Electromagnetism Secretly Runs the World

Электромагнетизм незаметно управляет миром

Эссе, написанное в соавторстве с CEO Arena Physica Pratap Ranade

Добро пожаловать 520 новым читателям Not Boring, присоединившимся к нам с момента прошлого эссе! Присоединяйтесь к 260 690 умным и любознательным людям, подписавшись здесь:

Привет, друзья 👋,

Хорошего вторника! Это новый выпуск в том, что неожиданно превратилось в дилогию о не-LLM моделях, способных делать вещи, недоступные людям, — вещи, которые дадут нам сверхчеловеческие способности в физическом мире. Оба эссе написаны в соавторстве с фаундерами, которых вы ожидали бы встретить в SF, но которые строят свои компании прямо здесь, в величайшем городе мира — NYC.

Первое — эссе о World Models с Pim de Witte на прошлой неделе.

Сегодняшнее — о машинах, которые могут интуитивно чувствовать электромагнитные поля так, как почти никто из людей не может, и которые помогут нам проектировать и строить более совершенные электромагнитные (EM) системы.

Как вы знаете, я очень бычий настроен относительно растущей роли электромагнитных систем в экономике. После того как Sam и я написали The Electric Slide, CEO Arena Physica Pratap Ranade и я обменялись письмами. В одном из них он написал:

Электрические и электромагнитные компоненты — это «нервная система» современного железа, и на них приходится 40–50% всех отказов. Наша способность как нации тестировать и строить их снизилась, но — на мой взгляд, ещё важнее — как вид мы всё ещё не умеем использовать электромагнетизм на полную мощность.

За последние семь месяцев мы подружились, и Pratap многократно ломал мне мозг. Больше всего меня заворожила идея, на которую он ставит свою компанию, — та самая, о которой он написал мне: люди не способны интуитивно понимать EM, и это бутылочное горлышко для электрического прогресса, которого мы оба хотим. При этом нет никаких причин, по которым машины нельзя было бы научить понимать электромагнетизм гораздо лучше нас.

Последние несколько лет Arena строила AI-инструменты и привлекала опытных инженеров по электрике и RF, чтобы помогать компаниям проектировать, разрабатывать и отлаживать электромагнитное железо. Они работают с такими компаниями, как AMD, Anduril и Sivers Semiconductors. Их поддерживают инвесторы, включая Founders Fund, Peter Thiel, Initialized (Garry Tan), Shield Capital и 137 Ventures.

Сегодня они ребрендятся в Arena Physica с расширенной миссией — разрабатывать «Электромагнитную сверхинтеллектуальность» (Electromagnetic Superintelligence).

Это эссе о том, как научить машины видеть поля, которые мы не видим, и о том, как может выглядеть мир, если у нас это получится.

Поехали.

Сегодняшний выпуск Not Boring представлен… The Pitch by Deel

Обычно наши спонсоры хотят, чтобы я рассказал, почему стоит отдать им свои с трудом заработанные деньги. В этот раз Deel попросил меня рассказать, как они могут дать деньги ВАМ в The Pitch.

Deel недавно запустил глобальный турнир с призовым фондом $15M для стартапов: топ-10 получат по $1M инвестиций, а 100 региональных победителей — по $50k. Не нужны тёплые интро, не нужно платить за заявку. Это чистая конкуренция за лучших предпринимателей.

Питч длиной всего две минуты — и у вас есть шанс выиграть $1M инвестиций, получить доступ к глобальной экосистеме для масштабирования (среди партнёров и спонсоров — Stripe, Google, AWS и a16z) и показать свой стартап мировым лидерам. Это ваш шанс.

Подать заявку

Электромагнетизм незаметно управляет миром

Электромагнетизм незаметно управляет нашим миром. «Незаметно» — потому что лишь немногие на этой планете могут интуитивно понимать, как он работает.

GPS вашего телефона работает за счёт спутников, передающих электромагнитные (EM) волны с метками времени. Wi-Fi в вашей квартире создаётся EM-волнами, отражающимися от стен. Управление воздушным движением — это радар, то есть EM-волны, которые пульсируют и слушают эхо от самолётов. Когда Maverick захватывает противника в Top Gun, он использует phased array радар, который электронным образом направляет EM-лучи. Бесконтактные платежи? EM. Микроволновка? EM. Оптоволоконные кабели, несущие интернет по океанскому дну и через сеть Somos? Это свет… который тоже EM.

Каждый беспроводной сигнал, каждый медицинский снимок, каждый взмах радара, каждый разговор чипа с чипом внутри дата-центра. Всё это — электромагнитные волны, сформированные и направленные физическими структурами, спроектированными для манипуляции этими волнами. И по мере того как электричество и интеллект гонятся за определением нашей эпохи, присутствие EM становится только заметнее. В наших дата-центрах чипы общаются друг с другом через короткодействующие EM-волны. Если Elon успешно перенесёт дата-центры в космос, AI будет транслироваться вниз со спутников на ваше устройство через EM-волны.

Как Packy и Sam писали в The Electric Slide, всё, что экономически может стать электрическим, станет электрическим. Машины, грузовики, автобусы, дроны, лодки, плиты, тепловые насосы, аккумуляторы, велосипеды, даже самолёты — всё, что движется, греет, светит, вычисляет или преобразует энергию, переходит от механики к электрике. Все эти новые электрические штуки будут полны EM-компонентов.

В 1970 году электроника составляла в среднем пять процентов стоимости новой машины. К 2020 году эта цифра достигла сорока процентов. К 2030 году ожидается, что стоимость электроники потребительского автомобиля достигнет пятидесяти процентов стоимости машины.

Электроника составляет 35% стоимости F-35 Lightning II — больше, чем стоимость самого двигателя, — и 15% стоимости двигателя Pratt & Whitney F135, который стоит $20 млн. К 2030-м, когда, по прогнозам, оборонные подрядчики начнут строить F-47, они будут тратить более 40% от $300 млн стоимости планера на электронику.

Это хорошо. Мы хотим, чтобы эта электрификация продолжалась. Электрические машины работают лучше с меньшим воздействием на окружающую среду, дают нам возможности, недоступные двигателям внутреннего сгорания, лучше подходят для автономности и движутся по кривым стоимость/производительность, которые продолжат расширять их преимущество.

Но среди ряда проблем, рассмотренных в The Electric Slide, особенно касающихся производства, в R&D новых и лучших электромагнитных машин маячит не менее крупная: наши электромагнитные возможности ограничены очень малым числом людей, реально понимающих, как всё это работает.

Есть причина, по которой radiofrequency (RF) инженерию — практику проектирования железа, формирующего и направляющего EM-волны, — часто называют чёрной магией. В мире, возможно, есть всего около десяти человек, которые могут глубоко интуитивно чувствовать электромагнетизм, которые могут видеть мысленным взором, какие формы создадут какие EM-поля1. Я не из их числа, но я с ними встречался. Я нанимаю их в свою компанию, Arena Physica, и со многими из них учился.

В моей программе по физике был парень, о котором профессор однажды спросил: «Знаете, что в нём особенного?» Мы все сказали — нет. «Этот парень мыслит как электрон».

Имелось в виду, что электроны, будь они разумными, чувствовали бы все эти разные поля, тянущие их в разные стороны. У электронов, вероятно, была бы интуиция на этот счёт — так же, как у нас есть интуитивное чувство гравитации: мы просто знаем, что когда отпускаешь мяч, он падает на землю. Те друзья наших предков, которые не интуитивили гравитацию, не доживали до того, чтобы оставить потомство.

Некоторые люди — ничтожно малое число — провели достаточно времени, изучая, тестируя, проектируя и симулируя электромагнитные системы, чтобы интуитивно чувствовать их как гравитацию. Но для всех остальных электромагнетизм по большей части невидим.

Большую часть человеческой истории нам не нужно было видеть за пределами видимого спектра, чтобы выживать. Поэтому мы и не видели. Те друзья наших предков, которые тратили драгоценные ресурсы на видение полного спектра EM-волн, тоже не доживали до того, чтобы передать эти черты.

Люди могут видеть лишь малую часть электромагнитного спектра — часть «видимого света» с длинами волн от 400 нанометров (фиолетовый) до 700 нанометров (красный). Мы не видим более коротких длин волн (ультрафиолетовый свет, рентген, гамма-лучи) и более длинных (инфракрасный, микроволновый, радиоволны).

Это нас вполне устраивало. До тех пор, пока электромагнетизм не начал управлять миром.

У нас есть фундаментальная сила, на которую мы глубоко полагаемся, но с которой очень немногие из нас могут естественным образом работать. Это замедляет технологический прогресс и ограничивает то, что мы можем сделать.

К счастью, AI не разделяет наших слепых пятен. Он особенно хорош в нахождении паттернов, в установлении связей и понимании зависимостей, которые не обязательно интуитивны для людей.

Из-за этого мы верим, что компьютеры будут гораздо лучше схватывать электромагнетизм, чем мы. У нас должна быть возможность построить Large Field Model (LFM) — как LLM, которая обобщает по языку, но наша обобщает по EM. У нас должна быть возможность использовать эту LFM, чтобы понимать EM-волны и формировать их так, как нам нужно.

На эту крупную ставку мы и идём в Arena Physica. Чтобы понять, почему мы её делаем, я сначала хочу убедиться, что вы понимаете электромагнетизм.

