【行业资讯】AI助力芯片设计效率革命，6小时内完成布局设计；Jeff Dean领衔推出最新方案
共 1172字，需浏览 3分钟
· 2021-06-15
正文共：1031字-4图
预计阅读时间：3分钟
《自然》本周发表的一篇论文A graph placement methodology for fast chip design指出，机器学习工具可以极大地加速计算机芯片设计。研究显示，该方法能给出可行的芯片设计，且芯片性能不亚于人类工程师的设计，而整个设计过程只要几个小时，而不是几个月。这种方法已经被谷歌（Google）用来设计下一代人工智能计算机系统。
不同元件在计算机芯片上的布局是决定芯片整体性能的关键。设计计算机芯片的物理布局既 复杂又耗时，自动化难度大，需要专业人类设计工程师付出大量工作。美国加州谷歌研究院（Google Research）的Azalia Mirhoseini、Anna Goldie和同事的研究表明，机器学习工具可以用来加速这一名为“布局规划”（floorplanning）的流程。
作者将芯片布局规划设计成一个强化学习问题，并开发了一种能给出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，让这个智能体把布局规划看作一种棋盘游戏：元件是“棋子”，放置元件的画布是“棋盘”，“获胜结果”则是根据一系列评估指标评出的最优性能（评估基于一个包含1万例芯片布局的参考数据集）。作者指出，这种方法能在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，有望为今后的每一代计算机芯片节省数千小时的人力。
基于深度强化学习的快速芯片设计图规划方法。芯片布局规划是设计计算机芯片物理布局的工程任务。尽管经过五十年的研究，芯片布局规划仍然无法实现自动化，需要物理设计工程师花费数月的精力来制作可量产的布局。本文提出一种基于深度强化学习的芯片布局规划方法，在不到六个小时的时间里，自动生成了芯片布局规划图，这些布局规划图在所有关键指标上都优于或可与人类生成的布局规划图相媲美，包括功耗、性能和芯片面积。为实现这一目标，将芯片布局规划作为一个强化学习问题，开发了一种基于边缘的图卷积神经网络架构，能学习丰富的可迁移的芯片表示。利用过去的经验，在解决新的问题实例时变得更好、更快，使芯片设计可以由比任何人类设计师更有经验的智能体来完成。该方法被用来设计Google的下一代人工智能(AI)加速器，并有可能为每一代新产品节省数千小时的人工努力。更强大的人工智能设计的硬件将推动人工智能的进步，在这两个领域之间创造一种共生关系。