芯片设计|谷歌、英伟达及EDA厂商纷纷下场,AI如何改变芯片设计?( 四 )


由Redis存储异步及较小消息 , 例如奖励和统计信息 。 大容量和低延迟请求由JIT编译的RPC负责处理 , 例如上传经验数据 。 最后 , Raptor还提供GPU感知数据结构 , 例如具有多线程服务的重放缓冲器 , 能够接收来自多个worker的经验、并行批处理数据并将结果预先载入至GPU上 。

研究人员表示 , 强化学习代理能够仅仅基于从综合电路属性的反馈中学习设计电路 , PrefixRL也成功设计出了64位的加法器电路 。 并且在延迟相同的情况下 , PrefixRL最佳加法器设计方案比EDA工具设计的面积还要小25% 。
“据我们所知 , 这是第一种使用深度强化学习代理来设计算术电路的方法 。 ”研究人员写道:“我们希望这种方法可以成为将 AI 应用于现实世界的电路设计 , 包括:构建动作空间、状态表示、强化学习代理模型、针对多个竞争目标进行优化 , 以及克服物理合成等过程缓慢的奖励计算过程 。 ”
编辑:芯智讯-浪客剑  

资料来源:nextplatform、Synopsys、Cadence、Googleblog

相关经验推荐