Краткое введение в электромагнетизм

Packy и Sam дали Краткую историю электромагнетизма в The Electric Slide.

Я добавлю к этому Краткое введение в электромагнетизм. Местами буду подсыпать релевантную историю, но моя цель — убедиться, что у нас есть рабочее понимание электромагнетизма.

Есть четыре фундаментальные силы, управляющие всем, что происходит в нашей вселенной:

Сильное взаимодействиеСлабое взаимодействиеГравитацияЭлектромагнетизм

Сильное и слабое взаимодействия работают на субатомных масштабах. Сильное связывает протоны и нейтроны в атомных ядрах. Слабое обеспечивает радиоактивный распад и ядерный синтез.

Гравитация — самая слабая из четырёх сил с огромным отрывом (примерно в 10^36 раз слабее электромагнетизма). И всё же она доминирует на космических масштабах. Она только притягивает, никогда не отталкивает — значит, её эффекты только складываются. И она действует на каждую частицу с массой или энергией. Она также загадочна на фундаментальном уровне: гравитация и квантовая теория — невероятно мощные теории описания нашего мира, но они принципиально несовместимы. Это остаётся одной из глубочайших нерешённых проблем физики. Но с гравитацией у нас сильная интуитивная связь. В повседневной жизни мы можем чувствовать эту силу.

Электромагнетизм — это сила, с которой мы взаимодействуем наиболее непосредственно в повседневной жизни. Это и сила, которую мы наиболее агрессивно индустриализировали. Она управляет светом, электричеством, магнетизмом и химией — по сути, всем, что касается поведения материи выше ядерного масштаба. Это причина того, что у материи есть структура, что химия работает, что технологии работают. Она ответственна за структуру атомов (электроны, связанные с ядрами), связи между молекулами, жёсткость твёрдых тел, а также за всю электронику и коммуникационные технологии. В отличие от гравитации, у электромагнетизма есть и положительные, и отрицательные заряды, что означает: он может и притягивать, и отталкивать, а крупные накопления склонны нейтрализоваться сами. Наше математическое понимание электромагнетизма чрезвычайно точно: его описывает квантовая электродинамика (QED), самая точно проверенная теория во всей науке.

И всё же… несмотря на эту точность, электромагнитные системы могут быть глубоко контринтуитивны. Например, RF-инженерия имеет репутацию чёрной магии. Волновая, распределённая природа полей на определённых частотах порождает эффекты, нарушающие интуицию, выстроенную на простой теории цепей.

Но давайте попробуем выстроить нашу интуицию как можем.

Каждая сила несёт энергию. Электромагнитная энергия приходит в квантах, которые мы называем фотонами — частицами света, — но для большинства того, что мы строим (антенны, радары, системы связи, phased arrays), проще думать о ней как о волнах: в терминах частоты, длины волны и фазы. Энергия фотона зависит от его частоты, что видно на электромагнитном спектре. Сверхвысокоэнергетический фотон — это, например, машина ASML, делающая чипы с использованием EUV (extreme ultraviolet, экстремального ультрафиолета). EUV — это очень-очень высокая частота. Поэтому очень высокая энергия и, в свою очередь, очень короткая длина волны. Двигаясь через видимый спектр и переходя на другую сторону, попадаешь в инфракрасный диапазон, и электромагнитная энергия становится теплом. Затем — RF (radiofrequency, радиочастоты). Здесь у вас очень низкоэнергетические фотоны. Но всё это всё равно электромагнитные волны, подчиняющиеся одному и тому же принципу. Высокая энергия = высокая частота = короткая длина волны, и наоборот. (Изучить EM-спектр можно здесь.)

Теперь подумайте о призме. Призма — это объект или материал, который обращается с падающими EM-волнами — или разными фотонами — по-разному. Если ты красный фотон, твой показатель преломления (насколько ты отклоняешься) — одно число. Если ты синий фотон — другое. Преломите весь луч — и на другой стороне призмы вы получите тот самый красивый радужный спектр.

Призма — ранний пример того, как люди манипулируют электромагнитными полями. Люди заметили, что свет, проходя через стекло или хрусталь определённой формы, образует радугу. С тех пор мы придумали множество способов манипулировать электромагнитными полями, и самый значимый из них — также самый простой.

Если бы пещерный человек открыл, что может манипулировать электронами, самое первое, что он, вероятно, сделал бы, — самое простое из возможного: электрон есть, электрона нет. Есть, нет. Один, ноль.

Призма на самом деле гораздо изощрённее, чем переключатель «вкл/выкл». Она более тонкая, более выразительная, и её следствия мощнее. Но компьютеры основаны на идее пещерного человека — переключателе.

Ранние компьютеры буквально строились на этой простой идее: они использовали механические переключатели, известные как реле, для вычислений. Когда металл соприкасается, ток течёт (1/вкл). Когда расходится — ток прерывается (0/выкл).

Одной из проблем механических переключателей было то, что при частом переключении в воздухе воздух ионизировался и создавал крошечные молнии, способные перескакивать через зазор и образовывать дугу. Эти дуги делали ваш «бит» ненадёжным. Иногда переключатель должен сработать — и не срабатывает.

Другой проблемой была медлительность. Появление электронного переключателя поставило нас на путь, ведущий к тому, что мы теперь можем строить процессоры, работающие на скорости в ГГц (10^9 циклов в секунду).

Поэтому мы изобрели вакуумные лампы2. В них убрали воздух. Без атмосферы не было и дуг. Но вакуумные лампы были хрупкими, прожорливыми и не масштабировались. Великим прорывом стали полупроводники — материалы вроде кремния, проводимостью которых можно управлять. Их можно заставить проводить или не проводить (отсюда semi-conductor — полупроводник) в зависимости от приложенного напряжения. Полупроводники обеспечили переход от механики к цифре и дали нам транзистор — крошечное кремниевое устройство, которое включается и выключается с помощью напряжения. Это дало нам закон Мура, который дал нам булеву логику, которая дала нам всё в современных вычислениях. Это одно нововведение — транзистор — обеспечило большую часть нашего технологического прогресса за последние семьдесят лет.

Но если вы прочитаете статью Gordon Moore 1965 года, в которой он описал то, что впоследствии назовут законом Мура, вы обнаружите, что только первая половина — про цифровой кремний; вторая половина — про аналоговый.

На аналоговую часть никто не обратил внимания, но я считаю, что сегодня она ещё интереснее цифровой.

Цифровой кремний — это переключение: транзистор включён или выключен, проводит или нет, единица или ноль. Все вентили, вся логика, все вычисления вытекают из этой бинарной основы. Это мощно, но это, как мы уже обсудили, самое простое из возможного с электроном. Это арифметика пещерного человека.

Аналоговый кремний — это формирование. Вместо просто «вкл/выкл» вы спрашиваете: а что, если я могу изогнуть электромагнитную волну? Что, если я могу направить её, поглотить на одних частотах и отразить на других? На практике это RF front-ends, антенны, корпуса и печатные платы (PCB), ведущие себя как единый целостный электромагнитный объект.

Так устроен и мир. Мир — аналоговый. Мир работает не в нулях и единицах, а в континууме между ними. Даже если все вычисления выполняются цифровым образом, вам придётся иметь дело с аналоговыми сигналами и формой волн в тот момент, когда понадобится взаимодействовать с реальным миром (например, захватить звук микрофоном, воспроизвести звук динамиком, отправить беспроводные сигналы по эфиру, послать свет по оптоволокну).

Помните призму? Аналоговый кремний делает то же самое, но для всех электромагнитных частот, а не только для видимого света. Вместо того чтобы стекло преломляло свет, можно использовать тщательно сформированные проводники, напечатанные на кремнии, чтобы преломлять, направлять и формировать EM-волны.

Здесь мы покидаем царство детерминированных вычислений и входим в мир чёрной магии.

Попробуйте дома

Вот эксперимент. Можно сделать дома.

Список материалов: МЕДНЫЙ ПРОВОД, КОМПАС, БАТАРЕЙКА.

Возьмите медный провод, подключите его к батарейке и пропустите ток напрямую. Магнитное поле, которое он создаст, обернётся вокруг провода спиралью. Можно убедиться в этом, поднеся компас близко к проводу и наблюдая, как стрелка отклоняется перпендикулярно проводу.

Теперь скрутите тот же провод в форму пружины (соленоид), обмотав его вокруг карандаша или винта 10–15 раз. Пропустите через него ток. Магнитное поле совершенно другое: вместо того чтобы оборачиваться вокруг провода, оно стреляет прямо через центр катушки. Тот же провод, тот же ток. Но другая форма = радикально другое поле.

Это и есть фундаментальная игра электромагнетизма: геометрия определяет поведение. Любая антенна, радар или элемент phased array — это просто более сложная версия этого принципа. Найдите правильную форму — и сможете заставить электромагнитные поля делать почти всё что угодно.

Чтобы понять, почему формы так важны, рассмотрим, что происходит, когда электромагнитная волна попадает на проводник.

Проводник особенный потому, что в нём есть свободные электроны. Свободные электроны не привязаны к решётке, как в изоляторе, а плавают в том, что физики называют «электронным морем». Когда фотон (EM-волна) попадает в это электронное море, эти электроны начинают двигаться в ответ. Они колеблются вместе с волной.

