有AirTag、沒有行動電話、沒有串流服務。射頻積體電路（RFIC）就是讓所有裝置能夠無線收發訊號的關鍵晶片，支撐著現代社會的供應鏈、基礎設施與經濟運作。

然而，RFIC設計卻成為無線技術進一步演進的瓶頸。當今大多數運算晶片設計已標準化為科學學科，射頻設計卻頑固地停留在藝術領域——甚至被業界譽為「黑暗藝術」。這門技藝需要設計師耗費數年積累經驗，無法快速普及，導致射頻晶片進度緩慢，進而拖累自駕車、量子通訊、6G與衛星通訊等依賴該技術的應用發展。

為何RFIC設計難以自動化

RFIC設計是跨越多物理領域的工程挑戰。馬克士威方程式主導電磁場與元件交互作用、熱力學定律決定散熱特性、材料膨脹係數影響可靠度。設計28 GHz功率放大器時，工程師須依序決定：

1. 電路架構 — 放大級數與訊號路徑
2. 拓撲結構 — 主被動元件連接方式
3. 電磁被動結構 — 精密金屬佈局宛如「管線系統」，確保能量流向正確方向
4. 阻抗匹配 — 解決不同元件間的電磁反射

所有決策相互糾纏，無法獨立最優化。修改一處會牽動全局，猶如在狹小房間內硬塞太大地毯——壓下一角，另一角就翹起。失敗則需重頭來過，數月反覆迭代可耗費數千萬乃至上億美元。

AI從零開始的新策略

普林斯頓團隊受蛋白質折疊（AlphaFold）與氣候模型等AI突破啟發，決定讓機器學習演算法從零開始自主探索設計空間。

不同於以往在電路範本上微調的做法，新方法讓演算法獨立決定架構與所有參數，不受人類預製拓撲的限制。系統生成無數候選組合、映射效能取捨，探索出截然不同的全新電路拓撲——正如AlphaGo Zero超越人類棋局的做法。

研究團隊進一步採用擴散模型技術，快速生成全新或人類可理解的射頻電路布局。成果令人矚目：AI生成的晶片外觀有時宛如現代藝術作品，卻在實測中展現超越當前最先進電路的效能。更關鍵的是，設計時間大幅縮短——AI構思可運作設計的速度比人類設計師快好幾個數量級。

邁向產業化的挑戰

AI設計RFIC的潛力已初步驗證，但實現真正的產業突破仍需克服三大課題：

建立共享資料生態 — 需大規模晶片設計資料集，讓AI學習通用的電磁與電路行為模式

開放研發平臺 — 降低研究門檻，加速學術界與產業界協作創新

提升泛化能力 — 使AI不僅能設計特定規格晶片，更能應對未曾見過的新設計需求

隨著5G商用、6G規劃、自駕車雷達與衛星通訊對射頻晶片需求持續攀升，AI輔助RFIC設計正從學術願景轉變為推動下一波無線技術革命的關鍵引擎。