Automatisierung des HF-Chipdesigns KI-gestützte Entwicklung fortschrittlicher Wireless-Chips

Anbieter zum Thema

MicroConsult Academy GmbH

PTC

Schneider Electric GmbH

Ein US-Konsortium rund um Princeton University setzt auf künstliche Intelligenz, um HF-Chips für drahtlose Kommunikation schneller, günstiger und intelligenter zu entwickeln.

Die Entwicklung von Hochfrequenz-Chips für drahtlose Anwendungen steht vor einer grundlegenden Transformation: Ein Forschungskonsortium unter Leitung der Princeton University arbeitet an KI-gestützten Designmethoden, die Zeit, Kosten und Fachkräftebedarf massiv senken sollen. Finanziert wird das Projekt mit knapp 10 Millionen US-Dollar durch die National Semiconductor Technology Center (NSTC), ein Konsortium aus Staat und Industrie unter Leitung von Natcast.

Ziel des Projekts ist es, die bislang stark manuelle Entwicklung von RFICs (Radio Frequency Integrated Circuits) zu automatisieren – also jene Chips, die in Geräten für 5G/6G, Satellitenkommunikation, autonomes Fahren und vernetzte Medizintechnik die Kommunikation ermöglichen. Im Unterschied zu digitalen Schaltungen, deren Designprozesse weitgehend automatisiert sind, sind HF-Chips bislang weitgehend „handgefertigt“.

Die Entwicklung dieser spezialisierten drahtlosen Chips ist extrem teuer und erfordere besondere Fähigkeiten, erklärt Projektleiter Prof. Kaushik Sengupta, Professor für Elektrotechnik und Computertechnik in Princeton. Dabei basiere die Entwicklung neuer Generationen an Halbleitern in erster Linie auf Intuition und Erfahrungswerten. Erschwert wird dies durch die physikalischen Bedingungen, die sich sowohl aus der fortschreitenden Miniaturisierung als auch den benötigten Eigenschaften der Funktechnik ergeben – etwa Überlagerungen, nichtlineare Effekte oder Umgebungsstörungen. Dadurch gestaltet sich die Entwicklung neuer Chips in diesem Bereich als besonders herausfordernd, komplex und kostspielig.

Künstliche Intelligenz könnte hier Abhilfe schaffen. „Wenn man einen Punkt erreicht, an dem die manuellen, arbeitsintensiven Aspekte des Designs automatisiert werden können und man neue Architekturen oder neue Funktionen entdecken kann, bietet sich eine große Chance," sagt Sengupta. Nicht nur ließen sich hierdurch Routineprozesse drastisch beschleunigen, durch freiwerdende Ressourcen und neue Blickwinkel könne sie zudem neue Wege aufzeigen, die bisherigen Methoden funktional überlegen seien.

Die eingesetzten Verfahren kombinieren unter anderem Reinforcement Learning – bekannt aus strategischen KI-Anwendungen wie Go – mit Diffusionsmodellen, die zuletzt bei der Entwicklung von Designer-Proteinen in der Chemie für Aufsehen sorgten. Mit diesen Methoden sollen neuartige Architekturen gefunden werden, die klassische Entwurfsregeln hinter sich lassen.

Bereits 2022 präsentierten Senguptas Doktoranden Karahan und Liu ein KI-optimiertes Design auf dem IEEE International Microwave Symposium – und gewannen prompt den Hauptpreis. Ein Jahr später folgte ein Best Paper Award im IEEE Journal of Solid-State Circuits. Diese Erfolge waren für Natcast Grund genug, Princeton als eines von drei führenden Teams für das AIDRFIC-Programm auszuwählen.

Neben Princeton sind auch die University of Southern California, Drexel University, Northeastern University sowie Branchengrößen wie Keysight, RTX, Cadence und Qualcomm beteiligt. Letztere wirken beratend mit, ebenso wie Texas Instruments, Nokia Bell Labs und Ericsson.

Die langfristige Vision: Eine neue Toolchain für automatisiertes HF-Design, die Kreativität freisetzt, Entwicklungszeiten verkürzt und neue Marktteilnehmer befähigt. Gerade vor dem Hintergrund eines zunehmenden Fachkräftemangels in der HF-Entwicklung könnte dies ein entscheidender Faktor für die Zukunftsfähigkeit der Branche sein.

„Wir stehen an der Schwelle zu einem Paradigmenwechsel“, so Sengupta. „Wenn wir die KI vom Problem aus rückwärtsdenken lassen, statt klassische Top-Down-Methoden zu nutzen, eröffnen sich Möglichkeiten, die bisher außerhalb unserer Vorstellungskraft lagen“. (sg)

(ID:50443982)