В этом и состоит фундаментальный принцип работы антенны. Старая изогнутая телевизионная антенна на крыше у бабушки и дедушки была специально сформирована для приёма UHF-частот, транслировавшихся с далёкой телестанции. EM-волны, идущие через атмосферу, попадали на антенну, возбуждали электроны в металле, и эти колеблющиеся электроны шли по проводу в телевизор в виде сигнала.

Этот сигнал нёс информацию — например, закодированные кадры I Love Lucy, сжатые в паттерны электромагнитных колебаний, переданные по воздуху, поглощённые вашей антенной, декодированные вашим телевизором. Если задуматься, вся эта цепочка совершенно абсурдна. Мы передаём движущиеся картинки по воздуху с помощью невидимых волн. И всё превращение этих волн обратно в картинки сводится к форме провода.

Радар работает в общем так же, только мощнее и в обратную сторону.

Вторая мировая ускорила радар. Она же показала, как сильно он нам нужен. Союзники несли потери и нуждались в средствах отслеживания угроз. Они обратились к радару, который быстро развился благодаря войне. В конце XIX — начале XX века Heinrich Hertz (тот самый Гц) показал, что радиоволны могут отражаться от объектов. Несколько физиков также заметили, что радиосигналы вели себя странно вблизи кораблей и других объектов. В 1920-х и начале 1930-х учёные в США, Великобритании, Германии, Франции, СССР, Италии и Японии экспериментировали с использованием радиоэхо для обнаружения объектов.

В 1935 году британец Robert Watson-Watt (никак не родственник Уаттам — изобретателям парового двигателя) предложил и продемонстрировал практическую систему обнаружения самолётов с помощью импульсных радиоволн. Это привело к созданию сети раннего предупреждения Chain Home вдоль английского побережья. Chain Home была введена в строй к началу Второй мировой и дала Королевским ВВС такое преимущество в раннем предупреждении в Битве за Британию, что её часто называют одним из ключевых факторов, предотвративших немецкое вторжение. США подхватили разработку чуть позже, с помощью передачи технологий из Британии, и масштабировали возможности и производство. В США Alfred Loomis возглавлял исследовательские усилия в Tuxedo Park3 и помог основать MIT Rad Lab, разработавшую радары управления огнём, бортовые радары и навигационные радары. Германия построила параллельные системы, продвинув state-of-the-art в других направлениях.

Радар, вместо того чтобы принимать вещательный сигнал, передаёт луч на нескольких длинах волн, ждёт, пока он отразится от чего-то (например, бомбардировщика), а затем слушает эхо. Если объект достаточно большой и достаточно близкий, его можно обнаружить.

Но чтобы сканировать небо, нужно направлять луч в разные стороны. В 1940-х это означало буквально вращать большую тарелочную антенну. Нужны были механические моторы. Механический подвес, вращающий гигантскую антенну.

Это работало, но имело очевидные ограничения. Во-первых, движущиеся части ломаются. Во-вторых, тарелка может вращаться лишь с определённой скоростью. Сегодня спутникам Starlink нужно обновлять направление наведения несколько раз в секунду, потому что они движутся со скоростью 7,6 км/с. Попробуйте сделать это механически — и сразу для 5000 одновременных лучей.

Вот здесь и становится релевантной вторая половина статьи Мура 1965 года. Мур понял, что можно использовать транзисторы, чтобы решить проблему вращающейся тарелки. Заменить механическое движение электронным наведением.

Ключевое понимание — конструктивная и деструктивная интерференция, тот же феномен, который вы наблюдаете, когда волны на пруду встречаются и либо усиливают, либо гасят друг друга.

Представьте, что вместо одной большой тарелки у вас сетка маленьких антенных плиток — как шахматная доска, где каждая клетка — крошечная антенна. Каждая плитка может излучать сигнал. Каждая плитка — это целый RF front-end и антенные структуры, размазанные по чипу/корпусу/PCB, действующие как единый целостный EM-объект. Если запустить сигнал с самой левой плитки первой, потом со следующей чуть позже, потом ещё со следующей и так далее, волновые фронты от каждой плитки будут интерферировать друг с другом. Подобрать тайминг правильно — и они конструктивно интерферируют в одном конкретном направлении, создавая эффект одного сфокусированного луча, направленного куда вам нужно.

Поменяйте паттерн таймингов — и луч направится в другое место. Можно заменить движущиеся части аналоговой и цифровой логикой, контролирующей, когда каждая плитка стреляет.

Это называется phased array. Так работают современные радары. Если хотите развить интуицию, поиграв с этим, мы сделали маленький симулятор здесь.

Радар на F-35 называется AESA (Active Electronically Scanned Array — активная антенная решётка с электронным сканированием). Ничто на нём не движется. Это просто сетка полупроводниковых плиток, и «луч» проходит по небу чисто за счёт таймингов. Так же работает и Starlink. У каждого терминала Starlink 1280 таких лучеформирующих кремниевых плиток. Поэтому за $300 можно купить плоскую панель, которая делает то, что раньше требовало вращающейся тарелки за миллион долларов.

Что происходит на этих плитках?

Помните: цифровой кремний — это транзисторы, переключающиеся между вкл и выкл. Но плитки в phased array формируют электромагнитные поля через свою физическую геометрию.

Вспомните телевизионную антенну — изогнутый провод, специально сформированный для приёма определённых частот. Представьте, что эту форму можно напечатать на кремниевом чипе слой за слоем, прокладывая медные дорожки определённой геометрии и создавая структуры, взаимодействующие с EM-волнами очень точным образом.

На одном слое может быть спираль. На следующем — сетка. На следующем — что-то похожее на QR-код. Сложите их друг на друга с крошечными соединениями между слоями (vias) — и вы создали трёхмерную структуру, которая может излучать, принимать, поглощать и отражать электромагнитные волны на заданных частотах и в заданных направлениях, причём всё это полностью под вашим контролем.

Вот что такое на самом деле плитка phased array: 3D-скульптура из меди и кремния, спроектированная так, что электроны при течении через неё создают именно то EM-поле, которое вам нужно.

Почему это так трудно построить

Создание желаемого EM-поля — это всё про геометрию, то есть всё про формы. Но как узнать, какие формы делать?

С цифровым кремнием правила относительно просты. Транзисторы либо включены, либо выключены. Их можно симулировать миллиардами с идеальной точностью. Задача проектирования — про маршрутизацию и тайминги, а физика ведёт себя хорошо.

С аналоговым кремнием иначе. Физика — волновая, а волны делают вещи, нарушающие нашу интуицию.

На оптических (высоких) частотах часто проходит интуиция «лучевой оптики»: свет в основном движется по более-менее прямым линиям, отражается и преломляется, и его компоненты можно считать достаточно локальными.

На RF длина волны такова, что всё ваше устройство становится частью цепи. Поля проникают в корпуса, PCB, винты, соседние плитки… Всё разговаривает со всем. Поэтому RF и кажется чёрной магией, и поэтому приходится симулировать весь объект целиком, чтобы предсказать, как он будет работать.

Например, при проектировании плитки Starlink нельзя моделировать её в изоляции. EM-волны, исходящие от неё, будут взаимодействовать со всей единицей Starlink: металлическим корпусом, другими плитками, монтажным кронштейном, опорной структурой. Приходится симулировать всю систему сразу.

Поэтому нет автоматизированных инструментов для проектирования аналоговых схем. Цифровые схемы можно «синтезировать» из кода; цифровой проектировщик может написать «RTL»-код, описывающий, как работает его цифровая схема. Затем существуют инструменты, которые могут прочитать этот код и «скомпилировать» его в чип. Но никаких таких инструментов для аналогового дизайна не существует. Нет «стандартных ячеек» для аналога, нет стандартных аналоговых дизайнов, нет стандартных строительных блоков. Всё взаимодействует со всем.

Поэтому нет и ARM для аналогового кремния4. Нет компаний, которые могут продавать «IP» — стандартизированные дизайны схем — множеству клиентов с высокой маржинальностью, потому что таких стандартных схем не существует. Каждая новая система отличается, и в результате каждому новому клиенту нужно своё.

ARM может спроектировать чип, который работает в любом телефоне, потому что цифровые чипы самодостаточны. Но плитка phased array, аналоговая, спроектированная для терминала Starlink, не будет работать на другом спутнике. Паттерны интерференции будут совершенно другими!

А инструменты симуляции медленные. Уравнения, управляющие электромагнитными полями, называются уравнениями Максвелла — четыре уравнения в частных производных, которые знамениты своей трудностью.

Это же просто уравнения. В чём проблема?

Если EM-волна на более высокой частоте, она более «частицеподобна» — интуитивно как мяч: ты знаешь, где он находится, и он чисто отскакивает от вещей. Если мяч в одном углу, он не влияет на то, что в другом углу. По мере удлинения длин волн (в RF) они становятся всё более волноподобными, и частица как бы «размазывается». Волны начинают сильно интерферировать друг с другом, как круги на воде. Они могут усиливать или гасить друг друга.

Поэтому если ты NVIDIA и продаёшь высокочастотные чипы в коробках, ты можешь продавать единственный продукт. Можно спроектировать один GPU и продавать его всем. Нет разницы, поставит ВМФ ваш чип на корабль или Sony — в Playstation. Все могут просто купить чип и подключить его. Но если, например, вы покупаете компоненты для системы phased array, вам приходится моделировать всю систему, потому что это тип 2, а не тип 1. Дизайн для корабля ВМФ не подойдёт для терминала Starlink. EM-поля взаимодействуют со всем вокруг — металлическим корпусом, монтажной структурой, соседними компонентами. Поменяйте окружение — и нужен совершенно новый дизайн. Всё превращается в проблему кастомных услуг, ограниченную скоростью этих редких экспертов и симуляций.

