本来人类专家需求破费数周工夫完成的芯片布局设计,目前经过一种深度强化学习办法,均匀6小时内就能完成这个进程,速度超28倍。6月10日,来自美国加州谷歌研讨院(Google Research)的Azalia Mirhoseini、Anna Goldie等在国际顶级学术期刊《迷信》(Science)宣布的一篇论文《一个疾速芯片设计的布图布局办法》(A graph placement methodology for fast chip design)中指出,机器学习工具可以极大地减速计算机芯片设计。Barrett et al.微芯片的面积约爲几十到数百毫米平方,在一块指甲盖大小的硅片上陈列并互连了数十亿个晶体管。每个芯片可以包括数千万个逻辑门,称爲规范单元,以及数千个存储块,称爲宏块或宏。单元和宏块经过数十公里的布线互连以完成设计的功用。芯片中单元和宏块的地位对设计后果至关重要。它们的地位决议了布线必需跨越的间隔,从而影响能否在组件之间成功布线以及信号在逻辑门之间传输的速度。美国加州大学圣迭戈分校的Andrew Kahng在《自然》宣布的《人工智能零碎在设计微芯片立体图方面胜过人类》(AI system outperforms humans in designing floorplans for microchips)中写道,微芯片设计的成败在很大水平上取决于“布局规划” (floorplanning)和放置的步骤。这些步骤决议了内存和逻辑元件在芯片上的地位,相应的地位会极大地影响芯片设计能否可以满足处置速度和电源效率等操作要求。到目前爲止,尤其是在布局规划方面没有任何自动化尝试。因而,它经常是由专业的人类工程师在数周或数月内重复和艰辛地执行的。在芯片的设计进程中,全局布线是最复杂和耗时的阶段之一,也是决议芯片全体功能的关键。谷歌的研讨团队发现,机器学习工具可以用来减速“布局规划”的流程。该研讨团队将芯片的布局规划局部设计爲一个强化学习成绩,并开发了可完成可行芯片设计的神经网络。他们训练了一个强化学习智能体,这个智能领会把布局规划看作一个棋盘游戏:元件是“棋子”,放置元件的画布是“棋盘”,“获胜后果”则是依据一系列评价目标评出的最优功能(评价基于一个包括1万例芯片布局的参考数据集)。作者指出,这种办法能在6小时内设计出与人类专家不相上下或是更好的可行芯片布局。人类设计的微芯片立体图与机器学习零碎生成的立体图不同Andrew Kahng以为,“开收回比目前办法更好、更快、更省钱的自动化芯片设计办法,有助于延续芯片技术的‘摩尔定律’ 。”摩尔定律指每块芯片的元件数量大约每两年会翻一番,这种提高速度相当于芯片上组件数量每周添加约1%。“因而,无法自动停止布局规划是有成绩的——不只由于相关的工夫本钱,还由于它限制了芯片开发方案中可以探究的处理方案的数量。”他还表示,研讨团队的布局规划方案曾经被使用在谷歌的下一代AI处置器的设计上,这也显示出其可使用于大规模消费。除了减速芯片设计外,该研讨或也能用于优化城市规划、疫苗测试等。