피드로 돌아가기
GeekNewsAI/ML
원문 읽기
AI가 RFIC 설계의 “흑마술”을 배우다
RL과 AI 에뮬레이터 기반 RFIC 설계로 시뮬레이션 시간을 ms 단위로 단축
AI 요약
Context
전자기·열·패키징 제약을 동시에 해결해야 하는 RFIC 설계의 복잡성으로 인해 수작업 중심의 설계 방식 유지. 기존 ML 접근법은 인간이 정의한 회로 템플릿 내 파라미터 최적화에 국한되어 설계 공간 탐색에 한계 노출.
Technical Solution
- Reinforcement Learning 기반의 end-to-end 프레임워크를 통한 아키텍처 및 토폴로지 자율 탐색 설계
- CNN 기반 AI 에뮬레이터를 도입하여 Maxwell 방정식 계산 없이 산란 파라미터(S-parameter)를 즉시 예측하는 구조 구현
- 목표 성능 수치를 입력하면 물리적 전자기 구조를 생성하는 Inverse Design 프로세스 적용
- Diffusion Model을 활용하여 산란 파라미터로부터 해석 가능한 전자기 구조를 생성하는 제어 가능 설계 인터페이스 구축
- 인간의 템플릿을 배제한 AlphaGo Zero 방식의 자체 탐색으로 비정형 최적 구조 도출
실천 포인트
1. 반복적인 물리 시뮬레이션 병목 지점에 CNN 기반 에뮬레이터를 도입하여 추론 속도 개선 검토
2. 최적화 대상의 Search Space가 너무 넓을 경우, 휴리스틱 템플릿 대신 Reinforcement Learning 기반의 자율 탐색 도입 고려
3. 생성된 AI 결과물의 신뢰성 확보를 위해 도메인 전문가의 검증 단계(Human-in-the-loop) 필수 설계
4. 해석 가능성(Interpretability) 확보를 위해 Diffusion Model의 조건부 생성 파라미터 활용 방안 검토