AI设计了一颗人类不理解，但运行良好的芯片

通常情况下，科学家和工程师在设计芯片时，会使用一些众所周知的模式和模板。《自然通讯》发表的一项新研究尝试了一种不同的方法：一种基于深度学习的电路和组件设计流程。普林斯顿大学和印度理工学院马德拉斯分校的研究人员利用人工智能(AI) 展示了一种“逆向设计”方法，即从所需属性出发，然后在此基础上进行设计。

该算法创造出了一些看似运行良好的奇特芯片。但有一个问题：没有人真正知道它们为何如此有效。

“人类无法理解它们，但它们可以更好地工作，”首席研究员、普林斯顿大学电气和计算机工程教授 Kaushik Sengupta 说。

这种人工智能驱动的方法专注于设计无线芯片，这是一种用于5G网络、雷达系统和先进传感技术等高频应用的计算机芯片。这些电路为从雷达系统到自动驾驶汽车等各个领域的创新提供动力，但其开发速度却异常缓慢。工程师们通常基于预先定义的模板，通过迭代模拟和测试手动优化或改进设计。

这种方法既耗时又具有挑战性，而且需要高度的专业知识，这限制了改进的程度（以及速度）。这正是这项新研究的意义所在。

以前的方法是自下而上的，而新的方法是自上而下的。新方法更高效，因为你创建的系统完全按照你的意愿运行；但让它真正发挥作用却困难得多。

研究人员训练了卷积神经网络（CNN）——一种人工智能模型——来理解电路几何形状与其电磁行为之间的复杂关系。这些模型可以预测拟议设计的性能，通常适用于与我们习惯的设计完全不同的类型。

该研究展示了一系列用例，从简单的单端口天线到复杂的多端口射频 (RF) 结构，例如滤波器或功率分配器。人工智能设计的紧凑型天线可在两个不同的频率上工作，从而提升了多频段设备的性能。它只需几分钟就能合成具有精确带通特性的滤波器，而这项任务以前可能需要几天甚至几周的时间。

“我们设计的结构复杂，形状随机，但当它们与电路连接时，却能创造出前所未有的性能，”森古普塔说道。这些设计违反直觉，与人类思维的成果截然不同。然而，它们却常常带来显著的改进。

“传统的设计是将这些电路和电磁元件精心地逐个组合在一起，以便信号按照我们期望的方式在芯片中流动。通过改变这些结构，我们融入了新的特性，”森古普塔说道。“以前，我们的做法有限，但现在选择的范围要大得多。”

这项研究标志着工程领域的关键时刻，人工智能不仅加速了创新，更拓展了可能性的边界。无线芯片是由标准电子设备（如计算机芯片）和电磁元件（如天线或信号分配器）组合而成。虽然这项研究的重点是射频和亚太赫兹频率，但人工智能驱动的设计原理可以扩展到计算机芯片，甚至量子计算。

“仍有一些缺陷需要人类设计师去纠正，”森古普塔说道。“关键不在于用工具取代人类设计师，而在于用新工具提高生产力。人类的思维最适合用来创造或发明新事物，而那些更平凡、更实用的工作可以交给这些工具去做。”

这并非唯一一项利用人工智能设计更多芯片的研究。美国国家半导体技术中心宣布拨款近1000万美元用于资助这项研究，普林斯顿大学牵头开展这项工作。

我们对这些并不完全理解的设计有多放心？如果这些设计出了问题，会发生什么？

毫无疑问，人工智能将在我们的设计中扮演越来越重要的角色，芯片也不例外。然而，在很大程度上，我们仍然无法完全了解人工智能是如何完成其设计的。这使得工程师难以完全理解或预测这些电路在所有条件下的行为。这种“黑箱”特性可能会导致不可预见的故障或漏洞，尤其是在医疗设备、自动驾驶汽车或通信系统等关键应用中。

此外，如果出现错误，追踪和纠正问题可能比手动设计的系统更加复杂。从实践层面来看，过度依赖人工智能可能会侵蚀人类设计师的基础知识和技能，一旦技术出现故障或不可用，就会造成专业知识的缺口。毫无疑问，我们正在走向一个全新的设计时代。希望在这个时代，人类仍然掌控着主导权。

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

加星标⭐️第一时间看推送，小号防走丢