במקום להתחיל מהמבנה הפיזי של הרכיב, מחקר חדש מאוניברסיטת פרינסטון מציע להפוך את סדר הפעולות: להגדיר תחילה את הביצועים הרצויים, ורק לאחר מכן לחפש את הגיאומטריה שתוכל לממש אותם. אם הגישה הזו תבשיל, היא עשויה לשנות את הדרך שבה יתוכננו רכיבי RF בשנים הקרובות.
האם תכנון RF עומד בפני שינוי כיוון?
רוב ההתקדמות בעולם ה־RF בעשורים האחרונים הגיעה דרך חומרים חדשים, תהליכי ייצור מתקדמים, כלי סימולציה מדויקים יותר וכוח מחשוב הולך וגדל. המתודולוגיה עצמה כמעט שלא השתנתה. מהנדסים המשיכו להתחיל את תהליך התכנון מאותה נקודת מוצא: גיאומטריה של רכיב, סדרת סימולציות, שיפור הדרגתי וחזרה על התהליך עד לעמידה במפרט.
מחקר חדש של פרופ' קאושיק סנגופטה (Kaushik Sengupta) מאוניברסיטת פרינסטון, שזכה לאחרונה לסקירה במגזין IEEE Spectrum, מציע לבחון מחדש דווקא את נקודת המוצא הזו. במקום להתחיל מהמבנה הפיזי של הרכיב, החוקרים מציעים להתחיל מהשאלה ההנדסית עצמה: אילו ביצועים נדרשים? רק לאחר מכן מחפש האלגוריתם את המבנה שיוכל לספק אותם.
הרעיון, המכונה Inverse Design, אינו רק דרך חדשה לבצע אופטימיזציה. הוא הופך את סדר הפעולות שעליו נשען תכנון רכיבי RF במשך עשרות שנים. ההבדל נראה קטן על הנייר, אבל ככל שמורכבות המערכות גדלה, המשמעות שלו הופכת דרמטית הרבה יותר.
רכיבי RF מודרניים פועלים בתדרים גבוהים יותר, משלבים מספר הולך וגדל של אילוצים ופועלים בסביבות שבהן כל שינוי קטן בגיאומטריה משפיע על שורה ארוכה של פרמטרים. במערכות mmWave, למשל, שינוי זעיר במבנה עשוי להשפיע בו זמנית על רוחב הפס, היעילות, ההספק, ההפסדים והיציבות. מרחב האפשרויות גדל בקצב כזה שגם כלי התכנון המתקדמים ביותר מתקשים לסרוק אותו באופן שיטתי.
זו בדיוק הבעיה שמנסה Inverse Design לפתור.
להפוך את נקודת המוצא
כמעט כל מהנדס RF מכיר את תהליך העבודה הקלאסי. בוחרים ארכיטקטורה, מגדירים גיאומטריה ראשונית, מריצים סימולציה, מנתחים את התוצאות, משנים ממדים ומתחילים סבב נוסף. לעיתים מדובר בכמה איטרציות. בפרויקטים מורכבים המספר עשוי להגיע לעשרות ואף למאות.
הגישה הזו אינה שגויה. להפך. היא הניבה לאורך השנים אינספור רכיבים מוצלחים, ממגברי הספק ומסננים ועד אנטנות ומעגלי RFIC. אבל היא נשענת על הנחה בסיסית אחת: המבנה הפיזי הוא נקודת הפתיחה של כל תהליך תכנון.
Inverse Design מציע סדר עבודה אחר.
במקום להתחיל בגיאומטריה, המהנדס מגדיר את דרישות הביצועים: תדר העבודה, רוחב הפס, ההספק, היעילות, מגבלות השטח, אילוצי הייצור וכל פרמטר נוסף שהרכיב נדרש לעמוד בו. רק לאחר מכן מתחיל החיפוש אחר המבנה שיצליח לענות על כל הדרישות הללו.
המשמעות של השינוי הזה מתבררת כאשר מרחב התכנון נעשה גדול במיוחד. בשיטה המסורתית מחפשים את הפתרון הטוב ביותר סביב רעיון הנדסי קיים. בגישת Inverse Design אין הנחה מוקדמת לגבי צורתו של הרכיב. כל גיאומטריה שעומדת בדרישות היא מועמדת אפשרית.
במילים פשוטות, המחשב אינו מנסה לשפר רעיון קיים. הוא מחפש רעיון חדש.
למה זה קורה דווקא עכשיו?
