（來自：Nature）
不同元件在計算機芯片上的佈局，是決定芯片整體性能的關鍵。設計計算機芯片的物理佈局既復雜又耗時，難度非常大，需要專業人類設計工程師付出大量工作。而盡管已為此進行多年的嘗試，芯片佈局規劃一直都無法實現自動化，需要設計工程師們花費數月的努力才能生產可供規模制造的佈局。
在位於美國加州的Google研究院內，人工智能專傢阿澤利亞·米爾侯賽尼、安娜·戈迪耶及其同事最新的研究表明，機器學習工具已經可以用來加速這一名為“佈局規劃”的流程。
研究團隊將芯片佈局規劃設計成一個強化學習問題，並開發瞭一種能給出可行芯片設計的神經網絡。他們訓練瞭一個強化學習智能體，讓這個智能體把佈局規劃看作一種棋盤遊戲：元件是“棋子”，放置元件的畫佈是“棋盤”，“獲勝結果”則是根據一系列評估指標評出的最優性能（評估基於一個包含1萬例芯片佈局的參考數據集）。
研究人員指出，這種方法能在6小時內設計出與人類專傢不相上下或是更好的可行芯片佈局，有望為今後的每一代計算機芯片設計節省數千小時的人力。
美國加州大學聖迭戈分校科學傢安德魯·康在一篇同時發表的新聞與觀點文章中寫道，“開發出比當前方法更好、更快、更省錢的自動化芯片設計方法，有助於延續芯片技術的‘摩爾定律’”。這裡的摩爾定律，是指每塊芯片的元件數量大約每兩年會翻一番。
安德魯·康同時表示，在這一研究中，團隊展示的佈局規劃方案已經被用來設計Google的下一代AI處理器，這也顯示出其設計質量可用於大規模生產。
總編輯圈點
在不到6小時的時間裡，一個深度學習強化方法，可以自動生成芯片設計的所有關鍵指標，包括功耗、性能和芯片面積，且給出的佈局圖都優於或可與人類設計的芯片佈局圖相比肩。這無疑是人工智能助力人類實現更好、更快、更強目標的范例。
有意思的是，這個人工智能現在又被拿去設計下一代人工智能，這讓我們看到一種共生關系——更強大的人工智能設計硬件，正在推動人工智能的進步。
科技日報 北京 6月9日電（記者張夢然）
留言列表