Короче, солверы медленные даже с суперкомпьютерами или такими программами, как Ansys, потому что уравнения трудны для решения и требуют экспертизы. Причина их сложности — граничные условия (края, где гладкое матанализное описание ломается), например, острая металлическая кромка может создавать сильные электромагнитные отражения, заставляющие поля концентрироваться неожиданным образом.

Полная симуляция предложенного дизайна может занимать часы или дни. Вот пример петли проектирования: делаете лучшее предположение о форме, ждёте часы симуляции, обнаруживаете, что она не совсем работает, корректируете форму, опять ждёте часы. Сотрудничая с экспертами из этой области, мы видим, как каждая итерация симуляции на легаси-инструментах занимает неделю. Этого недостаточно «попыток в ворота», чтобы развить Электромагнитную сверхинтеллектуальность.

RF-дизайн не получится сделать брутфорсом. Пространство поиска бесконечно, а каждая оценка занимает слишком много времени.

Возьмите простую двухслойную схему, где каждый пиксель в сетке 64×64 может быть либо металлом, либо диэлектриком. Это уже примерно 2^(64×64), или 10^1233, возможных конфигураций для одного небольшого компонента. Вся история человеческого RF-дизайна, очевидно, исследовала ничтожно малую долю этого пространства. Здесь — посмотрите, сколько таких конфигураций вы сможете придумать сами.

Чтобы навигировать в этом пространстве поиска, нужна интуиция. Нужен кто-то, кто может посмотреть на желаемый паттерн поля и просто… почувствовать, какая форма может его произвести.

Люди, которые умеют это, провели десятилетия, нарабатывая чутьё к тому, как электроны движутся через структуры, как поля изгибаются вокруг углов, как волны интерферируют. Они могут нарисовать спираль на белой доске и сказать вам примерно, на каких частотах она будет сильно излучать, а какие будет поглощать. Но, кроме моего однокурсника, который мог видеть как электрон, эта интуиция не врождённая даже для этих особенных немногих. Они приобретают её ценой долгой карьеры. Потому что, в отличие от гравитации, никогда не было эволюционного давления понимать электромагнитные поля за пределами видимого спектра. Мы их не чувствуем. Они для нас невидимы.

Я смотрю, как моя маленькая дочь учится познавать мир. У неё уже есть интуиция к механике. Она знает: если скатить стакан со стола, он разобьётся. У неё нет интуиции к электромагнетизму, что, вероятно, генетически. У 99,99% людей её нет.

Это чудо, что мы смогли манипулировать EM-волнами для своих целей в той мере, в какой смогли. Но мир становится всё более электромагнитным, и нам потребуется ещё намного больше форм.

Это значит, нам нужно построить что-то, у чего есть интуиция к электромагнетизму.

AlphaGo для электромагнетизма

В 2016 году AlphaGo от DeepMind победила Lee Sedol, одного из величайших игроков в го в истории.

Момент, который запомнился всем, был во второй партии, ход 37.

Комментарии экспертов звучали примерно так: «Это ошибка». Затем: «Это глупость». Затем: «Это очень странный ход». И наконец: «Это красиво. Это элегантно».

AlphaGo сделала то, чего не попробовал бы ни один человек, — настолько нестандартный ход, что лучшие игроки мира поначалу отмели его как ошибку. Но он сработал. Машина открыла стратегию, которую люди не нашли за тысячи лет игры в го.

Что сделало AlphaGo возможной? Две вещи. Во-первых, у го есть чёткие правила и идеальный симулятор. Вы всегда точно знаете, в каком состоянии доска и какие ходы легальны. Во-вторых, благодаря этим ограничениям, компьютер может играть сам с собой миллионы партий очень быстро. AlphaGo научилась, сыграв больше партий в го, чем все люди в истории вместе взятые.

Мы хотим сделать для физики то, что AlphaGo сделала для го. Что, если бы мы смогли построить систему, которая бы сыграла миллионы «партий» в электромагнитный дизайн и развила бы интуицию, которую люди просто не могут приобрести?

Между нами и этой мечтой было очевидное препятствие. AlphaGo работала потому, что го — идеальная симуляция. Вы точно знаете, что происходит, когда кладёте камень на доску. Но физика сложнее, а симуляторы медленные. Уравнения Максвелла решаются часами. Нельзя «сыграть миллион партий» за ночь.

Поэтому сначала нужно было построить симулятор.

EM foundation model, которую мы построили и продолжаем масштабировать, — это и есть симулятор EM-физики.

Отправная точка того, что мы построили, известна как нейронный сурогат. Идея проста: вместо того чтобы решать уравнения Максвелла с нуля каждый раз (что медленно), вы обучаете нейросеть аппроксимировать решения (что быстро). Это как разница между тем, чтобы каждый раз вычислять синус угла руками, и тем, чтобы посмотреть его в таблице, — только «таблица» здесь нейросеть, которая может интерполировать на углы, которых она никогда не видела.

Традиционные физические симуляторы работают брутфорсом. Они разбивают пространство на крошечные кусочки, применяют уравнения в каждой точке и итерируют, пока решение не сойдётся. Точно, но одна симуляция может занимать часы.

Но то, что мы строим, — больше, чем сурогат. Большинство сурогатов в физике узкие: они обучены аппроксимировать один конкретный симулятор для одного конкретного класса задач. Модель Arena Physica учит связь между формами и полями напрямую, что позволяет ей обобщать. Это не более быстрый калькулятор (это вообще не калькулятор). Нейронный сурогат учит синтаксис физики. Как GPT выучил «логику» языка, наша модель учит «логику» полей. Покажите ей достаточно примеров «эта форма даёт такой паттерн поля» — и она научится предсказывать новые паттерны для новых форм почти мгновенно. Речь о ускорении в 18 000 раз — часы превращаются в миллисекунды.

Если вы читаете внимательно, то можете подумать: ну конечно, ускоряться можно, если вы пытаетесь получить лишь приближённый ответ, а не точное решение.

Хорошо подмечено. Вот тут и кроется магия.

Когда вы ищете хорошие дизайны, скорость и направление важнее точности.

Подумайте о том, как реально работает опытный RF-инженер. Он использует свою интуицию, чтобы отсеять идеи, которые, вероятно, не сработают, и получить грубую форму идей, которые могут сработать. Затем симулирует именно их. Он делает быстрые приближённые суждения, чтобы решить, куда вложить медленное точное симуляционное время.

Модель Arena Physica делает ту же фильтрацию — просто намного быстрее. Ей не нужно точно сказать, насколько хорошо форма будет работать. Ей нужно сказать, как каждая форма будет работать относительно других. «Достаточно хорошо для поиска» — гораздо более низкая планка, чем «достаточно хорошо для публикации».

Скорость позволяет нам перевернуть задачу. Вместо вопроса «какое поле производит эта форма?» можно спросить «какая форма производит это поле?». Это и есть генеративный дизайн. Мы задаём то, что хотим, скажем, антенну, которая сильно передаёт на 28 ГГц, но отсекает помехи на соседних частотах. Система использует наше желаемое состояние, чтобы генерировать формы, способные достичь цели.

Затем мы соединяем две модели в петлю: одна генерирует дизайны, другая их оценивает5.

Генератор предлагает пачку форм, многие из которых — дикие, странные, такие, что ни один человек бы не придумал. Формы вроде хода 37. Оценщик за секунды характеризует их все, дает направление: эта плохая, эта перспективная, эта интересная. Лучшие кандидаты дорабатываются маленькими вариациями и возмущениями. Оценщик оценивает доработки. Повторить.

На каждом шаге мы спрашиваем: «Эта лучше для нашей цели, чем форма, которая была раньше?» Поскольку мы знаем правила, как AlphaGo, и знаем наши цели, как AlphaGo, мы можем вознаграждать модель за приближение. И, как AlphaGo, сделав симуляцию дешёвой, мы можем исследовать гораздо больше пространства дизайна, чем смогли бы, если бы каждая попытка требовала точной многочасовой симуляции.

В Asymmetry of verification and verifier’s rule Jason Wei из OpenAI описывает «закон верификатора». По сути, он говорит, что любая задача, которую легко и быстро проверить, будет автоматизирована AI. Сложность нашего мира в том, что верификация опирается на специальных людей и симуляторы, которые медленны и дороги. Атаковав эту проблему сначала через foundation model для полей, выступающую быстрым симулятором, мы впервые сделали её доступной для генеративного AI. Наш генератор обучается весам через наш цикл обратной связи.

Это та же петля, что сделала AlphaGo возможной: генерировать, оценивать, учиться, повторять.

Запустить петлю самостоятельно можно здесь. Это даёт физическое ощущение важности скорости.

Конечно, эта петля работает, только если есть достаточно обучающих данных, чтобы её кормить, а в отличие от LLM, которые могут скрейпить интернет для тренировочных данных, симуляций EM-полей в природе не существует. Почти каждую точку данных приходится создавать. Поэтому мы строим собственную Data Factory (Фабрику данных).

