Перейти к содержимому 
Развитие ИИ в области проектирования микрочипов ставит перед нами дилемму: можем ли мы доверять системам, которые не до конца понимаем?
Традиционно при разработке чипов ученые и инженеры работают с известными шаблонами и схемами. Новое исследование, опубликованное в Nature Communications, предлагает иной подход: проектирование схем и компонентов с помощью глубокого обучения. Используя искусственный интеллект (ИИ), исследователи из Принстонского университета и IIT Madras продемонстрировали метод «обратного проектирования», при котором сначала задаются желаемые свойства, а затем на их основе создается дизайн.
Полученные схемы работают на удивление хорошо, но есть одна загвоздка: никто толком не понимает, почему они так хорошо работают.
Содержание
«Люди не могут их понять, но они работают лучше», — говорит Каушик Сенгупта, ведущий исследователь и профессор электротехники и вычислительной техники в Принстоне.
ИИ у руля
Метод, основанный на ИИ, был сосредоточен на проектировании беспроводных чипов, которые чрезвычайно важны для высокочастотных приложений, таких как сети 5G, радарные системы и передовые сенсорные технологии. Эти схемы лежат в основе инноваций во всем, от радаров до автономных транспортных средств, но их разработка идет крайне медленно. Инженеры обычно начинают с предопределенных шаблонов и вручную оптимизируют или улучшают конструкции путем итеративного моделирования и тестирования.
Этот метод трудоемкий и сложный. Он также требует высокой квалификации, что ограничивает возможности и скорость улучшения. Вот тут-то и появляется новое исследование.
В то время как предыдущий метод был «снизу вверх», новый подход работает «сверху вниз». Вы начинаете с размышлений о том, какие свойства вам нужны, а затем выясняете, как их достичь.
Исследователи обучили сверточные нейронные сети (CNN) — тип модели ИИ — понимать сложную взаимосвязь между геометрией схемы и ее электромагнитным поведением. Эти модели могут предсказывать, как будет работать предлагаемая конструкция, часто используя совершенно иные типы конструкций, чем те, к которым мы привыкли.
В исследовании был представлен ряд примеров использования, от простых однопортовых антенн до сложных многопортовых радиочастотных (РЧ) структур, таких как фильтры или делители мощности. ИИ спроектировал компактные антенны, которые работают на двух разных частотах, улучшая производительность многодиапазонных устройств. За считанные минуты он синтезировал фильтры с точными полосовыми характеристиками, задача, которая раньше занимала дни или недели.
Совершенно новые концепции
«Мы создаем сложные структуры, которые выглядят случайными, и при подключении к схемам они обеспечивают ранее недостижимую производительность», — говорит Сенгупта.
Конструкции были неинтуитивными и сильно отличались от тех, что создавались человеческим разумом. Тем не менее, они часто предлагали значительные улучшения.
«Классические конструкции тщательно соединяют эти схемы и электромагнитные элементы, чтобы сигнал проходил по чипу так, как нам нужно. Изменяя эти структуры, мы добавляем новые свойства», — сказал Сенгупта. «Раньше у нас был ограниченный способ делать это, но теперь возможностей гораздо больше».
Черный ящик
Насколько нам комфортно работать с этими конструкциями, которые мы не до конца понимаем? Что произойдет, если что-то пойдет не так?
Несомненно, ИИ будет играть все более важную роль в том, как мы проектируем вещи, и чипы не являются исключением. Однако по большей части мы до сих пор не понимаем, как ИИ приходит к своим решениям. Это затрудняет для инженеров полное понимание или прогнозирование поведения этих схем во всех условиях. Такой «черный ящик» может привести к непредвиденным сбоям или уязвимостям, особенно в критически важных приложениях, таких как медицинские устройства, автономные транспортные средства или системы связи.
Кроме того, если возникают ошибки, отслеживание и устранение проблемы может оказаться сложнее, чем в системах, разработанных вручную. На практическом уровне чрезмерная зависимость от ИИ может подорвать фундаментальные знания и навыки инженеров-конструкторов, создавая пробел в экспертизе в случае отказа или недоступности технологии. Но уже без сомнения ясно, что мы движемся к новой эре проектирования. Будем надеяться, что это эра, в которой люди все еще держат бразды правления.
Исследование опубликовано в Nature Communications.
Читайте также: Искусственный интеллект может решать неразрешимые задачи, но люди не смогут понять результаты
Комментировать можно ниже в разделе “Добавить комментарий”.