本文選自中國(guó)工程院院刊《Engineering》2022年第3期，原文出自：Machine Learning Produces Superhuman Chip Designs

從國(guó)際象棋到圍棋，如今，人工智能（AI）正在挑戰(zhàn)人類(lèi)在更復(fù)雜、更具商業(yè)價(jià)值領(lǐng)域（即設(shè)計(jì)微芯片）的統(tǒng)治地位。2021年6月，谷歌大腦（Google Brain）項(xiàng)目的研究人員稱(chēng)，他們開(kāi)發(fā)了一種機(jī)器學(xué)習(xí)系統(tǒng)，該系統(tǒng)在短時(shí)間內(nèi)就可生成人類(lèi)專(zhuān)家需耗費(fèi)大量時(shí)間才能生成的可制造的芯片版圖。6月10日，《自然》雜志網(wǎng)絡(luò)版發(fā)布了一篇文章，科學(xué)家Azalia Mirhoseini和Anna Goldie帶領(lǐng)的谷歌研究團(tuán)隊(duì)在這篇文章中指出：“我們的方法能讓AI在6 h內(nèi)生成芯片版圖，生成的芯片版圖在幾乎所有關(guān)鍵指標(biāo)（包括功耗、性能和芯片面積）上均能達(dá)到甚至優(yōu)于人類(lèi)設(shè)計(jì)的芯片版圖?！?/p>

雖然其他公司，如楷登電子（Cadence）、國(guó)際商業(yè)機(jī)器公司（IBM）和英偉達(dá)（NVIDIA）已經(jīng)實(shí)現(xiàn)了自身基于機(jī)器學(xué)習(xí)的芯片設(shè)計(jì)解決方案，但是谷歌公司的AI技術(shù)無(wú)疑是使其成為第一個(gè)在芯片版圖設(shè)計(jì)領(lǐng)域超越人類(lèi)的公司。這一壯舉是AI領(lǐng)域的一個(gè)重要里程碑，可能會(huì)大大縮短新型微處理器和其他先進(jìn)芯片的開(kāi)發(fā)時(shí)間。《自然》雜志的編輯稱(chēng)贊這一壯舉為“一項(xiàng)有助于加速芯片供應(yīng)鏈的重要成就”。事實(shí)上，谷歌公司已經(jīng)將這一系統(tǒng)投入使用，為公司下一代AI加速芯片設(shè)計(jì)版圖。

版圖設(shè)計(jì)是微芯片物理設(shè)計(jì)的早期階段（圖1）。包括在代表芯片表面的矩形區(qū)域中布置大的內(nèi)存和邏輯控制單元（即宏）。繪制出初始版圖后，在剩余的開(kāi)放空間中布置較小的邏輯塊（即標(biāo)準(zhǔn)單元），并布線將宏和單元連接起來(lái)。

圖1.?版圖設(shè)計(jì)是半導(dǎo)體物理設(shè)計(jì)的早期步驟，包括在芯片表面布置大的功能塊（即宏），同時(shí)綜合考慮芯片尺寸、性能和功耗。版圖設(shè)計(jì)之后是標(biāo)準(zhǔn)單元的布置、互連布線和時(shí)序優(yōu)化。IC：集成電路。

芯片版圖設(shè)計(jì)是一項(xiàng)精密的工作，設(shè)計(jì)時(shí)需要綜合考慮芯片面積、性能和功耗。版圖設(shè)計(jì)人員試圖在最小化芯片區(qū)域的同時(shí)，盡可能縮短布線長(zhǎng)度，避免走線擁擠，并滿(mǎn)足時(shí)間要求和其他設(shè)計(jì)標(biāo)準(zhǔn)。總體目標(biāo)是實(shí)現(xiàn)芯片性能、功耗和成本的最優(yōu)組合。

這是一項(xiàng)艱巨而復(fù)雜的任務(wù)。當(dāng)今較大的芯片可能有數(shù)百或數(shù)千個(gè)宏和數(shù)百萬(wàn)或數(shù)十億個(gè)標(biāo)準(zhǔn)單元，其布線可能長(zhǎng)達(dá)數(shù)公里。芯片中可能需要進(jìn)行布局設(shè)計(jì)的模塊數(shù)量幾乎是天文數(shù)字。例如，Mirhoseini等研究人員稱(chēng)，谷歌研究團(tuán)隊(duì)設(shè)計(jì)的版圖可能有超過(guò)102500個(gè)模塊需要進(jìn)行布局設(shè)計(jì)。相比之下，圍棋需要布局設(shè)計(jì)的模塊僅為10360個(gè)。版圖組合方式的復(fù)雜性意味著僅憑“蠻力”來(lái)計(jì)算是不可能的；即使用上世界上的全部算力，在數(shù)百萬(wàn)年內(nèi)也不能?chē)L試完所有可能的解決方案。

