一直以來，微芯片設(shè)計(jì)的成敗在很大程度上取決于布局規(guī)劃和布局步驟，這些布局步驟決定了內(nèi)存和邏輯元件在芯片上的位置。

反過來，位置又會(huì)強(qiáng)烈影響芯片設(shè)計(jì)是否能夠滿足包括處理速度和電源效率在內(nèi)的操作要求。

到目前為止，平面規(guī)劃任務(wù)是由專業(yè)工程師在數(shù)周或數(shù)月內(nèi)反復(fù)艱苦地去執(zhí)行完成的。盡管已經(jīng)進(jìn)行了長達(dá) 50 年的研究，但是目前的芯片布局規(guī)劃仍然無法實(shí)現(xiàn)自動(dòng)化，仍舊需要物理設(shè)計(jì)工程師數(shù)月的努力才能制作出布局規(guī)劃。

自 20 世紀(jì) 60 年代以來，研究人員們提出了許多芯片布局規(guī)劃方法，這些布局規(guī)劃方法可分為三大類：基于分區(qū)的方法、隨機(jī)/爬山方法和分析解算器。

然而，這些方法都不能達(dá)到人工水平，芯片復(fù)雜性的指數(shù)增長使得這些技術(shù)在現(xiàn)代芯片上基本上無法使用。

但在《自然》雜志今年 6 月發(fā)表的一篇論文中，來自谷歌的研究人員發(fā)布了一種機(jī)器學(xué)習(xí)方法，該方法可在數(shù)小時(shí)內(nèi)實(shí)現(xiàn)出色的芯片布局規(guī)劃。

谷歌的這項(xiàng)研究解決了芯片布局規(guī)劃自動(dòng)化的問題。眾所周知，計(jì)算機(jī)行業(yè)一直受到摩爾定律的推動(dòng)：每一塊芯片的組件數(shù)量大約每兩年翻一番。

這一進(jìn)步速度相當(dāng)于一個(gè)芯片上的元件數(shù)量每周增加約 1%。因此，無法自動(dòng)完成布局規(guī)劃是一個(gè)問題，這不僅是因?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數(shù)量。

此次，谷歌研究人員提出一個(gè)芯片布局規(guī)劃的強(qiáng)化學(xué)習(xí)方法，在不到 6 小時(shí)的時(shí)間內(nèi)，即可用該方法自動(dòng)生成一張芯片平面圖，功耗、性能和芯片面積等所有關(guān)鍵指標(biāo)都優(yōu)于或相當(dāng)于人工生成的平面圖。

該方法可跨芯片進(jìn)行推廣，這意味著它能從過往經(jīng)驗(yàn)中學(xué)習(xí)，在放置新芯片時(shí)變得更好更快，從而使芯片設(shè)計(jì)師得到人工代理的協(xié)助，而人工代理的經(jīng)驗(yàn)比任何人都豐富。

據(jù)悉，該研究允許芯片設(shè)計(jì)由具有比任何人類設(shè)計(jì)師更豐富經(jīng)驗(yàn)的人工代理來完成，此方法曾被用于設(shè)計(jì)下一代谷歌人工智能（AI）加速器，每一代都有可能節(jié)省數(shù)千小時(shí)的人力。

目前，該研究方法已投入使用，并將用于設(shè)計(jì)下一代 Google TPU。

谷歌研究人員相信，更強(qiáng)大的人工智能設(shè)計(jì)硬件將推動(dòng)人工智能的發(fā)展，并在這兩個(gè)領(lǐng)域之間建立一種共生關(guān)系。

事實(shí)上，培訓(xùn)跨芯片的布局策略是非常具有挑戰(zhàn)性的，芯片布局規(guī)劃類似于一個(gè)游戲，具有不同的塊（例如網(wǎng)表拓?fù)洹⒑暧?jì)數(shù)、宏大小和縱橫比）、板（不同的畫布大小和縱橫比）和贏條件（不同的評估指標(biāo)或不同的密度和路由擁塞約束的相對重要性）。

據(jù)悉，自動(dòng)化和加速芯片設(shè)計(jì)過程還可實(shí)現(xiàn)人工智能和硬件的協(xié)同設(shè)計(jì)，從而產(chǎn)生針對重要工作負(fù)載定制的高性能芯片：比如自動(dòng)車輛、醫(yī)療設(shè)備和數(shù)據(jù)中心等領(lǐng)域。

這種形式的布局優(yōu)化出現(xiàn)在科學(xué)和工程應(yīng)用中，包括硬件設(shè)計(jì)、城市規(guī)劃、疫苗測試和分配以及大腦皮層布局。因此，研究人員們相信研究的布局優(yōu)化方法可應(yīng)用于芯片設(shè)計(jì)以外的有效布局問題。

開發(fā)比現(xiàn)有方法更好、更快和更便宜的自動(dòng)化芯片設(shè)計(jì)方法，將有助于保持芯片技術(shù)的“摩爾定律”軌跡。

對于芯片行業(yè)的技術(shù)領(lǐng)導(dǎo)者和決策者來說，谷歌論文中最重要的啟示可能是研究出的布局方案已經(jīng)被納入谷歌下一代人工智能處理器的芯片設(shè)計(jì)中。

責(zé)任編輯：haq