文/陈根
英特尔创始人之一戈登摩尔曾说过，集成电路上可以容纳的晶体管数目大约每经过18个月便会增加一倍。换句话说，处理器的性能每隔两年就会翻一倍。这句话作为经验之谈，一定程度上揭示了信息技术发展的迅猛，后来成为著名的“摩尔定律”。然而，随着制程的不断演进，无法自动布局规划已成为芯片突破的一个重要挑战，这一定律在近年来也有所放缓。
近日，来自美国加州谷歌研究院的科学家，通过一种深度强化学习方法完成了芯片的布局设计。原本人类专家需要花费数周时间完成的过程，现在平均6小时内就能完成，速度超过28倍。
一般情况下，微芯片的面积约为几十到数百毫米平方，在一块指甲盖大小的硅片上排列并互连了数十亿个晶体管。每个芯片上包含数了千万个逻辑门（称为标准单元），以及数千个存储块（称为宏块或宏）。
单元和宏块通过数十公里的布线互连以实现设计的功能，它们的位置对设计结果至关重要，因为相应的位置会在很大程度上影响芯片的处理速度和电源效率。到目前为止，尤其是在布局规划方面还没有任何自动化尝试，它常常是由专业的人类工程师在数周或数月内努力工作而出。
在芯片的设计过程中，全局布线是最复杂和耗时的阶段之一，也是决定芯片整体性能的关键。针对这一板块的缺失，谷歌的研究团队研究开发出一种机器学习工具，用来加速布局规划的流程。
科学家们将芯片的布局规划部分设计为一个强化学习问题，开发出可完成的芯片设计神经网络。这个智能网络会把布局规划看作一个棋盘游戏：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）。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，提速超过了28倍。
该设计不仅大大节约了时间成本，还打破了芯片开发计划中可以探索解决的方案数量。目前，研究团队的布局规划方案已经被应用在谷歌下一代AI处理器的设计上，未来该研究或也能用于优化城市规划、疫苗测试等。
