(轉載:www.martinscottvo.com) 計算機設計的關鍵挑戰之一是如何以最符合人體工程學的方式包裝芯片和線路,同時保持功率、速度和能效。
該設計包括數以千計的組件,這些組件必須在一塊指甲大小的土地上完美地相互溝通。
這一過程被稱為芯片地板規劃,類似于室內裝修者在設計房間裝修方案時所做的。隨著數字電路組成,設計師必須考慮多個樓層內的集成布局,而不是使用單層平面圖。正如一份科技出版物最近提到的,芯片平面設計是三維俄羅斯方塊。
這個過程很耗時。隨著芯片組件的不斷改進,經過艱苦計算的最終設計很快就過時了。芯片的設計壽命通常在2到5年之間,但縮短升級間隔的壓力一直存在。
谷歌研究人員剛剛在平面規劃設計上邁出了一大步。在最近的一份聲明中,谷歌高級研究工程師安娜·戈爾迪和阿扎利亞·米羅西尼說,他們已經設計了一種算法,可以“學習”如何實現最佳電路布局。它可以在目前這種設計所需時間的一小部分內做到這一點,分析潛在的數百萬種可能性,而不是目前標準的數千種可能性。通過這樣做,它可以提供更快、更便宜、更小的利用最新發展的芯片。
戈爾迪和米羅西尼將強化學習的概念應用于新算法。該系統為每個提議的設計產生“獎勵”和“懲罰”,直到該算法更好地識別最佳方法。
這種強化的概念起源于行為主義心理學。其創始人約翰·沃森提出了一個著名的觀點,即包括人類在內的所有動物基本上都是復雜的機器,它們通過對積極和消極的反應進行“學習”。當沃森得知他在1913年首次闡明的原理在一個多世紀后也被應用到“智能”機器上時,他會多么驚訝。
谷歌研究人員表示,經過廣泛測試,他們發現他們人工智能裝配線生產的新方法優于人類工程師創造的設計。
“我們相信,正是人工智能本身將提供縮短芯片設計周期的手段,創造一個共生關系在硬件和人工智能之間,每一個都促進了另一個的發展,”設計者在arxiv.org發表的一份聲明中說,這是一個由康乃爾大學管理的科學研究資料庫。
自從1945年第一臺“全電子計算機”——ENIAC——問世以來,計算機電路已經走過了漫長的道路。這臺巨大的價值600萬美元的機器像三輛通勤巴士一樣寬,重達30噸,占據了普林斯頓大學實驗室的整個房間。
如今的蘋果手機具有指甲大小的芯片,功能強大1300倍,小4000萬倍,是ENIAC的1/17000。
谷歌的新算法也可能有助于確保摩爾定律的延續,摩爾定律指出,每一年或兩年,封裝在微芯片中的晶體管數量就會翻倍。1970年,英特爾的4004芯片容納了2250個晶體管。今天,羅馬AMD公司擁有395億塊芯片。 (轉載:www.martinscottvo.com) |