הרעיון של Inverse Design אינו חדש. במשך שנים הוא הופיע בעיקר בספרות האקדמית, אך כמעט שלא יצא מגבולות המעבדה. הסיבה הייתה פשוטה: זמן החישוב.
כל סימולציה אלקטרומגנטית של רכיב RF מחייבת פתרון נומרי מורכב של משוואות מקסוול. ברכיבי RFIC ובמערכות mmWave, הרצה אחת עלולה להימשך דקות ארוכות ולעיתים שעות. כאשר האלגוריתם נדרש לבדוק מאות אלפי גיאומטריות שונות, זמן החישוב הופך לגורם המגביל את כל התהליך.
הפריצה הגיעה עם התפתחותם של מודלים המבוססים על למידת מכונה (Machine Learning). במקום לבצע סימולציה מלאה עבור כל מועמד חדש, החוקרים מאמנים תחילה מודל חישובי על אלפי סימולציות מדויקות. לאחר שלב האימון, המודל מסוגל להעריך בתוך שברירי שנייה כיצד צפויה גיאומטריה חדשה להתנהג.
מודלים אלה, המכונים Surrogate Models, אינם מחליפים את כלי הסימולציה. הם מסננים את מרבית האפשרויות ומעבירים לסימולציה אלקטרומגנטית מלאה רק את המועמדים בעלי הסיכוי הגבוה ביותר לעמוד בדרישות. כך מתקצר זמן החיפוש מסדרי גודל של ימים או שבועות לזמן שמאפשר לבחון חלופות רבות יותר במסגרת אותו תהליך תכנון.
בפעם הראשונה, Inverse Design הופך מגישה תיאורטית לאפשרות מעשית.
כשהמחשב מציע פתרון שאיש לא היה משרטט
היכולת לקצר את זמן החישוב הייתה רק הצעד הראשון. התרומה המשמעותית באמת של Inverse Design מתגלה במקום אחר: היכולת להגיע לפתרונות שמהנדס אנושי כלל לא היה חושב לבדוק.
בתהליך תכנון מסורתי, גם אלגוריתם אופטימיזציה מתקדם פועל בדרך כלל סביב רעיון קיים. הוא משנה ממדים, מכוונן פרמטרים ומשפר גיאומטריה שכבר נבחרה. Inverse Design פועל אחרת. מבחינתו, כל מבנה שמסוגל לעמוד בדרישות הביצועים הוא מועמד אפשרי, גם אם אינו דומה לשום רכיב שתוכנן בעבר.
בנקודה הזו מתחיל המחקר של פרינסטון להיות מסקרן באמת.
המגבר שנראה כמו קוד QR
אחת הדוגמאות הבולטות שמציג פרופ' סנגופטה עוסקת במגבר הספק סיליקוני הפועל בתחום שבין 30 ל־100 גיגה־הרץ.
החוקרים לא ביקשו מהמערכת לשפר מגבר קיים. הם הגדירו את דרישות הביצועים ואפשרו לאלגוריתם לחפש את המבנה המתאים ביותר. כאשר התקבל ה־Layout הסופי, הוא נראה שונה כמעט מכל מה שמקובל בעולם ה־RF.
במקום הגיאומטריות הסימטריות המוכרות הופיע מבנה צפוף, לא סימטרי, שבכתבה ב־IEEE Spectrum הושווה לקוד QR.
זו הייתה רק נקודת ההתחלה.
השלב הבא היה לבדוק אם המבנה החריג באמת עובד. הוא עבר סימולציות אלקטרומגנטיות מלאות, יוצר על גבי שבב ונמדד במעבדה. התוצאות הראו שהגישה אינה רק רעיון מחקרי מעניין. המגבר השיג שילוב מרשים של רוחב פס, הספק מוצא ויעילות עבור מגבר סיליקוני בתחום התדרים הזה.
זו הייתה אחת ההדגמות הראשונות לכך שגישה שאינה נשענת על ארכיטקטורות מוכרות יכולה להוביל גם לתוצאות מעשיות.
לחשוב מעבר למה שמוכר
הדוגמה של מגבר ההספק מעלה שאלה רחבה יותר.
עולם ה־RF נשען במשך עשרות שנים על ארכיטקטורות שהוכיחו את עצמן. זו גישה טבעית לחלוטין. ניסיון מצטבר הוא אחד הנכסים החשובים ביותר של כל מהנדס.
אבל ניסיון גם יוצר הרגלים.
