Dimenticate l'idea del progettista di chip come un artigiano che cesella strutture simmetriche. Alla Princeton University un sistema di intelligenza artificiale ha cominciato a sfornare circuiti integrati a radiofrequenza (RFIC) che sembrano più opere di arte astratta – e funzionano meglio di qualsiasi layout disegnato a mano. È il risultato di sette anni di ricerca in cui l’apprendimento per rinforzo e i modelli generativi hanno ribaltato una convinzione radicata: che la progettazione RF sia un’«arte oscura», dominio esclusivo di menti umane addestrate per anni.

Dalla scatola nera alle geometrie impossibili

Il cuore della novità sta nell’approccio inverso. Invece di partire da template consolidati e ottimizzarli, l’algoritmo gioca una partita contro se stesso. Definisce architettura, topologia del circuito e strutture elettromagnetiche senza preconcetti umani, esplorando combinazioni che i progettisti non prenderebbero mai in considerazione. Un amplificatore di potenza per onde millimetriche (30–100 GHz) è uscito dal processo con una topologia paragonabile a un QR code, eppure ha raggiunto la miglior combinazione di banda larga, potenza d’uscita ed efficienza mai riportata su silicio per quel tipo di dispositivo.

Per rendere tutto ciò sostenibile, il team ha sostituito i simulatori elettromagnetici tradizionali – lenti e avidi di calcolo – con un emulatore basato su reti neurali convoluzionali, addestrato su milioni di strutture casuali annotate. La predizione dei parametri di scattering, che normalmente richiede minuti o ore, scende a millisecondi. Ecco perché l’intero ciclo di sintesi, dalle specifiche al layout pronto per la fabbricazione, si compie in pochi minuti.

Perché la faccenda interessa chiunque faccia hardware (e AI)

Questa non è solo una storia di chip migliori. L’automazione della progettazione RF mette in discussione l’intera catena degli strumenti di sviluppo. Se un AI può esplorare spazi di progetto così vasti senza i pregiudizi delle topologie classiche, il collo di bottiglia non è più l’abilità del singolo ingegnere ma la disponibilità di dati. Gli stessi ricercatori ammettono che il passo successivo è un ecosistema aperto: senza vasti dataset condivisi di strutture elettromagnetiche, i modelli non possono apprendere comportamenti universali. Il parallelo è con ImageNet per la visione artificiale: solo quando i dati smisero di essere custoditi gelosamente, i modelli fecero il salto di qualità.

Qui si inserisce un tema caro a chi gestisce infrastrutture di calcolo on-premise e progetta chip per carichi AI. La chiusura dei programmi di ricerca federale statunitensi sul machine learning per RFIC (come quello gestito da Natcast) ha rallentato la spinta alla condivisione. Eppure la direzione è chiara: un modello fondativo per l’elettromagnetismo e il comportamento circuitale esigerà repository aperti, con tutte le tensioni su proprietà intellettuale e sovranità dei dati che questo comporta. Senza, si andrà avanti a colpi di accordi di riservatezza e progresso frammentato.

Oltre i chip radio: cosa significa per il deployment locale dell’AI

Anche se l’articolo non tocca direttamente i Large Language Models, il metodo ha implicazioni per tutta l’elettronica. La sintesi inversa con apprendimento per rinforzo e modelli diffusivi potrebbe essere applicata ad altri circuiti analogici, accelerando la progettazione di hardware specializzato per l’inference on-premise. Oggi costruire un acceleratore custom è un processo lungo e artigianale: se questi algoritmi matureranno, le aziende potrebbero sintetizzare rapidamente chip ottimizzati per specifici carichi di lavoro, bilanciando potenza, dissipazione termica e costo.

La strada è ancora in salita. I modelli ogni tanto “allucinano” circuiti che non funzionano, e la verifica umana resta indispensabile. Ma il rovesciamento culturale è in atto: la progettazione RF sta smettendo di essere arte per diventare scienza guidata dai dati. Per chi sviluppa infrastrutture AI, è un segnale da non ignorare: i prossimi silici potrebbero nascere da prompt, e la loro forma sarà tutto fuorché convenzionale.