人工智能成芯片設(shè)計(jì)高手

來(lái)源：參考消息網(wǎng)

       參考消息網(wǎng)3月5日?qǐng)?bào)道 美國(guó)趣味科學(xué)網(wǎng)站2月20日刊登題為《人工智能設(shè)計(jì)的芯片非常奇怪，“人類無(wú)法真正理解它們”，但其性能優(yōu)于我們?cè)O(shè)計(jì)的任何芯片》的文章，作者是蒂姆·丹頓，內(nèi)容編譯如下：

　　人工智能(AI)模型已經(jīng)在幾小時(shí)內(nèi)通過深度學(xué)習(xí)設(shè)計(jì)出更高效的無(wú)線連接芯片，但目前尚不清楚它們“隨機(jī)成形”的設(shè)計(jì)是如何產(chǎn)生的。

　　工程研究人員已經(jīng)演示了AI可以在數(shù)小時(shí)內(nèi)設(shè)計(jì)出復(fù)雜的無(wú)線連接芯片，而人類需要數(shù)周才能完成。

　　事實(shí)證明AI的芯片設(shè)計(jì)不僅更高效，而且還采用了一種完全不同的方法，是人類電路設(shè)計(jì)師極不可能想出來(lái)的。研究人員2024年12月30日在英國(guó)《自然-通訊》雜志上發(fā)表了相關(guān)研究報(bào)告。

　　研究的重點(diǎn)是毫米波無(wú)線連接芯片。由于其復(fù)雜性和小型化需求，毫米波無(wú)線連接芯片構(gòu)成了制造商面臨的一些最大挑戰(zhàn)。這些芯片用于5G調(diào)制解調(diào)器，目前在手機(jī)中很常見。

　　制造商目前依賴于人類專業(yè)知識(shí)、定制電路設(shè)計(jì)和既定模板的組合。每個(gè)新的設(shè)計(jì)都要經(jīng)過一個(gè)基于反復(fù)試驗(yàn)的緩慢優(yōu)化過程，因?yàn)樗ǔ７浅?fù)雜，人類無(wú)法完全理解芯片內(nèi)部發(fā)生的事情。這導(dǎo)致了一種基于以前有效方法的謹(jǐn)慎迭代方法。

　　對(duì)于這個(gè)問題，美國(guó)普林斯頓大學(xué)工程與應(yīng)用科學(xué)學(xué)院和印度理工學(xué)院的研究人員認(rèn)為，基于深度學(xué)習(xí)的AI模型可以使用一種逆向設(shè)計(jì)法，即指定所需的輸出，讓算法來(lái)確定輸入和參數(shù)。

　　AI還將每個(gè)芯片視為單獨(dú)工件，而不是需要組合在一起的現(xiàn)有多個(gè)元素的集合。這意味著，有些無(wú)人理解但可能隱含低效的既定芯片設(shè)計(jì)模板將被棄用。

　　普林斯頓大學(xué)電子與計(jì)算機(jī)工程教授考希克·森古普塔說(shuō)，在這個(gè)實(shí)驗(yàn)中，得到的結(jié)構(gòu)“看起來(lái)是隨機(jī)成形的”，而且“人類無(wú)法真正理解它們”。

　　森古普塔的團(tuán)隊(duì)(使用AI的設(shè)計(jì))制造出芯片，他們發(fā)現(xiàn)，AI的設(shè)計(jì)在性能上超過了現(xiàn)有設(shè)計(jì)。

　　盡管研究結(jié)果表明，如此復(fù)雜芯片的設(shè)計(jì)工作可以交給AI，但森古普塔敏銳地指出，仍然存在“需要人類設(shè)計(jì)師糾正的陷阱”。尤其是算法產(chǎn)生的設(shè)計(jì)中有許多都行不通，相當(dāng)于生成式AI工具產(chǎn)生了“幻覺”。

　　森古普塔說(shuō)：“關(guān)鍵不是用工具取代人類設(shè)計(jì)師，關(guān)鍵是用新工具提高生產(chǎn)力。”

　　迭代設(shè)計(jì)的開發(fā)速度也開啟了新的可能性。一些芯片設(shè)計(jì)可以面向能效，還有的芯片設(shè)計(jì)可以面向絕對(duì)性能或擴(kuò)展頻率范圍。

　　隨著小型化需求的不斷增長(zhǎng)，無(wú)線連接芯片變得越來(lái)越重要，因此本研究是向前邁出的有價(jià)值的一步。但森古普塔說(shuō)，如果其團(tuán)隊(duì)的方法可以擴(kuò)展到電路設(shè)計(jì)的其他部分，這可能會(huì)改變我們未來(lái)設(shè)計(jì)電子產(chǎn)品的方式，“這只是該領(lǐng)域未來(lái)前景的冰山一角”。