近日，谷歌 DeepMind 公佈了其最新的 AI 系統 ——AlphaChip。這一系統致力於加速和優化計算機芯片的開發，AlphaChip 所設計的芯片佈局已經在谷歌的 AI 加速器中得到應用。

AlphaChip 的工作原理類似於我們之前所聽說的 AlphaGo 和 AlphaZero，採用強化學習技術，迅速生成經過優化的芯片佈局。

image.png

根據谷歌 DeepMind 的介紹，AlphaChip 已經在過去三代的張量處理單元（TPU）AI 加速器中被使用。其中，在最新的第六代 TPU——Trillium 中，AlphaChip 實現了25個模塊的佈局設計，相比於人類專家，電線長度減少了6.2%。這表明，AlphaChip 在性能上取得了顯著提升。

AlphaChip 的設計過程可以想象成一種遊戲，系統像在網格上一個接一個地放置電路組件。爲了幫助系統學習連接組件之間的關係並在不同的芯片上進行推廣，DeepMind 專門開發了一種圖神經網絡。值得一提的是，不僅僅是谷歌，其他公司如芯片製造商聯發科技也在利用 AlphaChip，尤其是在開發其最先進的芯片，如爲三星智能手機提供的 Dimensity 旗艦5G 芯片。

除了提高芯片設計的速度和效率外，谷歌 DeepMind 還看到了進一步優化整個芯片設計週期的潛力。未來的 AlphaChip 版本預計將覆蓋從計算機架構到製造的各個環節，目標是讓芯片變得更快、更便宜、更節能。

爲此，DeepMind 也將一些 AlphaChip 的資源開源。他們發佈了一個軟件庫，可以完整復現原研究中描述的方法。外部研究人員可以利用這個庫對不同的芯片模塊進行預訓練，然後將其應用到新的模塊上。

此外，DeepMind 還提供了一個經過20個 TPU 模塊訓練的預訓練模型檢查點，建議外部研究人員在特定的應用模塊上進行預訓練，以達到最佳效果。關於如何使用這些開源資源進行預訓練，DeepMind 還提供了相應的教程，並將其上傳到了 GitHub 上。

劃重點:  

🌟 AlphaChip 是谷歌 DeepMind 推出的 AI 系統，旨在加速和優化芯片設計。  

🔍 該系統已在谷歌的最新 TPU 系列中應用，並實現了顯著的佈局優化。  

📚 DeepMind 將部分 AlphaChip 資源開源，外部研究人員可以利用這些資源進行預訓練和應用。