人工智能技术能帮助芯片设计解决哪些难题

此前OFweek电子工程网在采访MathWorks首席战略师Jim Tung时曾了解到，将人工智能算法应用在电子设计自动化软件中其实已经很常见，比如知名的光刻机龙头ASML在开发基于机器学习的半导体制造虚拟计量技术时，哪怕本身是一名不具有神经网络机器学习方面经验的ASML工艺工程师，也能通过MATLAB软件案例及其中提供的各种案例，去学习使用这款工具进行开发。

Jim Tung还提到，MathWorks所提供的激光雷达工具箱、预测性维护工具箱、无线工具箱、机器学习／深度学习／增强学习工具箱、自动驾驶工具箱、虚拟道路仿真工具箱，以及关于视觉检测、医学成像、土地分类等一系列的参考案例中，都有人工智能技术的参与。

同样，对于谷歌来说这已经不是他们第一次利用人工智能技术加速芯片开发的实验了。过去几年里，谷歌表示其内部正在将人工智能技术用于一系列芯片设计项目中，比如谷歌开发了AI硬件家族——Tensor Processing Unit（TPU芯片），专门用在服务器计算机中处理AI。使用AI来设计芯片是一个良性循环，AI让芯片变得更好，经过改良的芯片又能增强AI算法，依此类推。

人工智能技术到底能帮助解决芯片设计中的哪些难题？第一点就是芯片层的设计规划，芯片布局不是简单的二维平面问题，而是复杂的三维设计问题，需要在一个受限制的区域内跨多个层小心地配置成百上千个组件。人类工程师会手动设计配置，以最小化组件之间使用的电线数量来提高效率，然后使用电子设计自动化软件来模拟和验证它们的性能，而仅一个单层的平面图就需要花费超过30个小时。现在，人工智能技术也能以人类启发式思维去考虑芯片性能、复杂性、制造成本等多个因素，以最佳方式进行设计。

第二点是时间成本，传统意义上芯片的寿命在2到5年之间，光是芯片设计就占据了几个月的时间，随着人工智能技术的快速发展，越来越多优化芯片层规划的算法开始出现，极大缩减研发人员的开发时间。

第三点是智能化程度，比如上文提到的机器学习算法使用正反馈和负反馈来学习复杂的任务，研究人员设计了一种“奖励函数”根据算法的设计表现对其进行奖惩。直到该算法产生数万到数十万个新设计，每个设计都在几分之一秒内完成，并使用奖励函数对它们进行评估。随着时间的推移，它最终形成了以最佳方式放置芯片组件的策略。

最后一点，研究人员发现，算法可以计算到人们脑力无法企及的空白区，训练计算的数量上去了，可作为优选的方案自然也就更多了。换言之，算法的许多平面图其实比人类工程师设计的要好，也就是说它还教会了人类一些新技巧，这也是一个相互学习的过程。

当然，强大的算法虽然可以缩减芯片设计的时长，但并不意味着具有完全自主决策的能力，它更多的还是扮演着“AI助理”的角色，只不过这个助理丰富的案例和超快计算能力能够更好的帮助人类工程师实现快速的芯片设计流程。

参考资料

1、《A graph placement methodology for fast chip design》

2、《AI system outperforms humans in designing floorplans for microchips》