英特尔开发新型混合算法，推动芯片设计布图规划进展

自1971年英特尔的创始工程师费德里科•法金（Federico Faggin）用彩铅和直尺手绘出的首款商用微处理器——英特尔4004以来，芯片设计技术已经取得了显著的进步。的设计师能够借助多种软件工具进行集成电路的规划和测试，但随着芯片复杂性的飞速增长，设计挑战也随之加剧，部分新型芯片甚至集成了数千亿个晶体管。面对这些复杂的设计需求，现有的工具和技术在很多情况下显得力不从心。

在这样的背景下，机器学习（ML）作为一种潜在的解决方案引起了行业广泛关注。英特尔的人工智能（AI）实验室团队在探索这一途径时，发现单靠机器学习并不能有效解决诸多多重约束条件下的设计难题。在对一个重要的设计任务进行深入研究——“布图规划”（floorplanning）后，团队最终意识到，传统的非人工智能方法（如经典搜索）在某些情况下更加有效。因此，结合这两种方法的优点，形成一种混合算法，将可能是推动芯片设计进步的关键所在。

芯片设计的一个主要瓶颈出现在物理设计阶段。在这一步骤中，设计师需要对已确定的架构进行几何优化，包括芯片布局和连接棵事。为了优化设计，设计师需将芯片划分为多个高级功能模块，如CPU核心和存储单元等。一个典型的片上系统（SoC）可能包含100个高级模块，这些模块进一步分为数百到数千个宏单元以及数十万个标准单元。

在布图规划阶段，设计师必须根据特定的性能目标来安排这些功能模块。这些目标通常是通过最小化连接电路元件的导线总长度和未被电路占用的芯片总面积来实现。布图规划本质上是一个组合优化问题，相当于复杂的俄罗斯方块。这类问题涉及的可能排列组合数量极其庞大，通常达到数量级的指数级增长，数量之庞大超出了计算机的直接搜索能力。

尽管现有的商业工具在单一目标的情况下能迅速找到解决方案，但当目标变为多重且带有复杂约束时，这些工具常显得捉襟见肘，进而使得设计师不得不依靠试错和创造力，导致产品的上市时间延长数小时甚至数天。

在经历了多次实验后，英特尔团队选择采用“约束感知模拟退火”（CA-SA）这一新兴技术，将机器学习与传统的优化算法相结合。模拟退火（SA）于1983年首次提出，其核心原理是在一个随机解的基础上，逐步通过交换、移动或调节模块的方式，找到全局最优解，而逐步减少对改进的接受度帮助防止算法陷入局部最小值。

通过这种方法，英特尔研发了一款开源布图规划工具“Parsac”，其具备出色的性能，能够在短时间内完成复杂的布图规划任务，这种方法不仅比现有的商业工具更高效，也为芯片设计领域的创新提供了新的方向。

在Parsac系统的运行过程中，该算法有时能在数分钟内解决百模芯片的规划问题，而利用商业软件则可能需要数小时。为了解决设计中的约束问题，CA-SA引入了一个额外的修复模块，确保在搜索最优方案时不违反设计规则，从而使得算法的效率和质量双双提升。

值得一提的是，Parsac所依靠的数据集“FloorSet-Lite”和“FloorSet-Prime”，这两个数据集分别模拟了包含20到120个模块的布图规划，真实反映了现代芯片设计中所面临的布局挑战。

在面对更加复杂的设计需求时，英特尔的研究团队正积极探索新的几何搜索算法以处理不规则模块形状，力图在高复杂度场景中找到更合适的解决方案。他们也希望通过引入先进的机器学习技术对算法进行智能引导，以进一步缩短芯片设计所需的时间。

英特尔正在以混合算法推动芯片设计的未来。将传统优化技术与现代机器学习结合，显然不仅为芯片设计者带来了更为高效的工具，同时也为整个行业开辟了崭新的发展路径。这一全新的设计理念注定将深刻影响未来芯片设计的面貌，并推动行业迈入全新的纪元。