Для этого мы нанимаем лучших lead-дизайнеров RF, которых только можем найти. Размещаем их в одном месте, где теоретически можем амортизировать возможности этой редкой группы людей по всему спектру существующих и новых клиентов. Они создают дизайны, дают обратную связь, тестируют свои дизайны, проходят через петлю.

Мы генерируем случайные дизайны синтетически, наши эксперты создают seed-дизайны, которые наша система может затем процедурно усиливать, мы фабрицируем лучших кандидатов и заводим реальные измерения обратно в обучение.

Data Factory состоит из трёх слоёв: высокообъёмные синтетические данные, высокоинформативные данные, посеянные экспертами, и эталонные данные фабрикации.

Из-за того, насколько ручной Data Factory сегодня, нам нужно стратегически выбирать сценарии использования. Мы начинаем с аналогового кремния (упаковка чипов, компоненты phased array, RF front-ends) и полной системы phased array, упомянутой выше. Мы будем расширяться в новые области, такие как сверхпроводящие квантовые вычисления, в диалоге с нашими партнёрами.

Фабрика — это ров. Без неё нельзя построить foundation model для EM, никто другой, насколько нам известно, такую не строит, а чтобы попытаться, пришлось бы нанимать из того же очень узкого пула экспертов, которых мы собираем в Arena Physica.

Когда мы сходимся на чём-то перспективном, скармливая выход Data Factory в нашу петлю, мы валидируем результат, прогоняя медленный точный традиционный солвер на лучшем кандидате. Или, ещё лучше, фабрицируя дизайн и проверяя его в реальном мире.

Помните, почему нет ARM для аналога? На RF-частотах длины волн достаточно велики, чтобы EM-волны взаимодействовали со всем вокруг. При проектировании phased array для терминала Starlink нельзя моделировать только чип; приходится моделировать чип, плату, металлический корпус, монтажную структуру — всё. Всё это влияет на поведение EM-волн.

Из-за этого мы даже используем собственные компоненты, чтобы построить целую систему phased array для отображения и обнаружения с нуля.

К концу года мы сделаем tape out кремния. И для любой части задачи, которая не аналоговая, мы фактически используем наш agentic stack — наших aware-к-железу агентов, работающих на нашем metagraph (динамическом графовом представлении железа), общающихся с инструментами через MCP, — чтобы ускорить каждый аспект процесса и идти end-to-end быстрее. Так мы выигрываем от всех потрясающих скачков, идущих от foundation-моделей, но при этом владеем тем, что они не могут воспроизвести: EM foundation model, питающейся нашей собственной Data Factory.

Система складывается мультипликативно: быстрая приближённая оценка позволяет широкий поиск; широкий поиск находит перспективных кандидатов; фабрикация валидирует и генерирует обучающие данные; обучающие данные улучшают генератор; лучший генератор позволяет ещё более широкий поиск.

Если можно делать всю RF-дизайн-работу в нашей петле, можно построить аналоговую IP-фабрику.

IP-фабрика для RF и Компилятор для атомов

Ключевое преимущество нашей EM Foundation model перед существующими сурогатами в том, что она умеет обобщать.

Сделайте со мной философский прыжок.

LLM не учатся механически классифицировать предложение. Они обучаются на структуре слов и предложений относительно друг друга. Остальное их поведение — эмерджентно.

До LLM детекция спама была отдельной большой проблемой. Суммаризация — отдельной. Перевод — отдельной. Были даже хорошие компании с хорошими ML-командами, занимавшиеся каждой. Все они ошибались в одном — фокусировались на узких задачах. Мы поняли вот что: если ты можешь понять язык на корневом уровне и видишь scaling laws, все downstream-приложения получаешь бесплатно.

Значит, если правда, что существует фундаментальная связь между геометрией и EM-полями, как и в языке, и если scaling laws верны, то такая модель должна обобщать.

EM-симуляция похожа на язык до LLM. Там, где Ansys-симуляторы пасуют (например, этот инструмент — для симуляции антенн, этот — для EMI-симуляции автомобильного двигателя), мы могли бы взять всё это одной моделью, как LLM берёт перевод, sentiment analysis, детекцию спама и многое другое в одном.

Мы считаем, что LLM были первыми foundation-моделями, а не последними. Язык — один из примитивов интеллекта, тот, которым люди пользуются для общения и мышления. Но у вселенной есть и другие примитивы. Newton создал матанализ, потому что язык вселенной — не английский. LLM позволят нам интерфейсить с новыми foundation-моделями, которые подтолкнут понимание человечеством вселенной дальше, давая нам интуицию к вещам, под которые нас не точила биология. Такие модели — критическая часть positive-sum будущего AI.

Это и есть огромная ставка, которую мы делаем в Arena Physica. Это наш тезис. Мы уже строим сильный бизнес, помогающий компаниям лучше понимать и итерировать свои электромагнитные системы, но мы считаем, что обобщение также позволит нам построить IP-фабрику для RF.

Нашей петлёй мы можем автоматизировать создание и проектирование IP. Это ключевое отличие от ARM. Если обобщение работает, то вместо того чтобы продавать один дизайн многим клиентам, как делает ARM, мы можем генерировать уникальный дизайн для каждого клиента и каждого сценария почти мгновенно, с теми же примерно усилиями, с какими ARM создаёт one-size-fits-all IP.

И мы считаем (и видим ранние признаки), что наша модель сможет масштабировать эту автоматизацию по всему электромагнитному спектру; в этом случае наш TAM — всё, у чего есть волна.

Один из часто задаваемых нам вопросов: а не могут ли LLM просто сделать это? Мы прогоняли свои внутренние тесты против frontier LLM (обычных и с extended thinking), и разрыв в производительности с нашей базовой моделью значителен. Наша модель достигает magnitude weighted-MAE (Mean Absolute Error) уверенно ниже 1 дБ (для контекста: диапазон, который обычно волнует RF-инженеров, охватывает примерно 20–30 дБ, так что <1 дБ — очень сильный результат)6.

То, что мы строим, отличается от LLM и лучше в том, для чего оно строилось. Удобный способ думать о том, что это разблокирует, — «Компилятор для атомов».

В софте компиляторы переводят высокоуровневые языки программирования в наборы бинарных инструкций, которые может исполнять CPU. Мы прошли путь от ассемблера к C++ и Python, а теперь Claude Code — это, по сути, компилятор, в котором языком программирования стал английский. LLM компилирует на тот язык программирования, который сочтёт лучшим, а тот, в свою очередь, компилируется дальше в машинный код. На каждом шаге уровень абстракции растёт, а число людей, способных «программировать», увеличивается.

У физики ещё нет компилятора. У вселенной есть набор инструкций: материалы и геометрии в определённых конфигурациях. Расположишь их так — получишь мотор. Расположишь иначе — получишь плащ-невидимку. Мы знаем, что всё это возможно, потому что уравнения нам так говорят. Человеческие физики потратили столетия, изучая этот набор инструкций. Но чтобы получить к нему доступ, всё ещё нужно нанимать эквивалент программиста на ассемблере: физика, который десятилетия учился переводить между человеческим намерением и набором инструкций физического мира.

То, что мы строим в Arena Physica, — это в некотором смысле Компилятор для атомов: способ выразить желаемое в высокоуровневых терминах и иметь возможность скомпилировать его в геометрии и материалы, которые его реализуют. Начинаем с уравнений Максвелла и, надеемся, в итоге добавим уравнения Шрёдингера.

Когда мы запустим нашу EM foundation model на следующей неделе, она будет доступна для взаимодействия через agentic UI. Вы сможете напечатать запрос на простом английском: «Мне нужен полосовой фильтр на 8 ГГц для спутникового аплинка». LLM переводит это в целевые scattering-параметры — технические параметры, которые мы оптимизируем. Наша LFM генерирует геометрии-кандидаты, используя физику как субстрат рассуждений вместо языка. Затем LLM подключается снова и объясняет, что и почему сделала модель, опираясь на фундаментальное RF-знание, встроенное в систему.

Andrej Karpathy называет LLM «духами людей» («people spirits»). В нашей системе дух David Pozar, автора библии RF-инженерии, даёт своё лучшее объяснение геометриям, сгенерированным нашей EM foundation model. Это как работать со стажёром, который случайно говорит «по-электронному», только этот стажёр канализирует десятилетия накопленной RF-мудрости.

Я думаю, это будет мощная парадигма будущего. Все думают о взаимодействиях человек–модель. Но основной объём работы в системах вроде нашей — это модель–модель: LLM говорит с EM foundation model, EM foundation model отвечает, и они итерируют по дизайн-пространству на машинной скорости. Слой человек–модель становится меньшинством взаимодействий — это задание намерений и интерпретация. Реальная работа идёт на языке, на котором мы не умеем говорить, и переводится для нас моделями, которые умеют.

В будущем языковые модели могут служить универсальным интерфейсом между людьми и целой экосистемой специализированных foundation-моделей: для EM-полей, биологии, материаловедения. В этом будущем LLM становится дипломатом между видами интеллекта.

В конечном счёте мы хотим прийти в мир, где любой сможет сказать «хочу плащ-невидимку» или «хочу Starlink подешевле», и машина его спроектирует. Но сегодня, даже с нашим компилятором, мы всё ещё в эпохе C++. Эксперты-«программисты физики» всё ещё должны говорить машине: «Мне нужен полосовой фильтр на 8 ГГц для спутникового аплинка».

