作者 |  心緣
編輯 |  漠影
芯東西6月10日報道，谷歌用人工智能提高芯片設計速度的研究，已發表于國際頂級期刊Nature。原本人類專家需要花費數周時間的芯片布局設計，通過一種深度強化學習方法，平均6小時內就能完成這個過程。這項工作并不完全新穎，包括谷歌人工智能負責人Jeff Dean在內的谷歌工程師團隊，在一年前發表的一篇預印版論文中已經提到了這一技術。谷歌博客：
https://ai.googleblog.com/2020/04/chip-design-with-deep-reinforcement.html而在Nature最新發表的論文中，谷歌原始研究團隊稱其已微調該技術，來設計即將推出的、以前未宣布的谷歌張量處理單元（TPU）的生成，專門用于加速人工智能（AI）。

該論文題目為《一個快速芯片設計的布圖布局方法》（A graph placement methodology for fast chip design）。如果這一技術公開，或有助于讓資金受限的初創企業開發滿足特定需求的自家芯片，并縮短芯片設計周期，使硬件更好地適應快速發展的研究。

芯片設計自動化挑戰大，性能難達人類水準

微芯片面積約為幾十到數百毫米平方，容納數千個組件，如內存、邏輯和處理單元，外加許多公里的超薄電線將這些組件連接在一起。設計過程中，全局布線是最復雜和耗時的階段之一，這涉及研究這些組件的最佳放置位置，就像建筑師設計建筑的內部空間一樣，如何以最好的規劃容納所有所需的固定裝置和配件。在這項研究中，谷歌研究人員提出了一種基于深度強化學習的芯片布局方法，目標是將電路組件和標準單元的網表節點映射到一個芯片畫布上，從而優化功率、性能和面積（PPA），同時遵守對布局密度和布線擁塞的限制。自20世紀60年代以來，提出了許多自動化的芯片平面圖方法，但沒有一種方法達到人類專家上手所能實現的性能。此外，芯片復雜性的指數增長，使這些技術難以在現代芯片上使用。人類芯片設計師往往必須使用電子設計自動化（EDA）工具迭代數月，對芯片網表進行RTL描述，并手動將該網表放置在芯片畫布上。基于這種長達72小時的反饋，設計師要么得出結論，認為設計標準已經達到，要么向上游RTL設計師提供反饋，后者然后修改低級代碼，使放置任務更容易。而谷歌提出的深度強化學習方法，是一種具有泛化能力的芯片布局方法。通過領域自適應策略，它能夠跨芯片進行推廣，可以自行從經驗中學習，使其芯片布局設計能力變得更好、更快。
用游戲系統、10000個芯片布局訓練

訓練跨芯片推廣的AI驅動設計系統具有挑戰性，因為它需要學會優化將所有可能的芯片凈列表放置在所有可能的畫布上。芯片平面圖類似于具有各種部件、板塊和獲勝條件的游戲，因此可以用包含狀態、動作、狀態轉移、獎勵四個關鍵要素的強化學習方法，通過訓練一個智能體，用累計獎勵最大化，讓AI優化芯片布局的能力持續增強。從空芯片開始，谷歌團隊的系統按順序放置組件，直到實現一個完全布局的網表。為了指導系統選擇首先放置的組件，組件按降序由大到小排序；首先放置較大的組件會減少以后沒有可行放置的可能性。

訓練該系統需要創建一個包含10000個芯片布局的數據集，其中輸入是與給定布局相關的狀態，標簽是布局的獎勵（即線長和擁塞）。研究人員首先選擇了5個不同的芯片凈網表，并用AI算法為每個網表創建2000個不同的布局位置。該系統花了48個小時在英偉達Volta顯卡和10個CPU上“預訓練”，每個CPU都有2GB的RAM。在一項測試中，谷歌研究人員將他們的系統建議與手動基線——谷歌TPU物理設計團隊創建的上一代TPU芯片設計——進行比較。結果顯示，系統和人類專家均生成符合時間和擁塞要求的可行位置，而AI系統在面積、功率和電線長度方面優于或媲美手動布局，同時滿足設計標準所需的時間要少得多。
未來工作：或為芯片設計全自動化奠定基礎

谷歌稱其系統推廣和生成“高質量”解決方案的能力具有“重大影響”，為與芯片設計過程的早期階段進行優化提供了機會。大規模的架構探索以前是不可能的，因為評估給定的架構需要數月的努力。谷歌團隊認為，修改芯片的設計或對性能產生巨大影響，并可能為芯片設計過程的完全自動化奠定基礎。此外，雖然谷歌團隊的系統被用于設計下一代谷歌TPU，但研究人員認為，它可以應用于芯片設計以外的有影響力的放置規劃問題，包括城市規劃、疫苗測試分發和大腦皮層映射等一系列應用。
結語：減少設計芯片時間，或優化供應鏈流程

Nature社論認為，谷歌這一研究大大縮短設計芯片所需的時間，將極大地幫助提速供應鏈，但技術專長必須廣泛共享，以確保公司的“生態系統”真正全球化。產業必須確保節省時間的技術不會趕走擁有必要核心技能的人。更易訪問、更高效的微芯片將為自動駕駛汽車、5G通信和AI的發展提供動力，這些機會不容錯過。但重要的是，要考慮使用自動化設計技術的更廣泛影響，特別是需要具有相關技能和專業知識的人，和提高目前手動完成流程的人的技能。芯片布局無論是手動還是自動化，都需要計算、電子工程和設備物理方面的專業知識。這些技能需要時間來學習，在一個生產微芯片以外許多其他產品的行業中，同樣非常需要這些技能。至關重要的是，相關公司要理解這一點，并采取適當步驟來滿足其本地和全球的技能需求。自動化往往加劇了人們對裁員的擔憂。事實上，保持電子行業的勢頭，需要有遠見的人和公司來創造下一代微芯片。來源：Nature，VentureBeat