Firmy MedTech projektujące aktywne implanty zmagają się z jednym powtarzalnym problemem: za każdym razem, gdy zmienia się specyfikacja kliniczna, trzeba od nowa projektować tor radiowy. To miesiące pracy inżynierów i duże ryzyko, że gotowy układ nie dopasuje się do tkanki i obudowy.
Jak działa framework TACS-RF
Autorzy paperu opisują framework TACS-RF, w którym agent oparty na dużym modelu językowym steruje komercyjnymi narzędziami EDA, takimi jak Cadence Virtuoso, Spectre, Calibre, EMX i Ansys HFSS. Agent dostaje specyfikację w języku naturalnym, na przykład 'potrzebuję nadajnik 400 MHz o poborze poniżej 10 uW', a potem sam generuje netlisty, przeprowadza symulacje, optymalizuje parametry i weryfikuje projekt pod kątem reguł projektowych. W pracy udowodniono to na przykładzie nadajnika sub-THz 240-251 GHz, który zaprojektowano półautonomicznie w technologii 90 nm SiGe BiCMOS. Układ osiągnął moc wyjściową od +5,1 do +6,3 dBm i szum fazowy od -80 do -88 dBc/Hz przy przesunięciu 1 MHz. Pobór mocy 361 mW jest oczywiście nie do przyjęcia dla implantu, ale sam mechanizm projektowania przenosi się na niższe częstotliwości i ultra-niskie moce.
Scenariusz: neurostymulator z wymaganiami klinicznymi
Wyobraźmy sobie zespół pracujący nad zamkniętopętlowym neurostymulatorem. Specyfikacja mówi: transceiver w paśmie MICS (401-406 MHz), moc nadawania 25 uW, głębokość implantacji od 5 do 10 cm, obudowa tytanowa o grubości 0,3 mm. Dziś taki projekt ręczny zajmuje inżynierowi RF od trzech do sześciu miesięcy, a i tak pierwsza integracja często kończy się rozstrojeniem anteny bo tkanka ma inną przenikalność niż model symulacyjny. Z agentem AI wygląda to inaczej: przekazujesz specyfikację w pliku tekstowym, agent generuje kompletny tor nadawczo-odbiorczy z sieciami dopasowującymi, wstępnie zweryfikowany elektromagnetycznie wobec modelu tkanki i obudowy. Po tygodniu masz layout do weryfikacji. Potem przychodzi zmiana: regulator każe przesunąć kanał z 402 na 405 MHz. Przy ręcznym podejściu to kolejne dwa tygodnie przeliczania cewek i kondensatorów. Agent robi to w dwa dni, bo przepisuje parametry wejściowe i uruchamia całą symulację od nowa.
Korzyści i zwrot z inwestycji
Z rozmów z projektantami implantów wiem, że największym kosztem nie jest sam projekt, tylko wielokrotne iteracje po testach na fantomach i zwierzętach. Jedna pełna iteracja projektowa w firmie MedTech kosztuje od 50 do 200 tysięcy złotych, licząc czas inżynierów, licencje EDA i prototypy. Agent AI skraca typowy cykl projektowy z 20 do 6 tygodni, a liczbę iteracji redukuje o połowę, bo od początku uwzględnia efekty pasożytnicze i sprzężenia z tkanką. Dla projektu budżetowanego na 1,5 miliona złotych oszczędność rzędu 400-600 tysięcy nie jest nierealna. Dodatkowo zmniejsza się ryzyko niepowodzenia na etapie certyfikacji, bo symulacje EM są prowadzone na modelu obudowy i tkanki, a nie na abstrakcyjnym podłożu.
Od czego zacząć
Nie ma sensu od razu przeprojektowywać całego implantu. Zacznij od pilotażu: weźcie istniejący projekt transceivera, który wam działa, i poproście agenta o modyfikację sieci dopasowującej pod cieńszą obudowę. Porównajcie czas i jakość wyniku z tym, co zrobiłby wasz inżynier. Jeśli w ciągu dwóch tygodni dostaniecie zweryfikowany layout, to macie odpowiedź. Potem można przejść do projektowania nowego bloku od zera, na przykład odbiornika dla implantu ślimakowego. Ważne, żeby nad projektem czuwał człowiek z doświadczeniem w RF i bioelektronice, bo agent nie zastąpi decyzji o kompromisach, np. między mocą a rozmiarem anteny. Ale pozbędzie się tego, co zajmuje inżynierom najwięcej czasu: ręcznego rysowania schematów i sprawdzania reguł projektowych.
- Skrócenie cyklu projektowego z 20 do 6 tygodni
- Redukcja kosztów iteracji o 40-60 procent
- Mniejsze ryzyko rozstrojenia anteny w tkance dzięki weryfikacji EM
Informacje o artykule
Ten artykuł powstał w oparciu o paper naukowy opublikowany w serwisie arXiv.
Paper: TACS-RF: Tool-driven Agentic Circuit Synthesis of RF and mmWave Modules
Autorzy: Tristan Liang, Aravind Nagulu
We present the framework of TACS-RF - a Tool-driven Agentic Circuit Synthesis of RF and mmWave modules. In this framework, a large-language-model (LLM) coding agent (Claude Opus 4.8) directly drives industry-standard electronic-design-automation (EDA) tools such as Cadence Virtuoso/Spectre, Calib...
arXiv: arxiv.org/abs/2610.31882
Czytaj więcej o tej technologii: Agent AI zaprojektował nadajnik radiowy. Działa
Artykuł wygenerowany ze wsparciem sztucznej inteligencji.