כאשר כולם מתחילים מאותו מבנה בסיסי, גם כלי האופטימיזציה בוחנים בדרך כלל וריאציות של אותו רעיון. Inverse Design מרחיב את החיפוש אל מחוץ לאזור הנוחות הזה. הוא בודק גם גיאומטריות שאיש לא היה משרטט באופן אינטואיטיבי, פשוט משום שאין סיבה מוקדמת לפסול אותן.
לא כל פתרון כזה יהיה טוב יותר.
לא כל מבנה יהיה ניתן לייצור.
אבל עצם האפשרות לחפש גם באזורים שלא נחקרו בעבר משנה את אופי תהליך התכנון.
הרבה יותר מאלגוריתם אחד
קל לייחס את ההצלחה של המחקר לבינה מלאכותית בלבד, אבל התמונה מורכבת יותר.
מאחורי Inverse Design פועל שילוב של כמה שכבות טכנולוגיות. מודלי ה־Surrogate מצמצמים את מספר הסימולציות המלאות, אלגוריתמים של Reinforcement Learning משפרים בהדרגה את אסטרטגיית החיפוש, ובמקביל בוחנת קבוצת המחקר גם שימוש במודלי Diffusion כדי לייצר גיאומטריות חדשות מתוך מפרטי ביצועים, כגון S-Parameters.
בסופו של דבר, כל אחד מהפתרונות המבטיחים חוזר אל נקודת המוצא של כל מהנדס RF: סימולציה אלקטרומגנטית מלאה.
חוקי הפיזיקה אינם משתנים.
רק הדרך שמובילה אליהם.
מה זה אומר עבור מהנדסי RF?
מוקדם עדיין לדעת אם Inverse Design יהפוך בתוך שנים ספורות לכלי עבודה יומיומי. אבל כבר היום אפשר לראות כיצד הוא משנה את השיח סביב תכנון רכיבי RF.
במשך שנים השאלה הייתה כיצד לשפר את המבנה שכבר נמצא על שולחן העבודה.
כעת נשאלת שאלה אחרת: האם זה בכלל המבנה הנכון להתחיל ממנו?
אם גישות כאלה ימשיכו להתפתח, חלק מעבודת החיפוש יעבור בהדרגה למודלים חישוביים. תפקידו של המהנדס לא יקטן. הוא פשוט ישתנה. פחות זמן יוקדש להרצת אינספור איטרציות ידניות, ויותר זמן להגדרת הבעיה, לקביעת האילוצים ולבחירת הפתרון הנכון מתוך מגוון רחב יותר של אפשרויות.
גם עולם ה־EDA צפוי להיות מושפע מהמגמה הזו. בשנים האחרונות משלבות יצרניות התוכנה הגדולות יכולות של למידת מכונה בכלי הפיתוח שלהן. המחקר של פרינסטון מצביע על השלב הבא: מערכות שלא רק מאיצות את תהליך התכנון, אלא משתתפות באופן פעיל בחיפוש אחר פתרונות חדשים.
מבט קדימה
ייתכן שיחלפו עוד שנים עד ש־Inverse Design יהפוך לחלק בלתי נפרד מכל סביבת תכנון. כמו כל מתודולוגיה חדשה, גם הוא יצטרך להוכיח את עצמו במגוון רחב של יישומים, להתמודד עם אילוצי ייצור ולהשתלב בתהליכי העבודה הקיימים.
אבל גם אם הדרך עוד ארוכה, המחקר של פרינסטון כבר השיג דבר משמעותי.
הוא החזיר למרכז הבמה שאלה שכמעט לא נשאלה במשך שנים: האם המבנה הפיזי של הרכיב חייב להיות נקודת המוצא של כל תהליך תכנון?
ייתכן שהתשובה תמשיך להיות "כן" במקרים רבים.
אבל אם במקרים אחרים התשובה תהיה "לא", ייתכן שזו תהיה אחת ההתפתחויות המעניינות ביותר שעבר עולם ה־RF בעשורים האחרונים.
ולסיום…
האם Inverse Design יהפוך לכלי העבודה הבא של מהנדסי RF ? מוקדם עדיין לדעת. אבל מחקרו של פרופ' קאושיק סנגופטה כבר מציב שאלה שקשה להתעלם ממנה: האם הדרך שבה תכננו רכיבי RF במשך עשרות שנים היא גם הדרך שבה נכון לתכנן אותם בעתיד?
קרדיט:
הכתבה מבוססת על מאמר שפורסם ב־ IEEE Spectrum ועל מחקריו של פרופ' קאושיק סנגופטה מאוניברסיטת פרינסטון.
