人工智能正在改变EDA

       现代芯片设计错综复杂，需要设计师在一个比指甲还小的表面上排列数十亿个组件。每一步的决策都会影响芯片的最终性能和可靠性，所以最好的芯片设计师要依靠多年的经验和来之不易的专业知识来设计电路，从而从纳米器件中获得最佳性能和功率效率。过去几十年里，芯片设计自动化的收效甚微。

       但最近人工智能的发展使得芯片设计有了大幅提升的可能性。这将帮助企业在更短的时间内设计出更强大、更有效的芯片。重要的是，这种方法还可以帮助工程师共同设计人工智能软件，通过对代码和不同的电路布局进行不同的调整，以找到两者的最佳配置。

       与此同时，人工智能的兴起引发了人们对各种新型芯片设计的新的兴趣。从汽车到医疗设备再到科学研究，高端芯片对社会经济的方方面面都越来越重要。

       包括英伟达、谷歌和 IBM 在内的芯片制造商都在测试有助于在复杂芯片上布局和布线的人工智能工具。这种方法可能会撼动芯片行业，但也可能带来新的工程复杂性，因为所部署的算法类型有时会以不可预测的方式运行

       在英伟达，英伟达首席研究员haxing“Mark”Ren正在测试一种名为强化学习(reinforcement learning)的人工智能概念如何帮助布局芯片上的组件，以及如何将它们连接在一起。这种让机器从经验和实验中学习的方法是人工智能取得一些重大进展的关键。

       Ren 正在测试的 AI 工具在模拟中探索不同的芯片设计，训练一个大型人工神经网络来识别哪些决策最终会产生高性能芯片。Ren 表示，这种方法应该可以将生产芯片所需的工程工作量减少一半，同时生产出的芯片的性能可以达到或超过人工设计的芯片。

       “你可以更高效地设计芯片，”Ren说：“而且，它给了你探索更多设计空间的机会，这意味着你可以制造更好的芯片。”

       英伟达最初是为游戏玩家制造显卡，但他很快就看到了同类芯片在运行强大机器学习算法方面的潜力，现在它是高端 AI 芯片的领先制造商。Ren表示，英伟达计划将使用人工智能制作的芯片推向市场，但拒绝透露多快。他说，在更遥远的未来，“你可能会看到大部分采用 AI 设计的芯片。”

       强化学习最著名的是用来训练电脑玩复杂的游戏，包括棋类游戏围棋，它具有超人的技能，而没有任何关于游戏规则或良好玩法原则的明确指导。它有望在各种实际应用中发挥作用，包括训练机器人抓取新物体等。

       麻省理工学院电子工程和计算机科学助理教授Song Han表示，强化学习在改进芯片设计方面具有巨大潜力，因为就像围棋一样，如果没有多年的经验和实践，很难预测出正确的决策。

       他的研究小组最近开发了一种工具，通过在模拟中探索不同的芯片设计，使用强化学习来确定计算机芯片上不同晶体管的最佳尺寸。重要的是，它还可以将它从一种芯片学到的知识转移到另一种芯片上，这有望降低自动化过程的成本。在实验中，人工智能工具产生的电路设计的能效是人类工程师设计的电路设计的 2.3 倍，同时产生的干扰是人类工程师设计的电路设计的五分之一。麻省理工学院的研究人员正在研究人工智能算法和新颖的芯片设计，以充分利用两者。

       其他行业参与者——尤其是那些在开发和使用人工智能方面投入大量资金的参与者——也正在寻求采用人工智能作为芯片设计的工具。

       在芯片自动化设计领域当中，谷歌是新贵，从2016年开始制造芯片，以训练其人工智能算法。该公司正在使用强化学习来确定组件在芯片上的位置。在上个月发表在《自然》杂志上的一篇论文中，谷歌的研究人员表明，这种方法可以在几小时而不是几周内完成芯片设计。人工智能创建的设计将用于未来版本的谷歌云张量处理单元来运行人工智能。谷歌的一项单独工作，称为 Apollo，正在使用机器学习来优化加速某些类型计算的芯片。谷歌研究人员还展示了如何协同设计人工智能模型和芯片硬件，以提高计算机视觉算法的性能。

       英伟达的Ren表示，人工智能工具很可能会帮助经验不足的设计师开发出更好的芯片。随着更广泛的芯片（包括许多专门用于某些 AI 任务的芯片）进入市场，这可能很重要。

       但Ren也警告说，工程师仍然需要大量的专业知识，因为强化算法有时会以不可预测的方式运行，如果工程师未能发现它们，这可能会导致设计甚至制造中的代价高昂的错误。例如，研究表明玩游戏的强化学习算法可以专注于导致短期收益但最终失败的策略。

       Ren 说，这种算法错误行为“是所有机器学习工作的常见问题”。“而对于芯片设计来说，这一点更为重要。”