相反，傳統(tǒng)的優(yōu)化方法通過(guò)使用簡(jiǎn)化模型和啟發(fā)式算法（經(jīng)驗(yàn)法則）簡(jiǎn)化了這個(gè)問(wèn)題。到目前為止，直覺(jué)力強(qiáng)且經(jīng)驗(yàn)豐富的人類(lèi)芯片設(shè)計(jì)師在運(yùn)用上述優(yōu)化方法方面比機(jī)器驅(qū)動(dòng)的算法表現(xiàn)得更好。加利福尼亞大學(xué)圣克魯茲分校計(jì)算機(jī)科學(xué)與工程系教授Mathew Guthaus說(shuō)道：“計(jì)算機(jī)面臨著復(fù)雜的資源優(yōu)化問(wèn)題，比如布局規(guī)劃，這其中有很多需要權(quán)衡的因素。這就相當(dāng)于雜耍球，如果你掉了一個(gè)球，那么其他的球都會(huì)掉下來(lái)?！盙uthaus曾獲得過(guò)谷歌公司提供的研究資金，但他并未參與該項(xiàng)目。

盡管人們對(duì)自動(dòng)優(yōu)化技術(shù)的研究已有數(shù)十年的歷史，但技藝精湛的人類(lèi)版圖設(shè)計(jì)師仍能在更短的時(shí)間內(nèi)做出更好的設(shè)計(jì)。但即使是最厲害的設(shè)計(jì)師，版圖設(shè)計(jì)也是一個(gè)漫長(zhǎng)而又艱苦的過(guò)程。在這個(gè)過(guò)程中，版圖都是手工繪制的，在設(shè)計(jì)的過(guò)程中還需要反復(fù)調(diào)整。一個(gè)版圖可能需要數(shù)周或數(shù)月的時(shí)間才能最終確定下來(lái)。

隨著AI等領(lǐng)域?qū)Ω鼜?qiáng)大芯片需求的激增，加快這一設(shè)計(jì)過(guò)程已成為科技行業(yè)的首要任務(wù)。Mirhoseini表示：“自2012年以來(lái)，AI技術(shù)的最大計(jì)算能力每幾個(gè)月翻一番——遠(yuǎn)遠(yuǎn)快于摩爾定律（Moore’s Law）中的翻番周期?！睂?duì)于谷歌公司而言，用機(jī)器學(xué)習(xí)解決上述問(wèn)題似乎是必然之選。谷歌公司既是一個(gè)多產(chǎn)的AI技術(shù)用戶(hù)，也是一個(gè)領(lǐng)先的AI創(chuàng)新者。

具體來(lái)說(shuō)，谷歌團(tuán)隊(duì)使用了一種強(qiáng)化學(xué)習(xí)技術(shù)，即由深度神經(jīng)網(wǎng)絡(luò)（一種多層神經(jīng)網(wǎng)絡(luò)）組成的人工“智能體”通過(guò)試錯(cuò)進(jìn)行學(xué)習(xí)。當(dāng)布置宏并探索各種版圖設(shè)計(jì)時(shí)，智能體會(huì)收到不同布線長(zhǎng)度、擁擠程度和密度的傳輸信號(hào)。好的傳輸信號(hào)會(huì)加強(qiáng)神經(jīng)網(wǎng)絡(luò)的內(nèi)部聯(lián)系，并且隨著時(shí)間的推移會(huì)變得更好。

按照這種方式進(jìn)行訓(xùn)練，該系統(tǒng)在第一次嘗試后的短短幾個(gè)小時(shí)內(nèi)就可生成可用的版圖，無(wú)需進(jìn)行人類(lèi)設(shè)計(jì)師通常需要的多次迭代。與傳統(tǒng)自動(dòng)優(yōu)化方法（如模擬退火）進(jìn)行一對(duì)一比較時(shí)，該系統(tǒng)的速度明顯更快，設(shè)計(jì)的質(zhì)量更高（從布線長(zhǎng)度、時(shí)間、走線擁擠程度、面積和功率等方面衡量）。與人工設(shè)計(jì)版圖相比，該系統(tǒng)設(shè)計(jì)版圖的速度要快得多；在大多數(shù)情況下，其質(zhì)量甚至超過(guò)了人工設(shè)計(jì)的版圖。Guthaus說(shuō)道：“這非常令人興奮，結(jié)果看起來(lái)很驚人?！彼娣Q(chēng)：“仍需要與一流的人類(lèi)設(shè)計(jì)進(jìn)行大量比較?！?/p>

