神经网络完成芯片设计仅几小时，完成了什么样的突破？
美国科学家团队汇报机器学习工具已能够 有效地加快计算机芯片设计。科学研究表明，该方式 能得出可行的芯片设计，且芯片性能不逊于我们技术工程师的设计，而全部设计全过程只需好多个钟头，而不是好多个月，这为将来的每一代计算机芯片设计节约千余钟头的人力资源。这类方式 早已被谷歌用于设计下一代人工智能计算机软件。
不一样元件在计算机芯片上的合理布局，是决策芯片总体性能的重要。设计计算机芯片的物理布局既繁杂又用时，难度系数十分大，必须技术专业我们设计技术工程师投入很多工作中。而虽然已因此开展很多年的试着，芯片布局整体规划一直都没法完成自动化技术，必须设计技术工程师们耗费数月的勤奋才可以生产制造可供经营规模生产制造的合理布局。
在坐落于美国加州的谷歌研究所内，人工智能权威专家阿泽利亚·米尔侯赛尼、莉娅·戈迪耶以及朋友全新的研究表明，机器学习工具早已能够 用于加快这一名为“合理布局整体规划”的步骤。
科学研究团队将芯片布局整体规划设计成一个增强学习难题，并开发设计了一种能得出可行芯片设计的神经元网络。她们训练了一个增强学习智能体，让这一智能体把合理布局整体规划当作一种棋牌手游：元件是“棋盘”，置放元件的蒙版是“旗盘”，“获得胜利结果”则是依据一系列评定指标值评选的最佳性能（评定根据一个包括1万例芯片布局的参照数据）。
科学研究工作人员强调，这类方式 能在6钟头内设计出与我们权威专家旗鼓相当或者更强的可行芯片布局，有希望为将来的每一代计算机芯片设计节约千余钟头的人力资源。
美国加州大学圣迭戈校区科学家安德鲁·康在一篇与此同时发布的新闻报道与见解文章内容中写到，“开发设计出比当今方式 更强、更快、更划算的自动化技术芯片设计方式 ，有利于持续高端芯片的‘颠覆性创新’”。这儿的颠覆性创新，就是指每片芯片的元件总数大概每2年会翻一番。
安德鲁·康与此同时表明，在这里一科学研究中，团队风采展示的合理布局计划方案早已被用于设计谷歌的下一代AICPU，这也表明出其设计品质可用以大规模生产。
总编圈点
在不上6钟头的时间里，一个深度神经网络加强方式 ，能够 自动生成芯片设计的全部重要指标值，包含功能损耗、性能和芯片总面积，且得出的布局都好于或可与我们设计的芯片布局图对比肩。这毫无疑问是人工智能助推我们完成更强、更快、更强总体目标的案例。有趣的是，这一人工智能如今又被拿来设计下一代人工智能，这是我们见到一种相互依存——更强劲的人工智能设计硬件配置，已经促进人工智能的发展。
创远信科
2024-07-24 广告
