Se presenta en este trabajo una nueva metodología para el proceso de diseño analógico de RF/mmWave, automatización y aceleración. El marco propuesto se implementó para acelerar el ciclo de diseño de circuitos analógicos/RF mediante la creación de un conjunto de datos de manera totalmente automatizada y el entrenamiento de una combinación de modelos de aprendizaje automático para la predicción de los parámetros de diseño óptimos. Se adoptó la regresión polinómica de aprendizaje automático para acelerar el proceso de diseño, prediciendo los valores óptimos de los parámetros de diseño, mientras que la optimización del algoritmo genético se explotó para la automatización de la creación del conjunto de datos. Para evaluar la eficiencia de la metodología propuesta, se implementó el marco para el diseño de un amplificador de bajo ruido de fuente común, utilizando un nodo de proceso CMOS de 65 nm. La metodología propuesta aborda con éxito la aceleración, automatización y aceleración del ciclo de diseño, utilizando la predicción de aprendizaje automático para los parámetros de diseño y el algoritmo genético para la automatización de la creación del conjunto de datos en lugar de la metodología de diseño estándar clásica basada en simulación. Los resultados experimentales proporcionados han demostrado la efectividad del enfoque híbrido propuesto, creando redes de coincidencia de RF muy precisas para los diseños de LNA y logrando una eficiencia de transmisión de onda mayor, mientras alcanza una precisión mayor en la tarea de predicción de parámetros.