计算机芯片的设计者必须考虑很多事情，例如时钟树。
“无论何时放入时钟树，这都是一个非常困难的步骤，”Cadence Design Systems 的高级产品管理组总监 Kam Kittrell 在通过 Zoom 接受采访时告诉 ZDNet，Cadence Design Systems 是芯片设计师的主要工具构建者之一。
讨论的主题是 Cadence 称之为 Cerebrus Intelligent Chip Explorer 的软件，这是一个新发布的软件程序，旨在通过使用机器学习自动执行一些相关步骤来帮助芯片设计人员。
正如 Kittrell 所说，Cerebrus 是 Cadence 销售的工具链的一部分，它从一种非常高级的语言“一直到最后的通孔和电线”，即芯片的各个部分。 正如他所说，这就像一条包含数百个步骤的汽车装配线，Cerebrus 将一个新的部分插入该装配线，接管设计师的一些手工工作，并通过机器学习例程使其自动化。
Cadence 声称 Cerebrus 可以将人类芯片设计师的生产力提高一个数量级，同时还将芯片质量的三个主要指标——性能、能效和方形面积的紧凑程度——提高多达 20%。 这三个指标通常称为“PPA”，功率、性能、面积。
Cerebrus 在 AWS 和其他云平台上运行，但也可以在本地运行。
该工具的推动力是这样一个事实，即芯片的复杂性正在加速，同时芯片制造面临着摩尔定律在接近原子尺度的崩溃中越来越具有挑战性的物理限制。
“几年前，是手机推动了芯片设计，然后出现了云，然后是 5G 和人工智能，”Kittrell 总结了需要集成到芯片上的技术的发展历程。 “汽车制造商表示他们需要将 5G 和 AI 结合在一起，而芯片的设计越来越难。”
随着苹果、英特尔和其他公司正在设计的部件中晶体管的尺寸缩小到十亿分之三米，以及将数十亿个这些晶体管封装在一个面积可能只有几平方毫米的区域中，满足所有这些 AI 根据 PPA 要求，单个部件中的 5G 功能令人望而生畏。
Kittrell 说：“我们已经将多个向量结合在一起，而且随着我们进入更深的技术节点，它变得越来越难。”
Kittrell 说，Cerebrus 工作的秘诀在于工具链已经“非常算法化”。 工程师们已经习惯于进行多变量计算以得出最佳解决方案。 “这些都是很难解决的数学密集型问题。”
为了尝试针对这些问题的不同解决方案，程序员进行了实验。
“你有一个网表的十亿个实例，”机器对组装在一起的部件的描述，“它们都连接在一起”，优化问题是“你把它们放在哪里以便 减少连接距离，如何将它们与五层金属连接起来，”他说。
Kittrell 说，最好的程序员可以在任何时候及时进行三到五个实验。 大脑可以同时运行 50 到 100 个。
“你给它一个向量，你关心什么，”来自 PPA 的 Kittrell 解释道。 Cerebrus“可以快速找到解决问题的好方法。” 工程师可以保持一个变量不变，例如芯片面积，并让 Cerebrus 对其他指标进行实验。 在实验结束时，Cerebrus 将重播实验以显示优化中的每个步骤，工程师可以使用该步骤链中的任何点作为新优化的新起点。
优化也可以保存，这样客户就可以积累一个优化库，然后成为未来工作的基础。
Cadence 的客户，例如制造工业和汽车芯片的日本 Renesas，以及三星的合同芯片制造部门，表示 Cerebrus 帮助提高了他们芯片的 PPA 和工程师的生产力。
制作 Cerebrus 的胆量就是所谓的强化学习。 但是，Kittrell 拒绝具体说明 RL 方法的细节。 “除了它是具有强化学习能力的 ML 之外，我们没有透露太多细节，”他说，并指出芯片设计中的 AI 领域“目前是一个竞争激烈的领域”。
Cadence 显然已经积累了大量关于芯片设计过程的具体知识，可以为 RL 提供信息。
这将我们带到了时钟树。
如果您不知道，时钟树是计算机芯片的基本鼓点（维持操作节奏的振荡时钟信号）分布在整个芯片电路中的一种方式。
问题是制作一个好的时钟树不是孤立完成的事情。 理想情况下，它可以以一种整体的方式结合许多其他变量来解决 PPA 问题。 “很难得到一个好的时钟树，但有时在芯片的其余部分完成之前你不知道它是否好，”Kittrell 解释道。
在 Cerebrus 的 RL 的帮助下，时钟频率可以成为打包成最佳芯片的一个变量。
Cerebrus 使用的 RL 模型通常不会预先以特定方式进行训练，因为“我预训练的任何东西都可能像一个水晶花瓶，放一个芯片进去，整个东西就毁了”，考虑到大量的变量 ，基特雷尔解释道。 “所以要求是即使没有培训，我们也应该能够快速找到解决方案。”
同时，先前实验的结果可以适应一组新的变量。
当被问及有多少 Cerebrus 是内部设计的时，Kittrell 观察到，“当然，我们站在许多优秀技术的肩膀上，”解释说，在其上构建的大量现成的开源软件意味着“ 五六年前我们不会想到这个。” 与此同时，Cadence 正在为 Cerebrus 计划申请专利并投资于其持续发展。
当被问及该程序是否会取代人类发明时，基特雷尔说，仍有空间去想象甚至不存在的可能性。
您可能听说过 Google 最近的工作是使用深度学习来解决为电路布局提出良好平面图的问题。 Kittrell 知道这项工作的作者，他认为谷歌的工作是一种“灵感”，但预测它不会取代使用工具的人类工程师。
“现在对工程师的需求正在飙升，”基特雷尔说，“我们将使人们有可能与他们现在拥有的工程师一起完成工作，而不是让任何人走上面包线。
他补充说，“我们很乐意与谷歌的人进行基准测试。”
