Inverse Design of Multi-Layer Sub-Pixel-Resolution RF Passives Through Grayscale Diffusion with Flexible S-Parameter Conditioning

Resumen Técnico: Diseño Inverso de Pasivos de RF de Sub-Resolución de Píxel Multi-Capa Mediante Difusión en Escala de Grises

Enunciado del Problema
El diseño inverso de componentes pasivos de RF a partir de parámetros S es un problema de alta dimensionalidad y mal planteado. El diseño convencional depende de simulaciones electromagnéticas (EM) iterativas y ajuste experto, mientras que la optimización topológica requiere días para converger. Los enfoques existentes de aprendizaje automático, incluidos los modelos generativos como GANs y los marcos de difusión anteriores (por ejemplo, DALL-EM), enfrentan limitaciones significativas para el diseño práctico de placas de circuito impreso (PCB). Estos métodos suelen estar restringidos a:

• Estructuras de una sola capa sin vías.
• Representaciones de píxeles binarias (metal/sin metal), que carecen de la resolución para modelar estructuras fuertemente acopladas donde las brechas son menores que el tamaño de la cuadrícula.
• Tableros eléctricamente pequeños con configuraciones de puertos fijas.
• Requisitos de objetivos de parámetros S completamente especificados y propiedades dieléctricas específicas.

Metodología
Los autores proponen un marco de difusión condicional que genera disposiciones de PCB de dos capas con resolución sub-píxel e inclusión de vías. El sistema opera como un pipeline de "generar y clasificar" que comprende dos redes neuronales principales:

1. Diseñador Inverso (Modelo Generativo):

   • Arquitectura: Un modelo probabilístico de difusión de denoising condicional (DDPM) basado en una Attention U-Net.
   • Salidas: Dos canales: densidad de metalización continua (valores en escala de grises en [0, 1]) y una capa dedicada de presencia de vías.
   • Condicionamiento: El modelo acepta entradas multimodales codificadas en mapas de características espaciales y concatenadas con la disposición ruidosa:
     • Parámetros S: Respuesta de frecuencia objetivo (1–20 GHz, 51 puntos), soportando especificaciones parciales (por ejemplo, restringiendo solo $|S_{21}|$).
     • Plantilla: Topología de referencia (por ejemplo, hairpin, combline) o una incrustación "nula" para generación sin topología.
     • Ubicaciones de Alimentación: Coordenadas físicas para los puertos, soportando conteos variables de puertos.
     • Propiedades Dieléctricas: Parámetros del sustrato ($\epsilon_r$, $\tan \delta$, espesor).
   • Estrategias de Muestreo:
     • DPM-Solver++: Utilizado para generación rápida (segundos) sin restricciones duras.
     • Dinámica de Langevin Recocida: Utilizada cuando se requieren restricciones físicas duras. Este método emplea proyección por paso para limitar la metalización en puntos de alimentación especificados, asegurando la realizabilidad física.
   • Post-procesamiento: Una red de detección basada en CenterNet convierte la capa de metal rasterizada en escala de grises en primitivas rectangulares parametrizadas (por ejemplo, para exportación a Gerber).

2. Modelo Directo (Clasificación):

   • Arquitectura: Un Vision Transformer (ViT) con una cabeza MLP.
   • Función: Predice los parámetros S para cada disposición candidata generada por el modelo de difusión. Los candidatos se clasifican según el Error Cuadrático Medio (RMSE) y el Error Absoluto Medio Ponderado (WMAE) frente a las especificaciones objetivo.

Contribuciones Clave

• Resolución Sub-píxel en Escala de Grises: A diferencia de los enfoques binarios anteriores, este marco genera densidades de metalización continuas. Esto permite la representación de características geométricas (como brechas de acoplamiento) más finas que la resolución de la cuadrícula de 0.125 mm (64×64 píxeles en una placa de 8×8 mm), lo cual es crítico para estructuras fuertemente acopladas.
• Soporte Multi-Capa y de Vías: Es el primer sistema generativo de ML que maneja apilamientos de dos capas con vías, permitiendo estructuras de tierra complejas y conexiones entre capas.
• Condicionamiento Flexible: El sistema soporta condicionamiento parcial de parámetros S, colocación variable de puertos y diversos materiales de sustrato, permitiendo la exploración de diseños sin objetivos completamente especificados.
• Aplicación de Restricciones Duras: A través de la proyección de Langevin recocida, el marco garantiza la metalización en puntos de alimentación, una restricción física crítica a menudo ignorada en el diseño generativo.

Resultados
El marco fue validado en una placa de 8×8 mm discretizada a 64×64 píxeles en el rango de 1–20 GHz.

• Métricas de Rendimiento: El modelo directo ViT predice los parámetros S con un error absoluto medio ponderado (WMAE) de $0.77 \pm 1.28$ dB.
• Eficiencia de Muestreo:
  • Dinámica de Langevin: Logró una tasa de tableros válidos del 89.1% (debido a la proyección de alimentación) con un WMAE de $0.93 \pm 1.38$ dB.
  • DPM-Solver++: Más rápido (1.9s vs. 13.8s por muestra) pero con menor tasa de tableros válidos (8.5%).
• Validaciones Fabricadas (Sustrato RO4003C):
  1. Rediseño de Filtro Hairpin: El sistema generó una alternativa fabricable a un filtro hairpin cuyas brechas de acoplamiento originales violaban las reglas de fabricación. El diseño fabricado logró una banda de paso centrada en ~17 GHz con una pérdida de inserción de 6.2 dB (objetivo: 1.5 dB), mostrando un buen acuerdo con la simulación de onda completa.
  2. Filtro Paso Banda Combline (Desde Cero): Diseñado únicamente a partir de parámetros S objetivo sin una topología de referencia. El diseño resultante incluyó estructuras de tierra conectadas por vías, logrando una banda de paso de 9.5 GHz con una pérdida de inserción de 4.6 dB (objetivo: 1.1 dB).

Significado
El artículo afirma que este trabajo representa el primer marco de diseño generativo de RF que soporta simultáneamente estructuras multi-capa inclusivas de vías, metalización continua en escala de grises, restricciones físicas duras mediante proyección de Langevin y condicionamiento parcial de parámetros S. Al permitir resolución de características sub-píxel en tableros eléctricamente grandes (aproximadamente una longitud de onda guiada a 20 GHz), el enfoque cierra la brecha entre el diseño generativo y la fabricabilidad, ofreciendo una vía para automatizar el diseño de pasivos de RF complejos que anteriormente estaban limitados por la resolución binaria o las restricciones de una sola capa.