La IA diseña chips de radio con estructuras inéditas y más eficiencia

La inteligencia artificial está consiguiendo algo que hasta hace poco parecía reservado a décadas de experiencia humana: diseñar chips de radiofrecuencia con estructuras que ningún ingeniero habría planteado siguiendo los métodos tradicionales. Investigadores de la Universidad de Princeton, en Estados Unidos, han desarrollado sistemas capaces de generar circuitos electrónicos con geometrías insólitas, mejorar su rendimiento y reducir drásticamente el tiempo necesario para diseñarlos.

Los resultados van bastante más allá de una simulación informática. Los científicos han desarrollado amplificadores de radiofrecuencia cuyos diseños rompen con las estructuras convencionales y que, en determinadas pruebas, han igualado o superado los mejores resultados conocidos. Su trabajo abre nuevas posibilidades para las comunicaciones 5G y 6G, los radares de vehículos, los satélites y otros dispositivos inalámbricos. También plantea un desafío: algunas de las soluciones más eficientes resultan difíciles de interpretar incluso para los especialistas que las desarrollan.

La investigación, dirigida por el profesor Kaushik Sengupta, de Princeton, forma parte de una línea de trabajo iniciada hace varios años y cuyos avances han continuado durante 2026. Una investigación publicada el 6 de octubre de ese año describe un método de diseño mediante inteligencia artificial validado con mediciones de circuitos fabricados en silicio.

No se trata de crear procesadores destinados a ejecutar programas de inteligencia artificial. El avance consiste en utilizar algoritmos para inventar y optimizar los propios circuitos electrónicos que hacen posibles las comunicaciones inalámbricas.

Chips que parecen códigos QR en lugar de circuitos electrónicos

Los circuitos integrados de radiofrecuencia, conocidos como RFIC por sus siglas en inglés, permiten transmitir, recibir y procesar señales electromagnéticas. Están presentes en teléfonos móviles, sistemas de comunicaciones por satélite, equipos inalámbricos y numerosos dispositivos electrónicos.

Su diseño es especialmente complicado porque trabajan con señales de frecuencias elevadas. A esas velocidades, pequeñas modificaciones en la geometría de un componente pueden alterar considerablemente su comportamiento.

Durante décadas, los ingenieros han utilizado estructuras conocidas, patrones geométricos relativamente regulares y numerosas simulaciones para encontrar diseños capaces de equilibrar potencia, eficiencia energética, estabilidad y ancho de banda.

La inteligencia artificial ha empezado a cuestionar ese procedimiento.

En uno de los experimentos publicados en 2023, el equipo de Princeton desarrolló un amplificador destinado a trabajar entre 30 y 100 gigahercios, un intervalo que comprende frecuencias relevantes para determinadas aplicaciones de comunicaciones y radar.

El resultado fue un circuito con caminos electromagnéticos de aspecto irregular, muy diferentes de las habituales estructuras simétricas. Algunas de estas configuraciones recuerdan visualmente a un código QR o a un mosaico de pequeños elementos metálicos.

Lo sorprendente no era únicamente su apariencia. El prototipo consiguió una combinación de ancho de banda, potencia de salida y eficiencia que sus investigadores presentaron como un resultado de referencia para amplificadores de potencia fabricados en silicio.

La geometría aparentemente caótica escondía una solución técnicamente eficaz.

Cómo consigue la inteligencia artificial inventar estos circuitos

El procedimiento combina dos técnicas: el aprendizaje por refuerzo y el llamado diseño inverso.

El aprendizaje por refuerzo permite que un algoritmo explore diferentes configuraciones y aprenda cuáles proporcionan mejores resultados. En lugar de limitarse a modificar un circuito previamente diseñado por humanos, puede investigar nuevas arquitecturas, conexiones y parámetros de funcionamiento.

El diseño inverso introduce otro cambio fundamental. El ingeniero establece las propiedades que necesita conseguir y el sistema busca una estructura física capaz de proporcionarlas.

Es decir, no comienza necesariamente con una forma conocida para comprobar después cómo funciona. Parte del resultado deseado y calcula qué geometría puede producirlo.

