프린스턴 대학교 연구진이 인공지능(AI)을 활용해 무선 주파수 집적 회로(RFIC)를 처음부터 설계하는 획기적인 방법을 개발했습니다. RFIC는 5G, 자동차 레이더, 위성 통신 등 현대 무선 기술의 핵심 부품이지만, 전자기, 열, 패키징 등 복잡한 물리적 제약을 동시에 만족시켜야 하는 '흑마술' 같은 영역으로 여겨져 왔습니다. 이 AI는 인간이 만든 기존 설계 템플릿에 의존하지 않고, 강화학습(Reinforcement Learning)과 역설계(Inverse Design)를 결합해 아키텍처, 회로 토폴로지, 소자 파라미터, 전자기 인터페이스를 스스로 탐색하고 최적화합니다.
연구진의 AI는 임의의 2차원 전자기 구조에 대한 산란 파라미터(scattering parameter)를 밀리초(ms) 단위로 예측하는 에뮬레이터를 활용합니다. 이는 기존 전자기 솔버가 분에서 시간 단위로 걸리던 작업을 대폭 단축시킨 것으로, 설계 반복 주기를 크게 줄여줍니다. 2023년에는 30~100GHz 밀리미터파(mmWave) 전력 증폭기(power amplifier) 설계에서 당시 실리콘 기반 전력 증폭기 중 대역폭(bandwidth), 출력(output power), 효율(efficiency) 조합이 가장 우수한 결과를 달성했습니다. 특히 AI가 생성한 전자기 경로는 사람이 일반적으로 고려하는 대칭적 구조와 달리, 임의의 패턴이나 QR 코드처럼 보이는 독특한 형태를 띠어 기존 설계 관념을 뒤집었습니다. 2024년에는 입출력 포트(port)가 많은 멀티포트(multiport) IC 구조까지 분 단위로 생성하는 능력을 보여주며 AI 설계의 확장성을 입증했습니다.
이번 AI 기반 RFIC 설계 방식은 차세대 무선 기술 발전에 지대한 영향을 미 미칠 것으로 예상됩니다. 기존에는 수년과 수천만 달러가 소요되던 칩 설계 기간과 비용을 획기적으로 줄일 수 있으며, 인간이 상상하기 어려운 새로운 아키텍처와 토폴로지를 발견하여 성능 한계를 뛰어넘을 가능성을 열었습니다. 다만, AI가 때로는 작동하지 않는 '환각(hallucination)' 회로를 생성할 수 있어 최종 검증에는 여전히 인간의 감독이 필요합니다. 또한, 범용적인 파운데이션 모델(foundational model)을 구축하려면 이미지넷(ImageNet)과 같은 대규모의 개방형 RFIC 및 아날로그 설계 데이터 생태계가 필수적이라는 과제가 남아 있습니다. 이러한 한계에도 불구하고, AI가 RFIC 설계의 복잡성을 해결하고 혁신을 가속화할 잠재력은 매우 큽니다.