А пока мы хотим доставить это «в конце концов»-будущее уже сегодня.

Снимать задачи с клиентов целиком

С тех пор как стало ясно, что наша модель может масштабироваться и обобщать, я много думаю о том, как правильно доставлять её возможности клиентам.

Я думал, стоит ли строить ARM для аналога. Думал о том, чтобы продавать доступ к модели или IP-фабрике напрямую. Не думаю, что что-то из этого правильно. Стоит проговорить, на чём мы остановились и как, потому что то, какой бизнес-модель должна быть, сильно меняется с AI, и та, на которой мы остановились, — вероятно, не та, к которой мы бы пришли несколько лет назад.

Если задуматься, что делает Arena Physica уникальной, то это четыре вещи: у нас есть талант-плотная команда из одних из лучших в мире RF-инженеров, «Компилятор для физики», способный генерировать ценный IP в руках экспертов, Data Factory, которая улучшается по мере того как эти RF-инженеры производят и валидируют ещё больше IP, и софтверная платформа (включая FDE), которая позволяет легко применять LLM-агентов к рассуждениям о железе.

Бизнес-модель, которая отсюда вытекает, — услуги. Мы наняли одних из лучших в мире RF-дизайнеров и команду первоклассных инженеров-электриков. Каждый из них, работая с нашей EM foundation model, нашими агентами и LLM, может покрывать огромный объём. Поэтому, вместо того чтобы продавать людям инструменты и просить их разобраться самим, мы начинаем просто снимать задачи с их плеч.

Хочешь запустить космическую компанию, а у тебя нерешённая проблема, как стойки общаются на орбите? Решим за тебя. Тебе нужен silicon layout для следующего чипа? Сделаем layout. Мы присылаем RF- и электроинженеров, вооружённых нашими инструментами, и поставляем продукт, нужный клиенту. Это полный электромагнитный full-stack engineering as a service со скоростью и стоимостью, которые раньше были невозможны, потому что каждый из этих редких экспертов теперь делает то, что раньше требовало целой команды, — быстрее, лучше и дешевле.

И поскольку мы ещё очень рано на нашем пути построения EM foundation model, прямая работа с клиентами позволяет нам учиться быстрее и улучшать модели на основе реальных потребностей.

В том же направлении мы развиваем исследовательские партнёрства. Это тоже вытекает из нашей модели. Масштабируя LFM с версии один до версии два и далее, нам нужно решать, какие обучающие данные генерировать дальше, и это зависит от задач, которые мы решаем. Партнёрам, работающим над упаковкой чипов, нужно, чтобы мы моделировали другие структуры, чем партнёрам по сверхпроводящим квантовым вычислениям. Они получают ранний доступ к нашей модели и нашей команде под свои конкретные задачи, а мы получаем данные, нужные для движения к обобщению. Исследовательские партнёрства кормят Data Factory, Data Factory кормит модель, и мы откусываем всё больше EM-спектра.

Один контринтуитивный ход здесь — мы не планируем продавать модель. Мы планируем её опубликовать, а продавать всё вокруг: платформу, экспертов и решения проблем наших клиентов. Модель — это то, что делает всё это возможным, но не сама по себе продукт. Как Packy писал в Power in the Age of Intelligence: «Если ваша технология так хороша, почему вы не используете её, чтобы конкурировать?». Наш продукт — принесите нам свою электромагнитную задачу, мы её решим.

Компании не должны быть заблокированы тем, что сейчас, чтобы строить такие системы, как умеем строить мы, нужны сотни миллионов долларов. Мы должны быть способны почти AWS-ифицировать экспертизу для них.

Здесь я хочу сделать гораздо больше.

По мере того как наша модель улучшается и мы переходим из эпохи C++ в эпоху Python и даже Claude в EM foundation-моделях, я подозреваю, что и наша бизнес-модель будет меняться. Мы сможем продавать «дизайнера» компаниям, и они смогут использовать его для генерации собственного IP. Своего рода Золотой гусь аналогового кремния. По мере того как это происходит, стоимость манипуляции EM-спектром падает, а возможности человечества растут.

В долгосрочной перспективе моя мечта — управлять Arena Physica как современным Bell Labs: использовать коммерческую сторону бизнеса для финансирования нового типа исследовательской сети.

Что, если, доказав, что foundation model работает, мы её откроем? Мы могли бы дать академикам бесплатный доступ к нашей модели и compute. В обмен на это, когда они используют её для проектирования новых структур или открытия новых явлений, IP возвращается через Arena. Мы берём долю (возможно, 20%, как в app store), а они оставляют остальное.

Сейчас профессор, работающий над какой-нибудь экзотической геометрией антенн, должен писать гранты, ждать финансирования, нанимать аспирантов и медленно итерировать симуляции на каком-то compute, который удалось наскрести. А что, если он мог бы просто… использовать модель? Исследовать пространства дизайна, на ручной поиск в которых ушли бы годы? И получать деньги, когда его открытия становятся коммерчески ценны?

Если наша модель может автогенерировать IP для любого электромагнитного приложения, мы становимся платформой. Редкие люди, способные раздвигать границы, становятся контрибьюторами и получают вознаграждение за свою редкую экспертизу по мере того, как она становится масштабируемой. Поскольку круг людей с такой экспертизой очень мал, мы реально можем охватить разделение апсайда их работы с ними.

Конечно, расширяясь по EM-спектру и переходя к мультифизическим моделям, мы не будем нанимать всех великих физиков мира. Но, открывая платформу и становясь новым Bell Labs, мы сможем с ними работать.

Я хочу, чтобы Arena стала местом, куда академики могут приехать в саббатикал и получить доступ к нашим моделям. Где мы не просто продаём софт, а финансируем эксперименты. Где мы создаём механизмы мотивации, позволяющие блестящим людям заниматься фундаментальными исследованиями без душевыжимающего грантового цикла. Где мы сжимаем цикл от физических исследований до применения и используем AI не для того, чтобы делать то же, что делают люди, дешевле, а для того, чтобы делать то, что люди сегодня не умеют вообще. Если мы победим — выигрывает человечество.

Но я забегаю вперёд. Сначала нам нужно снимать задачи с плеч наших клиентов.

Что смогут построить наши клиенты?

Что же клиенты смогут построить, если мы дадим им лучший в классе RF и EE?

Для начала, работая с Arena Physica, любая компания, желающая что-либо делать с phased array, может получить кастомные решения — и гораздо быстрее, чем раньше.

То, что они смогут построить, не ограничено тем, что вы традиционно считаете радаром.

Я как-то слышал фразу, которая мне запала. Я всегда думал о радаре как о системе обнаружения, но этот парень сказал мне, что радар — это вообще-то система формирования изображений. По мере укорачивания частоты вы получаете более высокое разрешение. Можно строить изображения. То есть радар не просто говорит, что «там что-то есть». Он также говорит, как это что-то выглядит. Радар может создавать картинки — как камера.

Возьмите дронов. Все говорят о дронах как о будущем войны, но в настоящем мы не видим их радарами или сенсорами. Возможно, вас удивит то, что у ВМФ США нет phased array антидроновых радаров в масштабе. Меня тоже удивило, и когда мы покопались, выяснилось, что в текущей системе это просто слишком дорого. Чтобы Raytheon построила им новый корабельный phased array радар, это в итоге стоило бы как половина корабля.

Не должно стоить почти миллиард долларов сделать phased array радар. Но помните тот медленный процесс воображения и симулирования дизайнов, который мы обсудили выше? Теперь представьте, как это происходит внутри медлительного легаси-прайма, который получает маржу сверху каждого потраченного доллара. Результат — у нашего ВМФ нет phased array радаров, хорошо ловящих дронов.

Мы можем помочь ВМФ видеть дронов гораздо дешевле. И должны. Для детекции дронов у вас может быть 1000 одновременных целей. Преимущество phased arrays в том, что из одной антенны можно формировать множество лучей, как делает Starlink, вместо чего-то вращающегося, как старый радар или LiDAR. (К слову, те вращающиеся LiDAR на верхушках Waymo тоже почти наверняка станут phased arrays, и когда это произойдёт, весь блок станет solid-state — дешевле и надёжнее, без движущихся частей.)

К нам также обращаются люди, желающие проектировать phased arrays для захвата дронов. Они строят системы, которые ловят дронов в воздухе роборукой. Системы захвата дронов умные; у них на борту есть вычисления и сенсоры для активного отслеживания и перехвата приближающегося дрона. Им нужно уметь видеть, а это значит — нужны кастомные phased arrays, способные с высокой точностью отслеживать быстро движущийся дрон, работать в любых визуальных условиях и быть достаточно маленькими и дешёвыми, чтобы поместиться на самом механизме захвата. Им точно не сошлись бы цифры при $1 млрд, но мы можем снизить эти стоимости как минимум на порядок в близкой перспективе с автоматизированным дизайном и быстрой итерацией.

Применения только умножаются, как только вы понимаете, что имеете дело с системой формирования изображений во всех условиях, и что дроны — это лишь одно из применений phased arrays. Та же физика, которая управляет лучами радара, управляет и лучами связи.

Если космическая индустрия будет расти так, как все думают, речь идёт о десятках тысяч спутников и миллионах наземных терминалов. Каждому из них нужны эти точно сформированные кремниевые плитки. Каждой наземной станции нужны phased arrays. Northwood только что подняли кучу денег, чтобы строить наземные станции phased array. Каждая антенна Starlink на доме и на спутнике работает на phased arrays.