De horas de simulación a milisegundos de cálculo

Una de las mayores dificultades del diseño de circuitos de radiofrecuencia es el enorme coste computacional de las simulaciones electromagnéticas.

Para acelerar el proceso, los investigadores desarrollaron un modelo de inteligencia artificial capaz de predecir cómo se comportarían las señales al atravesar distintas estructuras metálicas.

Este sistema utiliza redes neuronales entrenadas con numerosas configuraciones y sus correspondientes respuestas electromagnéticas.

Según el equipo de Princeton, determinadas evaluaciones que mediante simuladores convencionales podían requerir minutos u horas pasan a resolverse en milisegundos con el modelo entrenado.

La diferencia permite explorar un número mucho mayor de alternativas antes de seleccionar una configuración.

El entrenamiento inicial del algoritmo de aprendizaje por refuerzo puede necesitar varios días, pero después el sistema es capaz de generar diseños con mucha mayor rapidez.

Los investigadores también han utilizado modelos de difusión, una tecnología relacionada con la generación de imágenes mediante IA, para producir geometrías con características electromagnéticas concretas.

En sus experimentos, este procedimiento consiguió generar determinadas estructuras en aproximadamente seis minutos.

Los resultados ya se han comprobado en circuitos físicos

Una de las cuestiones fundamentales es distinguir entre una propuesta informática prometedora y un circuito electrónico que realmente funciona.

Los avances de Princeton no se limitan a imágenes de chips futuristas. Sus investigadores han presentado resultados experimentales con circuitos fabricados y evaluados físicamente.

El estudio publicado en octubre de 2026 describe una metodología que combina decisiones sobre la arquitectura del circuito, sus componentes y las estructuras electromagnéticas necesarias para conectarlos.

El trabajo incluye pruebas de amplificadores de potencia y amplificadores de bajo ruido, implementados con tecnología de silicio-germanio de 90 nanómetros.

Las mediciones abarcan diseños que operan entre 24 y 150 gigahercios, aunque no significa que cada circuito individual funcione en todo ese intervalo.

Los resultados muestran prestaciones competitivas con las mejores soluciones conocidas para sus respectivas aplicaciones y confirman que estos métodos pueden explorar configuraciones que quedan fuera de los patrones tradicionales.

La Universidad del Sur de California también ha presentado en 2026 investigaciones relacionadas con el diseño algorítmico de circuitos de radiofrecuencia. En este caso, los científicos emplean métodos de optimización que exploran distintas geometrías sin necesitar necesariamente redes neuronales entrenadas con diseños anteriores.

Algunos de esos dispositivos ya se han fabricado mediante procesos industriales convencionales.

El conjunto de investigaciones refleja una tendencia más amplia: automatizar una parte creciente del diseño electrónico y ampliar las posibilidades de una disciplina que tradicionalmente ha dependido de la experiencia de especialistas muy cualificados.

El problema de fabricar tecnología que cuesta comprender

La capacidad de crear estructuras que superan los diseños convencionales también introduce dificultades.

Un circuito puede funcionar correctamente y ofrecer excelentes resultados sin que su geometría tenga una explicación intuitiva para los ingenieros.

Eso no significa que su comportamiento desafíe las leyes de la física ni que sea imposible estudiarlo. Significa que las relaciones entre la forma del circuito y sus prestaciones pueden resultar demasiado complejas para interpretarlas mediante los criterios habituales.

La diferencia es importante.

Cuando aparece un fallo en un dispositivo electrónico, los especialistas necesitan identificar su origen, comprobar las condiciones que lo provocan y determinar cómo corregirlo.

Una geometría extraordinariamente compleja puede dificultar ese trabajo. También puede complicar las modificaciones necesarias para adaptar el diseño a nuevas condiciones de fabricación o funcionamiento.

Los propios investigadores de Princeton reconocen que los sistemas de inteligencia artificial todavía pueden producir diseños incorrectos que no satisfacen los requisitos previstos.

Por ese motivo, consideran imprescindible mantener procedimientos de verificación y supervisión humana.

