El diseño de circuitos integrados de radiofrecuencia (RFIC) es una de las tareas más complejas de la ingeniería electrónica. Mientras los chips de cómputo cuentan con flujos de síntesis algorítmica bien establecidos, los RFIC se siguen diseñando de forma casi artesanal: cada nuevo diseño puede costar entre decenas y cientos de millones de dólares y prolongarse durante años, porque exige coordinar ecuaciones de Maxwell, gestión térmica y mecánica de expansión en un espacio de diseño prácticamente inabordable. Esa labor recae en ingenieros con años de experiencia, comparables a "artesanos oscuros" capaces de orquestar redes laberínticas de inductores, líneas de transmisión y transistores que canalizan señales electromagnéticas a frecuencias de 28, 39 o 77 GHz, usadas en 5G, comunicaciones satelitales y radares automotrices.
Hace unos siete años, tras la victoria de AlphaGo sobre Lee Sedol, el grupo de Kaushik Sengupta en la Universidad de Princeton comenzó a investigar si la IA podría aprender ese arte. Hoy, métodos de aprendizaje automático aplicados al diseño de amplificadores de potencia y de bajo ruido generan layouts de aspecto orgánico y a menudo incomprensible para los humanos, pero cuyas pruebas físicas superan en rendimiento a los circuitos tradicionales. La clave no es solo la mejora de calidad, sino la drástica reducción de tiempo: la IA concibe un diseño funcional en órdenes de magnitud menos tiempo que un diseñador humano. El artículo de Sengupta, publicado en IEEE Spectrum, repasa paso a paso por qué los RFIC son tan difíciles de sintetizar algorítmicamente y cómo la IA podría convertirse en la herramienta estándar para crearlos, con implicaciones directas para 6G, vehículos autónomos y comunicaciones cuánticas.