左图：动画显示 AlphaChip 在没有任何经验的情况下，将开源的 Ariane RISC-V CPU 置入。右图：动画显示 AlphaChip 在对 20 个 TPU 相关设计进行练习后，放置相同的块。
其实，设计芯片布局并不是一项简单的任务。
一般来说，计算机芯片有许多相互连接的模块、多层电路元件组成，所有这些部件都由纤细无比的导线连接起来。
此外，还有许多复杂且相互交织的设计约束，必须同时满足。
由于设计的复杂性，60 多年来，芯片设计工程师一直在努力自动化芯片布局规划过程。
谷歌表示，AlphaChip 的研发，从 AlphaGo 和 AlphaZero 中汲取了经验。
众所周知，通过深度学习和博弈论，AlphaGo 和 AlphaZero 逐渐从 0 掌握了围棋、国际象棋和将棋的潜在规则。
AlphaChip 同样是采用了，将芯片底层规划视为一种游戏的策略。
从空白栅格开始，AlphaChip 每次放置一个电路元件，直至放置完所有元件。
然后，根据最终布局的质量，给予模型奖励。
一种全新的「基于边」的图神经网络让 AlphaChip，能够学习相互连接的芯片元件之间的关系，并在芯片之间进行泛化，让 AlphaChip 在设计的每种布局中都有所改进。
接下来播放
更多视频推荐
213观看
322观看
847观看
253观看
341观看
416观看
311观看