人工智能提速計(jì)算機(jī)芯片設(shè)計(jì)速度超28倍

　原本人類專家需要花費(fèi)數(shù)周時(shí)間完成的芯片布局設(shè)計(jì)，目前通過一種深度強(qiáng)化學(xué)習(xí)方法，平均6小時(shí)內(nèi)就能完成這個(gè)過程，速度超28倍。
6月10日，來自美國(guó)加州谷歌研究院（Google Research）的Azalia Mirhoseini、Anna Goldie等在國(guó)際頂級(jí)學(xué)術(shù)期刊《科學(xué)》(Science)發(fā)表的一篇論文《一個(gè)快速芯片設(shè)計(jì)的布圖布局方法》（A graph placement methodology for fast chip design）中指出，機(jī)器學(xué)習(xí)工具可以極大地加速計(jì)算機(jī)芯片設(shè)計(jì)。

　　Barrett et al.

　　微芯片的面積約為幾十到數(shù)百毫米平方，在一塊指甲蓋大小的硅片上排列并互連了數(shù)十億個(gè)晶體管。每個(gè)芯片可以包含數(shù)千萬個(gè)邏輯門，稱為標(biāo)準(zhǔn)單元，以及數(shù)千個(gè)存儲(chǔ)塊，稱為宏塊或宏。單元和宏塊通過數(shù)十公里的布線互連以實(shí)現(xiàn)設(shè)計(jì)的功能。
芯片中單元和宏塊的位置對(duì)設(shè)計(jì)結(jié)果至關(guān)重要。它們的位置決定了布線必須跨越的距離，從而影響能否在組件之間成功布線以及信號(hào)在邏輯門之間傳輸?shù)乃俣取?br/>美國(guó)加州大學(xué)圣迭戈分校的Andrew Kahng在《自然》發(fā)表的《人工智能系統(tǒng)在設(shè)計(jì)微芯片平面圖方面勝過人類》（AI system outperforms humans in designing floorplans for microchips）中寫道，微芯片設(shè)計(jì)的成敗在很大程度上取決于“布局規(guī)劃” （floorplanning）和放置的步驟。
這些步驟決定了內(nèi)存和邏輯元件在芯片上的位置，相應(yīng)的位置會(huì)極大地影響芯片設(shè)計(jì)是否能夠滿足處理速度和電源效率等操作要求。到目前為止，尤其是在布局規(guī)劃方面沒有任何自動(dòng)化嘗試。因此，它常常是由專業(yè)的人類工程師在數(shù)周或數(shù)月內(nèi)反復(fù)和艱苦地執(zhí)行的。在芯片的設(shè)計(jì)過程中，全局布線是最復(fù)雜和耗時(shí)的階段之一，也是決定芯片整體性能的關(guān)鍵。
谷歌的研究團(tuán)隊(duì)發(fā)現(xiàn)，機(jī)器學(xué)習(xí)工具可以用來加速“布局規(guī)劃”的流程。該研究團(tuán)隊(duì)將芯片的布局規(guī)劃部分設(shè)計(jì)為一個(gè)強(qiáng)化學(xué)習(xí)問題，并開發(fā)了可完成可行芯片設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)。他們訓(xùn)練了一個(gè)強(qiáng)化學(xué)習(xí)智能體，這個(gè)智能體會(huì)把布局規(guī)劃看作一個(gè)棋盤游戲：元件是“棋子”，放置元件的畫布是“棋盤”，“獲勝結(jié)果”則是根據(jù)一系列評(píng)估指標(biāo)評(píng)出的最優(yōu)性能（評(píng)估基于一個(gè)包含1萬例芯片布局的參考數(shù)據(jù)集）。
作者指出，這種方法能在6小時(shí)內(nèi)設(shè)計(jì)出與人類專家不相上下或是更好的可行芯片布局。

　　人類設(shè)計(jì)的微芯片平面圖與機(jī)器學(xué)習(xí)系統(tǒng)生成的平面圖不同

　　Andrew Kahng認(rèn)為，“開發(fā)出比當(dāng)前方法更好、更快、更省錢的自動(dòng)化芯片設(shè)計(jì)方法，有助于延續(xù)芯片技術(shù)的‘摩爾定律’ ?！蹦柖芍该繅K芯片的元件數(shù)量大約每?jī)赡陼?huì)翻一番，這種進(jìn)步速度相當(dāng)于芯片上組件數(shù)量每周增加約1%?！耙虼耍瑹o法自動(dòng)進(jìn)行布局規(guī)劃是有問題的——不僅因?yàn)橄嚓P(guān)的時(shí)間成本，還因?yàn)樗拗屏诵酒_發(fā)計(jì)劃中可以探索的解決方案的數(shù)量?！?br/>他還表示，研究團(tuán)隊(duì)的布局規(guī)劃方案已經(jīng)被應(yīng)用在谷歌的下一代AI處理器的設(shè)計(jì)上，這也顯示出其可應(yīng)用于大規(guī)模生產(chǎn)。除了加速芯片設(shè)計(jì)外，該研究或也能用于優(yōu)化城市規(guī)劃、疫苗測(cè)試等。