与非网6月11日讯 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。

 

谷歌已经使用这个人工智能系统来生产其下一代张量处理单元(TPU)加速器的平面图。这个网络巨头用它来加速其搜索引擎、公共云、AlphaGo和AlphaZero以及其他项目和产品中的神经网络。

  

实际上,谷歌正在使用机器学习软件来优化未来的芯片,从而加快机器学习软件的速度。

  

研究人员指出,这种方法被用于设计下一代谷歌的人工智能加速器,有可能为每一代新技术节省数千小时的人力工作。

  

谷歌的人工智能科学家创建了一个卷积神经网络系统,该系统可以在数小时内自行执行宏块布局,以实现最佳布局;标准单元由其他软件自动放置在间隙中。这种机器学习系统能够制作出理想的平面布置图,比上述使用行业传统自动化工具和人工控制对平面布置图进行调整和迭代的方法更快、更好。

  

随着经验的积累,神经网络会逐渐提高其定位技能。它试图将宏块放置在模具上,中间的空间填满标准单元,并根据路由拥塞、电线互连长度和其他因素进行奖励。这一奖励将作为反馈去完善它下一次放置砖块的尝试。这一过程不断重复,直到软件掌握了窍门,并能将其能力应用到任何你想要配置的芯片上,即使它之前从未见过这样的芯片。

  

据悉,早在一年前,由谷歌人工智能负责人Jeff Dean领衔的团队就已经发表过一篇预印版论文提到这项技术。此次发布在Nature上的论文,是对该项技术进行微调之后的研究结果。而研究者目前希望进一步优化相关技术,延续芯片发展的摩尔定律。