尽管经过了五年的研究，芯片布局规划仍然对于现阶段的自动化提出了巨大的挑战因为这仍需要物理设计工程师花费数月的大量努力来生产可制造的布局。
日前，谷歌芯片实施和基础设施(CI2)团队和斯坦福大学计算机科学系共同提出了一种用于芯片布局规划的深度强化学习方法。
这种方法能够在不到六小时的时间内，完成人类工程师需要花费几个月实现的芯片设计方案。
研究团队将芯片布局规划作为一个强化学习问题，并开发了一种基于边的图卷积神经网络架构，能够学习芯片的丰富且可转移的表征。
这个神经网络能够自动生成在所有关键指标（包括功耗、性能和芯片面积）上都优于或可与人类生成的芯片布局图相媲美的芯片布局图。
因此，这一方法利用过去的经验来更好更快地解决问题的新实例，允许芯片设计由比任何人类设计师都有更多经验的人工智能代理执行。
谷歌正使用这一方法来设计下一代谷歌的人工智能(AI)加速器，并且有可能为每一代计算机芯片设计节省数千小时的人力。
最后，研究团队相信更强大的人工智能设计硬件将推动人工智能的进步，在两个领域之间建立共生关系。
(原标题：谷歌斯坦福团队研发芯片设计AI，几小时即可完成数月的设计任务)