Теперь, скажем, противник пытается глушить ваш радарный сигнал. Заметьте, как эти штучки уходят в ноль:

Помните, я говорил, что луч можно динамически двигать? Это одно из преимуществ phased array. Оно позволяет двигать те точки. Они называются нулевыми точками (null points) — там, где интерференционный паттерн обнуляется, как в шумоподавляющих наушниках. Представьте, что меня глушат. Что круто в phased array — я могу передавать свой сигнал и при этом циклически перемещать null point, чтобы поглощать сигнал-помеху. Только подумайте. На самом деле это поразительно. Вы продолжаете передавать и принимать, но вырезаете маленький карман тишины ровно там, где враг на вас орёт.

Но если хорошо эксплуатировать физику — как здесь, мы всё ещё используем наши добрые старые цифровые транзисторы, чтобы говорить, что делать, тогда как аналоговые формы определяют качество производимых EM-полей, — тут как раз мечта Gordon Moore может сбыться: его кремниевые булевы транзисторы разговаривают с аналоговым кремнием. И это круто. С цифровым кремнием мы можем вычислять. А с аналоговым кремнием мы можем передавать мощность, передавать направленную энергию, поглощать энергию. Аналоговый кремний делает всё это намного более физичным.

Та же физика, которая позволяет общаться, позволяет и отказывать другим в связи. И та же физика, которая позволяет передавать, позволяет и поглощать. Стелс — это обратная задача радара: вместо того чтобы отражать сигналы обратно, вы заставляете их исчезать.

Всё дело в формах.

Представьте, что мы могли бы изменить экономическую структуру всего этого.

Это именно то, что мы пытаемся сделать в Arena Physica. Наша миссия — создать «Электромагнитную сверхинтеллектуальность». Звучит дерзко, но напоминаю: добиться сверхинтеллекта — то есть относительно людей — в электромагнетизме гораздо легче, чем в языке или даже математике. И это в точности описывает то, что мы строим: систему, которая развивает сверхчеловеческую интуицию к тому, как геометрия формирует электромагнитные поля; ум, видящий то, что мы видеть не можем.

Как software-инженер, я не умею быть инфраструктурным инженером. Потому что мне не нужно. Amazon делает это за меня. Если можно было бы сказать, что компаниям больше не нужна RF-экспертиза, можно было бы радикально снизить стоимость всего, что мы обсуждали, в 10 раз и больше. Мы могли бы дать RF-возможности всем — от маленьких компаний до тех, кто обслуживает ВМФ.

Одно очевидное следствие — мы, вероятно, увидим больше спутниковых и космических компаний, потому что они смогут проектировать собственные phased arrays. Больше конкуренции в радарном пространстве. Больше конкуренции в пространстве глушения.

Менее очевидное — рюкзачные радары. Подумайте о войсках, идущих в ситуацию вроде Украины. Одна из крупных угроз — дроны, подкрадывающиеся к ним. У них должен быть рюкзачный антидроновый радар: маленькие дешёвые phased arrays, позволяющие каждому бойцу видеть, что к нему приближается.

Рюкзачные радары — конкретный пример, но смысл в том, что это то, что раньше не имело практического или экономического смысла, а становится практически и экономически осуществимым.

Мы можем даже помочь AI-моделям становиться лучше — этакий косвенный путь.

Дата-центрам нужно передавать огромные объёмы данных между чипами очень быстро. Проблема в том, что на таких скоростях провода, соединяющие чипы, начинают вести себя как антенны. Они могут случайно излучать и ловить сигналы. А значит, упираются в лимиты пропускной способности при общении между чипами. Так что их цель противоположна нашей: они пытаются делать действительно плохие антенны. Они не хотят, чтобы электрон, идущий между их GPU и CPU, ловил сигнал или излучал его, иначе данные исказятся. Это называется signal integrity. Решение тот же подход с формованным кремнием: тщательно спроектированные структуры, направляющие высокочастотные сигналы без помех.

Это не только чип-чип. Подумайте шире. Одна из компаний-операторов дата-центров недавно спросила нас, могли бы мы беспроводно передавать данные стойка-стойка, потому что сама кабельная разводка становится узким местом скорости их деплоя. И это не только наземно. Для орбитальных дата-центров просто не будет другого варианта. Никто не собирается прокладывать оптоволокно между стойками в космосе.

Самое интересное — как рынок отреагировал, прося у нас сценарии, о которых мы бы никогда не подумали.

Например, к нам обращались HFT-фирмы (high-frequency trading), желающие помочь им торговать быстрее. Я предполагал, что оптоволокно уже передаёт со скоростью света, но из-за полного внутреннего отражения внутри стекла сигналы движутся всего на 60–70% скорости света. Phased array, передающий через свободное пространство, идёт на настоящей скорости света. На расстоянии между Нью-Йорком и Чикаго эта разница может приносить много денег.

Если посмотреть на то, что мы только что описали, то фактически происходят две разные вещи. Я думаю, мы увидим K-образное будущее для железа.

Нижняя ветвь K — это то, как сделать commodity-устройства драматически дешевле и доступнее. Например: ВМФ покупает антидроновый радар, не выписывая Raytheon чек на миллиард долларов; спутниковые стартапы проектируют собственные phased arrays вместо того, чтобы аутсорсить прайму; рюкзачные антидроновые радары у каждого бойца; дата-центры быстрее деплоятся за счёт беспроводных линков стойка-стойка. Эти возможности существуют сегодня в дорогих, забутылоченных формах. Мы хотим убрать эти бутылочные горлышки и сделать возможности дешевле и обильнее.

Верхняя ветвь K — это сделать изящные устройства на границе физически возможного впервые достижимыми. Это то, что обеспечивали Bell Labs, — совершенно новые и более мощные возможности, чем были возможны до их исследований. Сейчас есть много восхищения дешёвыми, расходуемыми системами в будущем войны, и это правильно. Но в разговорах с военным руководством я слышал: чтобы выиграть (или сдержать) конфликт в Индо-Тихоокеанском регионе, нам понадобится часть самой изысканной техники в мире. F-117 был критически важен для победы в войне в Заливе; он составлял всего 2,5% воздушной мощи коалиции, но уничтожил 40% всех стратегических целей. Мы хотим, чтобы стали возможны новые типы изысканного железа — для обороны и не только.

Делая проектирование более продвинутых RF-компонентов проще, быстрее и дешевле, мы, по нашему мнению, поможем расширить рынок за пределы нынешних аналитических оценок, которые не предвидят неожиданного. Эти оценки прогнозируют 12% CAGR для RF-компонентов — с $44,8 млрд до $140,5 млрд за следующее десятилетие. Я думаю, это неверно — почти наверняка занижено. Одна из причин их относительно медленного прогноза в том, что RF сегодня слишком сложен. Но если демократизировать экспертизу и трансформировать структуру издержек, не добавил бы каждый лучшие всепогодные сенсоры на своего робота? Не повесил бы каждый солдат рюкзачный радар?

Что меня больше всего волнует — это открытое пространство возможностей. Я даже не знаю, что ещё люди могут придумать теперь, когда у них появилась возможность манипулировать всем этим. Если мы правы, их амбиции не будут ограничены ни скоростью, ни экономикой, ни даже формами, требуемыми для тех возможностей, которые им нужны.

Чужеродные дизайны

Многие формы, выходящие из нашей системы, уже совсем не похожи на то, что спроектировал бы человек. По сути, мы работаем с почти-чужими-людьми, чтобы создать систему, которая в итоге производит чужеродные дизайны.

Человеческие RF-инженеры обучены на определённых каноничных структурах: диполи, patch-антенны, спирали, рупоры. Они знают, что эти формы работают, потому что они отшлифовывались десятилетиями. Когда они проектируют что-то новое, они стартуют от этих знакомых форм и подкручивают.

Нашей системе на это всё равно. Она стартует из шума и эволюционирует к функции. Результаты часто выглядят как QR-коды, или случайная штриховка, или структуры, которые, кажется, не подчиняются никакой логике.

Когда мы показываем эти дизайны опытным RF-инженерам, их первая реакция обычно — скепсис. «Это не похоже на антенну». «Я бы никогда такое не придумал». «Вы уверены, что это работает?»

Затем мы это фабрицируем.

Сегодня мы фабрицируем на уровне PCB-плат. Цель, которую я ставлю команде, — сделать первый кремниевый tape out в этом году. То есть мы произведём настоящие кремниевые чипы. У аналогового кремния есть то преимущество, что нам не нужны передовые фабы TSMC; более старые и дешёвые заводы вроде Samsung, Global Foundries и некоторых оборонных фабов справятся, потому что узлы там обычно крупнее.

И это работает. Это AlphaGo-момент. Помните комментарии экспертов о ходе 37?

Мы видим тот же паттерн. Инженеры смотрят на наши дизайны и говорят: «Это совсем нестандартно. Это необычно. Этого нет в учебниках». А потом это работает. И тогда они говорят, что это было «креативно».

Наша цель — больше, чем просто автономно догнать человеческую производительность. Мы хотим её превзойти и найти все EM-эквиваленты хода 37: дизайны настолько контринтуитивные, что ни один человек бы их не попробовал, но настолько эффективные, что они переигрывают всё, что мы пробовали бы.