與傳統(tǒng)的自動(dòng)化系統(tǒng)和人工系統(tǒng)相比，該系統(tǒng)最大的優(yōu)點(diǎn)是可以從大量的實(shí)例中學(xué)習(xí)。隨著經(jīng)驗(yàn)的積累，該系統(tǒng)會(huì)變得更加熟練和靈活。谷歌團(tuán)隊(duì)表示，隨著訓(xùn)練的芯片數(shù)量不斷增多，他們的方法在為之前看不見(jiàn)的芯片塊快速設(shè)計(jì)最優(yōu)位置方面將表現(xiàn)得更好。在植入10 000個(gè)版圖示例進(jìn)行預(yù)先訓(xùn)練后，該系統(tǒng)獲得了“不同芯片通用”的能力——能為各種芯片類(lèi)型建立版圖。谷歌團(tuán)隊(duì)稱(chēng)，這一壯舉就像掌握了多種不同規(guī)則的游戲。

有趣的是，機(jī)器生成的版圖與人工繪制的版圖完全不同。人類(lèi)設(shè)計(jì)師通常將宏排列成整齊的行和列，將相關(guān)的功能緊密地排列在芯片的外圍，而將內(nèi)部區(qū)域留給標(biāo)準(zhǔn)單元。這樣做的結(jié)果就像網(wǎng)格狀的公寓單元被寬闊的干道隔開(kāi)一樣（圖2）。相比之下，谷歌公司AI自動(dòng)生成的版圖中宏的排列幾乎是隨機(jī)的[Goldie稱(chēng)它們看起來(lái)“像外星人”（alien-looking）]：宏和開(kāi)放區(qū)域拼接在一起，分散在芯片上，沒(méi)有明顯的形狀。

圖2.?人類(lèi)設(shè)計(jì)師通常按功能（處理器塊、內(nèi)存、邏輯控制等）對(duì)宏進(jìn)行分組，從而創(chuàng)造出有序的設(shè)計(jì)。然后，各組宏之間的開(kāi)放區(qū)域用更小的邏輯塊（標(biāo)準(zhǔn)單元）和連接線（連接各個(gè)塊的布線）填充。

谷歌團(tuán)隊(duì)表示，這種新方法有可能為每一代新款芯片的生成節(jié)省數(shù)千小時(shí)的人力。加利福尼亞大學(xué)圣迭戈分校電子工程與計(jì)算機(jī)科學(xué)教授Andrew Kahng認(rèn)為：“自動(dòng)化芯片設(shè)計(jì)方案比目前的方法發(fā)展得更好、更快，成本更低，有助于保持芯片技術(shù)遵循‘摩爾定律’軌跡。”此外，與人類(lèi)設(shè)計(jì)師相比，該系統(tǒng)的設(shè)計(jì)速度更快，可以嘗試更多種設(shè)計(jì)方案；人類(lèi)設(shè)計(jì)師需手動(dòng)設(shè)計(jì)芯片版圖，設(shè)計(jì)速度比較慢，且設(shè)計(jì)時(shí)間安排的比較緊湊。

該系統(tǒng)的優(yōu)勢(shì)似乎不僅僅體現(xiàn)在理論上。谷歌公司迅速將其自動(dòng)化系統(tǒng)投入實(shí)際應(yīng)用，為公司的下一代張量處理器（TPU）建立可制造的版圖。TPU是一種專(zhuān)為機(jī)器學(xué)習(xí)開(kāi)發(fā)的專(zhuān)用集成電路（ASIC），專(zhuān)門(mén)為加速對(duì)許多谷歌服務(wù)（包括互聯(lián)網(wǎng)搜索、街景、谷歌照片，以及基于云計(jì)算的商用AI服務(wù)）至關(guān)重要的機(jī)器學(xué)習(xí)系統(tǒng)而設(shè)計(jì)。

谷歌團(tuán)隊(duì)最終預(yù)測(cè)，機(jī)器學(xué)習(xí)將加快更強(qiáng)大芯片的開(kāi)發(fā)速度，而芯片設(shè)計(jì)反過(guò)來(lái)也會(huì)加快機(jī)器學(xué)習(xí)的速度。Mirhoseini稱(chēng)：“在過(guò)去幾十年中，系統(tǒng)和硬件真的改變了機(jī)器學(xué)習(xí)技術(shù)?，F(xiàn)在是機(jī)器學(xué)習(xí)技術(shù)給予回饋的時(shí)候，它將改變系統(tǒng)和硬件的設(shè)計(jì)方式?！?/p>

芯片設(shè)計(jì)可能只是個(gè)開(kāi)始。Mirhoseini等研究人員說(shuō)：“這種形式的布局優(yōu)化方案可廣泛應(yīng)用于科學(xué)和工程設(shè)計(jì)，包括硬件設(shè)計(jì)、城市規(guī)劃、疫苗測(cè)試與分配，以及大腦皮層布局。因此，我們相信這種布局優(yōu)化方案可以解決芯片設(shè)計(jì)以外重要的布局問(wèn)題?！?/p>

編輯：黃飛

?