(转载:www.idcew.com) 计算机设计的关键挑战之一是如何以最符合人体工程学的方式包装芯片和线路,同时保持功率、速度和能效。
该设计包括数以千计的组件,这些组件必须在一块指甲大小的土地上完美地相互沟通。
这一过程被称为芯片地板规划,类似于室内装修者在设计房间装修方案时所做的。随着数字电路组成,设计师必须考虑多个楼层内的集成布局,而不是使用单层平面图。正如一份科技出版物最近提到的,芯片平面设计是三维俄罗斯方块。
这个过程很耗时。随着芯片组件的不断改进,经过艰苦计算的最终设计很快就过时了。芯片的设计寿命通常在2到5年之间,但缩短升级间隔的压力一直存在。
谷歌研究人员刚刚在平面规划设计上迈出了一大步。在最近的一份声明中,谷歌高级研究工程师安娜·戈尔迪和阿扎利亚·米罗西尼说,他们已经设计了一种算法,可以“学习”如何实现最佳电路布局。它可以在目前这种设计所需时间的一小部分内做到这一点,分析潜在的数百万种可能性,而不是目前标准的数千种可能性。通过这样做,它可以提供更快、更便宜、更小的利用最新发展的芯片。
戈尔迪和米罗西尼将强化学习的概念应用于新算法。该系统为每个提议的设计产生“奖励”和“惩罚”,直到该算法更好地识别最佳方法。
这种强化的概念起源于行为主义心理学。其创始人约翰·沃森提出了一个著名的观点,即包括人类在内的所有动物基本上都是复杂的机器,它们通过对积极和消极的反应进行“学习”。当沃森得知他在1913年首次阐明的原理在一个多世纪后也被应用到“智能”机器上时,他会多么惊讶。
谷歌研究人员表示,经过广泛测试,他们发现他们人工智能装配线生产的新方法优于人类工程师创造的设计。
“我们相信,正是人工智能本身将提供缩短芯片设计周期的手段,创造一个共生关系在硬件和人工智能之间,每一个都促进了另一个的发展,”设计者在arxiv.org发表的一份声明中说,这是一个由康乃尔大学管理的科学研究资料库。
自从1945年第一台“全电子计算机”——ENIAC——问世以来,计算机电路已经走过了漫长的道路。这台巨大的价值600万美元的机器像三辆通勤巴士一样宽,重达30吨,占据了普林斯顿大学实验室的整个房间。
如今的苹果手机具有指甲大小的芯片,功能强大1300倍,小4000万倍,是ENIAC的1/17000。
谷歌的新算法也可能有助于确保摩尔定律的延续,摩尔定律指出,每一年或两年,封装在微芯片中的晶体管数量就会翻倍。1970年,英特尔的4004芯片容纳了2250个晶体管。今天,罗马AMD公司拥有395亿块芯片。 (转载:www.idcew.com) |