Parte de sus investigaciones más recientes intenta precisamente resolver el problema de la interpretación. Los modelos de difusión permiten controlar hasta qué punto las estructuras generadas conservan formas tradicionales, fácilmente reconocibles, o adoptan geometrías más complejas.

De esta manera, los ingenieros pueden buscar un equilibrio entre rendimiento, innovación y facilidad de comprobación.

La alternativa no tiene por qué consistir en elegir entre circuitos comprensibles pero menos eficientes y diseños superiores completamente opacos.

Qué puede cambiar en los móviles, el 6G y los satélites

Las aplicaciones potenciales de esta tecnología son numerosas, aunque conviene distinguir los resultados experimentales de sus futuras aplicaciones comerciales.

Los amplificadores de radiofrecuencia son componentes esenciales para transmitir señales inalámbricas. Su eficiencia influye en el consumo eléctrico, la potencia disponible y el rendimiento de los sistemas de comunicación.

Un diseño mejorado puede contribuir a reducir pérdidas energéticas, ampliar el ancho de banda o facilitar el desarrollo de equipos que trabajen a frecuencias más altas.

En los teléfonos móviles, estas mejoras podrían favorecer comunicaciones más eficientes y, dependiendo del conjunto del dispositivo, reducir parte del consumo asociado a la transmisión de datos.

En los sistemas de radar, incluidos los utilizados en vehículos, podrían facilitar nuevos componentes de altas prestaciones.

Las comunicaciones por satélite también necesitan circuitos capaces de trabajar con señales exigentes, donde las limitaciones de potencia y eficiencia pueden ser especialmente importantes.

La futura tecnología 6G es otro de los campos en los que estos procedimientos podrían encontrar aplicaciones, al requerir nuevos sistemas electrónicos para gestionar frecuencias y capacidades de transmisión cada vez más ambiciosas.

Sin embargo, no existe una relación automática entre conseguir un amplificador más eficiente en laboratorio y aumentar la autonomía de un móvil o mejorar inmediatamente la cobertura inalámbrica.

La incorporación comercial de estos avances dependerá de su coste, fiabilidad, integración con otros componentes y capacidad de fabricación a gran escala.

El próximo desafío será mantener el control humano

La aplicación de inteligencia artificial al diseño de chips introduce una transformación que afecta tanto a la ingeniería como a la organización de la industria tecnológica.

Durante mucho tiempo, buena parte del conocimiento necesario para crear circuitos avanzados ha estado asociado a la experiencia de especialistas capaces de interpretar fenómenos físicos extremadamente complejos.

Los nuevos algoritmos permiten explorar alternativas que esos profesionales difícilmente podrían estudiar una por una.

Pero todavía queda una limitación considerable: la disponibilidad de información.

Las empresas y los laboratorios generan grandes cantidades de datos sobre circuitos y simulaciones electromagnéticas, aunque muchos permanecen protegidos por acuerdos de confidencialidad y secretos industriales.

Esa fragmentación dificulta el desarrollo de sistemas de inteligencia artificial más generales, capaces de trabajar con numerosas tecnologías y arquitecturas.

Los investigadores consideran que disponer de conjuntos de datos más amplios y compartidos podría acelerar los avances. Al mismo tiempo, el valor comercial y estratégico de los semiconductores hace que esa colaboración resulte complicada.

El cambio más importante, en cualquier caso, no consiste en que las máquinas hayan demostrado comprender la electrónica mejor que los humanos en todos sus aspectos. No es eso lo que prueban los experimentos.

Lo que han demostrado es que pueden encontrar soluciones de diseño que los métodos convencionales no habían alcanzado, con prestaciones competitivas y tiempos de desarrollo mucho menores.

La ingeniería tendrá que adaptarse a una realidad peculiar: los algoritmos pueden convertirse en una herramienta decisiva para inventar nuevos circuitos, mientras que los especialistas seguirán siendo necesarios para verificar su funcionamiento, garantizar su fiabilidad y determinar dónde pueden utilizarse.

La inteligencia artificial comienza a cambiar quién propone las soluciones. La responsabilidad de comprobar que funcionan sigue siendo humana.