RFフィルタの回路設計は、ふつう「経験と勘と反復」の世界だ。部品の値を決めて、電磁界シミュレータ（EMシミュレータ）で特性を確かめて、合わなければ修正して、また回す。1回のシミュレーションに数分かかる。それを何百回も回すわけで、設計が固まるまで数日かかるのが当たり前だった。

それを「数秒」に短縮したというのが、2026年3月にarXivに上がった Alpha-RF の主張なんだ。

ボトルネックはシミュレータだった

EMシミュレータはマクスウェル方程式を数値的に解く。精度は高いが計算コストも高い。Alpha-RFのチームはここに着目して、「EMシミュレータをニューラルネットで置き換えてしまえばいいんじゃないか」という発想をとった。

実際、回路パラメータ（寸法、素材定数など）を入力にして、Sパラメータやフィルタ特性を出力するネットワークを訓練すれば、それはシミュレータの代理になる。そしてこの ニューラルシミュレータ は、1回の推論が100ミリ秒未満で済む。元の4分と比べると、2400倍以上速い計算になる。

そこに強化学習を乗せる

シミュレータが速くなれば、その上で強化学習を走らせられる。Alpha-RFでは、回路パラメータを「行動」、目標特性との差を「報酬」として定式化し、設計エージェントを訓練した。

訓練されたエージェントは、目標スペックを与えられると、ほぼ一発で適切なパラメータを返してくる。これが「設計サイクルを数秒に」という意味だ。設計者が手を動かす部分を、推論一回に圧縮したわけだ。

面白いのは汎化の部分

個人的に気になったのは、ニューラルシミュレータが訓練データから外れた設計空間でもそこそこ機能するという点だ。論文には「マクスウェル方程式の物理を暗黙的に学んでいる可能性がある」という表現が出てくる。

正直、どこまで本当かは慎重に見たほうがいいと思う。でも、もし物理的な対称性や境界条件を自然に内包した表現を学んでいるなら、それはかなり面白い話だ。ニューラルネットが「物理を学ぶ」という文脈は最近よく聞くけど、RFフィルタで実際に動くとなると話が変わってくる。

実用として考えると

現状は特定のフィルタトポロジーに限定された話で、汎用の回路設計ツールにはなっていないと思う。でも「EMシミュレータをニューラルで近似してRLに食わせる」という流れは、他のパッシブ回路やアンテナ設計にも応用が利くはずだ。

手作業でパラメータを動かしながら「なんとなくこの辺かな」とやっていた部分が、エージェントに委譲されていく。設計者の仕事が「目標スペックを定義する」という上流にシフトしていくのかもしれないな。

それが良いことかどうかは、まだわからないけれど。

— ランキン