神经网络创造可行性芯片

　　英国《自然》杂志9日发表一项人工智能突破性成就，美国科学家团队报告机器学习工具已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，这为今后的每一代计算机芯片设计节省数千小时的人力。这种方法已经被谷歌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，难度非常大，需要专业人类设计工程师付出大量工作。而尽管已为此进行多年的尝试，芯片布局规划一直都无法实现自动化，需要设计工程师们花费数月的努力才能生产可供规模制造的布局。

　　在位于美国加州的谷歌研究院内，人工智能专家阿泽利亚·米尔侯赛尼、安娜·戈迪耶及其同事最新的研究表明，机器学习工具已经可以用来加速这一名为“布局规划”的流程。

　　研究团队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）。

　　研究人员指出，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设计节省数千小时的人力。

　　美国加州大学圣迭戈分校科学家安德鲁·康在一篇同时发表的新闻与观点文章中写道，“开发出比当前方法更好、更快、更省钱的自动化芯片设计方法，有助于延续芯片技术的‘摩尔定律’”。这里的摩尔定律，是指每块芯片的元件数量大约每两年会翻一番。

　　安德鲁·康同时表示，在这一研究中，团队展示的布局规划方案已经被用来设计谷歌的下一代AI处理器，这也显示出其设计质量可用于大规模生产。