Google研究人员刚刚在平面布置图设计上取得了巨大飞跃

计算机设计的主要挑战之一是如何以最符合人体工程学的方式包装芯片和布线，同时保持功率，速度和能源效率食谱包括成千上万的组件，它们必须彼此完美地通信，所有组件都在一块指甲大小的房地产上。该过程称为芯片平面规划，类似于室内装饰员在布置装饰房间的平面图时所做的工作。但是，对于数字电路，设计人员必须考虑多层结构中的集成布局，而不是使用单层计划。正如最近一家技术出版物所提到的那样，芯片平面规划是3-D Tetris。

该过程很耗时。随着芯片组件的不断改进，费力计算的最终设计很快就过时了。芯片通常设计为可使用两到五年，但是持续存在着缩短升级间隔时间的压力。

Google研究人员刚刚在平面布置图设计上取得了巨大飞跃。在最近的公告中，Google高级研究工程师Anna Goldie和Azalia Mirhoseini表示，他们设计了一种算法，可以“学习”如何实现最佳电路布局。它可以在这种设计当前所需时间的一小部分内完成，分析潜在的数以百万计的可能性，而不是目前的标准。这样，它可以提供可以更快，更便宜，更小巧地利用最新发展的芯片。

Goldie和Mirhoseini将强化学习的概念应用于新算法。系统为每个建议的设计生成“奖励”和“惩罚”，直到算法更好地识别出最佳方法为止。

这种强化的概念起源于被称为行为主义的心理学学派。它的创始人约翰·沃森(John Watson)著名地提出，包括人类在内的所有动物基本上都是复杂的机器，可以通过对积极和消极的响应进行“学习”。沃森对得知他在1913年首次提出的原理在一个多世纪后也被应用到“智能”机器上感到惊讶。

谷歌研究人员表示，经过广泛的测试，他们发现他们在人工智能装配线生产中使用的新方法要优于人工工程师设计的产品。

设计师在arxiv.org上发表的一份声明中说：“我们相信，正是AI本身将提供缩短芯片设计周期，在硬件与AI之间建立共生关系的手段，而两者之间的相互推动又可以推动这一进步。”康奈尔大学管理的科学研究资料库。

自1945年第一台“全电子计算机”问世以来，计算机电路已经走了很长一段路。果酱装有18,000个真空管，集成电路和计算机芯片的前身以及数英里的布线，耗资600万美元该机器可伸展至三辆通勤巴士的宽度，重达30吨，占用了创建它的普林斯顿大学实验室的整个房间。

如今的iPhone配备的芯片的大小相当于粉红色指甲的大小，功能强大1300倍，缩小4000万倍，成本仅为ENIAC的1 / 17,000。

Google的新算法还可以帮助确保摩尔定律的延续，该定律指出，封装在微芯片中的晶体管数量每隔一两年就会翻一番。1970年，英特尔的4004芯片装有2250个晶体管。今天，AMD Epyc Rome拥有395亿个晶体管。

这就为Google的新房间设计算法留出了很多可能性。