Моё чутьё говорит, что в EM это случится довольно быстро по той причине, которую мы обсудили в самом начале: большинство людей не эволюционировали для интуиции, какие формы какие EM-волны производят. Поэтому мы ужасны в угадывании ответа. С другой стороны, компьютеры могут стать сверхчеловеческими — мы можем эволюционировать их к этому в симуляции.

В Skunk Works, личных мемуарах Ben Rich о его времени во главе знаменитого подразделения Lockheed, есть отличная история о том, как появился стелс-бомбардировщик F-117.

36-летний математик и специалист по радарам Denys Overholser случайно прочитал перевод плотной технической статьи Pyotr Ufimtsev, главного учёного Московского института радиотехники, под названием Method of Edge Waves in the Physical Theory of Diffraction. Ufimtsev «пересмотрел вековой набор формул, выведенных шотландским физиком James Clerk Maxwell… эти расчёты предсказывали, как данная геометрическая конфигурация будет отражать электромагнитное излучение», и пошёл на шаг дальше. «Ben, — сказал Overholser Ben Rich, — этот парень показал, как точно вычислять радарные сечения по поверхности крыла и на его краю и как сложить эти расчёты в точный итог».

С работой Ufimtsev команда Skunk Works могла создать программу, рассчитывающую радарное сечение (насколько объект виден радару), если формы были двумерными. Если они проектировали бомбардировщик как тысячи плоских треугольников, они могли сложить их все и получить радарное сечение.

Именно это Overholser и сделал, и получившийся дизайн был «алмазом, скошенным в четырёх направлениях, по сути образующим четыре треугольника», что при виде сверху «напоминало индейский наконечник стрелы».

Он назвал это Hopeless Diamond и подсчитал, что он будет «в тысячу раз менее заметен, чем самая малозаметная форма, ранее произведённая в Skunk Works». На радарном экране он будет размером с глазное яблоко орла.

Kelly Johnson — основатель и босс Skunk Works, который был так великолепен в проектировании самолётов, что его босс однажды сказал о нём: «Этот чёртов швед действительно умеет видеть воздух».

Он был настолько не впечатлён дизайном, что, увидев его, физически пнул Rich под зад, скомкал предложение, бросил его Rich под ноги и завопил: «Ben Rich, ты тупой засранец. Ты совсем рехнулся? Этот хлам никогда не оторвётся от земли».

Как оказалось, модель была права, и даже великий Kelly Johnson ошибался. Hopeless Diamond стал F-117 Nighthawk, самым малозаметным самолётом из построенных до того момента более чем на три порядка, и совершил более 1300 боевых вылетов в войне в Заливе 1991 года без единой боевой потери.

Геометрия F-117 была чужеродной — и она дала США потусторонние возможности.

Мы пытаемся сделать нечто похожее, но на уровне кремния (для начала). И поскольку поиск ведёт AI, а не человеческие инженеры на белых досках, мы планируем делать это в гораздо более широких пространствах задач и поиска, чем существуют сейчас.

Форма грядущего

У нас впереди много работы по решению ключевой задачи: построению Large Field Model, которая сделает для EM то, что LLM сделали для языка.

Симуляция должна стать быстрее. Генеративная модель должна стать умнее. Петля фабрикации должна сжаться, и нам нужно реально фабрицировать аналоговый кремний, а затем делать это для множества клиентов. Нам нужно нанять больше тех редких людей, которые мыслят как электроны, и работать с ними над созданием обучающих данных.

Но трудно глядя на то, что наши модели могут делать сегодня, не воображать, что они смогут делать в будущем.

Если это масштабируется по всему EM-спектру, как мы думаем, всё станет очень интересно.

Насколько интересно? Packy спросил меня, могут ли однажды наши модели помочь наконец произвести Великую Объединённую Теорию, если она вообще возможна.

Не знаю. Но вот как я думаю об открытии новой физики в целом.

Все наши инструменты сегодня — с момента появления компьютеров — про дедукцию. Реши, вычисли, посчитай, предскажи. Вот вход; скажи мне, что произойдёт. Но многое в действительно креативном человеческом рассуждении — индуктивно. Ты постулируешь вопрос или идею, а затем её исследуешь. Это глубоко креативно и глубоко человечно.

Это связано с чем-то личным для меня. Мой научный руководитель в бакалавриате в Стэнфорде, Hari Manoharan, провёл эксперимент, который попал на обложку Nature в 2000 году.

Он расположил 80 атомов кобальта в эллипсе на медной поверхности. Знаете «шепчущие галереи», где ты стоишь в углу и шепчешь, а кто-то на другой стороне тебя слышит? Это конструктивная интерференция звуковых волн. Hari знал, что электроны тоже ведут себя как волны, и подозревал, что они должны интерферировать тем же способом.

И ровно это он и увидел. «Квантовый мираж». Призрачный атом, появляющийся в одном фокусе эллипса, когда настоящий атом сидел в другом. Что взорвало всем мозг — не было задержки во времени. Физика предсказывала какую-то крошечную задержку, чтобы учесть путешествие информации со скоростью света. Вместо этого было мгновенно. Это запустило целую область исследований квантовой связи.

Hari знал уравнение Шрёдингера. Он знал уравнения Максвелла. Их все знали. Но он соединил их способом, который никто не пробовал, постулировал, что могло произойти, и построил эксперимент, чтобы проверить. Так и происходит новая физика.

Как было бы здорово, если бы у нас были машины, которые действительно понимают эти уравнения и помогают нам? Сейчас приходится ждать десятилетиями, пока придёт гений и продвинет область. Чего мы могли бы добиться, если бы у этих гениев была небольшая помощь? Насколько ближе мы могли бы подтянуть будущее? Сколько ещё вселенной мы могли бы понять за нашу жизнь?

Что, если наша foundation model начнёт делать такие прыжки? Сейчас она ещё не breakthrough inductive, то есть не способна создавать собственные эксперименты. Она как прикладной физик: мы можем сказать ей нашу инженерную цель, и она придумает дизайн. Но по мере того как она учится больше, развивает что-то вроде интуиции, не сможет ли модель начать постулировать? Не сможет ли она замечать паттерны, которые упустили люди, и предлагать эксперименты?

И может быть (тут уже я даю себе помечтать), может быть, если мы построим foundation-модели для каждой из фундаментальных сил, и они начнут разговаривать друг с другом, мы приблизимся к чему-то большему. Есть четыре фундаментальные силы: сильная, слабая, гравитация, электромагнетизм. Мы лишь пытаемся сделать вмятину в одной из них. Но физика глубоко взаимосвязана. Квантовый мираж Hari случился потому, что электромагнетизм и квантовая механика пересеклись способом, которого никто не ожидал.

Что произойдёт, когда foundation-модели, понимающие несколько сил, выстроятся в цепочки, исследуя пространства между ними? Я не могу перестать думать об этом.

В конечном счёте именно об этом всё это. Поэтому я четыре года шёл за PhD по квантовому электромагнетизму (а затем бросил в духе настоящего Силиконовой долины) и поэтому основал Arena Physica.

Я хочу понять природу реальности, чтобы манипулировать ею ради блага человечества. Для этого нам нужны модели, которые учатся напрямую из физики, развивающие интуицию, которой нас не оттачивала эволюция.

Один из вопросов, всплывавший в аспирантуре, и я помню, как думал: «Как люди вообще задают такие вопросы?» — был: почему физика работает? Почему математика работает? Не странно ли, что реальность так… описуема? Почему она не гораздо случайнее?

Может быть, эти модели помогут нам выяснить.

Электромагнетизм незаметно управляет миром. Мы манипулируем им уже век со связанными за спиной руками, ограниченные редкостью людей, способных видеть то, что мы видеть не можем.

Мы создаём нечто, что понимает взаимодействие между геометриями и электромагнитными волнами и эволюционирует, чтобы развить новую интуицию.

Вселенная сделана из полей. Поля формируются геометрией. Геометрия, оказывается, — это то, что компьютеры могут учить гораздо лучше нас. Нам стоит на них опереться, чтобы перейти к новым задачам.

Если мы научимся формировать волны, возможно, мы сможем сформировать будущее.

Большое спасибо Pratap и всей команде Arena Physica за то, что поделились знаниями, и Badal за обложку.

На сегодня всё. Мы вернёмся в ваш инбокс с Weekly Dose в пятницу.

Спасибо, что прочитали,

Packy

Десять — это число, постоянно всплывающее в разговорах с людьми из компаний, где эти специалисты сегодня работают. Реальное число RF-дизайнеров мирового уровня, вероятно, измеряется низкими сотнями. Все они, кажется, знают друг друга по именам. Сообщество настолько мало.

Программистский термин «баг» пришёл от жуков, заползавших в вакуумные лампы.

Tuxedo Park: A Wall Street Tycoon and the Secret Palace of Science That Changed the Course of World War II Jennet Conant — отличная книга для тех, кто хочет узнать больше.

Подробнее об ARM — в The Electric Slide (ссылка прямо на раздел про ARM).

Для тех, кто хочет технических деталей: на следующей неделе мы опубликуем технический блог-пост.

Метрика — MAE, но значение, которое мы здесь измеряем, — это S-параметр (Scattering parameter), это комплексное число, поэтому есть действительная и мнимая части… поэтому мы и разделяем фазу и амплитуду.