AI是如何設(shè)計(jì)微波集成電路的

　　AI能學(xué)會(huì)設(shè)計(jì)集成電路，靠的是一個(gè)“基于聚類和異步的優(yōu)勢(shì)行動(dòng)者評(píng)論家算法模型”。文章介紹道，該模型包含兩部分——聚類算法和強(qiáng)化學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型。其中，聚類算法用來(lái)對(duì)網(wǎng)格化的集成電路的設(shè)計(jì)動(dòng)作進(jìn)行劃分，即將集成電路的多個(gè)設(shè)計(jì)動(dòng)作聚成幾個(gè)典型的動(dòng)作類，類似于經(jīng)驗(yàn)豐富的集成電路模型設(shè)計(jì)師對(duì)模型的參數(shù)化設(shè)置；強(qiáng)化學(xué)習(xí)模型則基于聚類算法劃分的典型動(dòng)作簇作為策略網(wǎng)絡(luò)輸出的動(dòng)作類別，預(yù)測(cè)當(dāng)前集成電路模型的設(shè)計(jì)動(dòng)作，然后再由價(jià)值網(wǎng)絡(luò)評(píng)估該設(shè)計(jì)動(dòng)作的好壞，以找出最優(yōu)策略，從而達(dá)到自動(dòng)設(shè)計(jì)微波集成電路的技術(shù)功效。 “我們?cè)O(shè)計(jì)了一個(gè)稱為關(guān)系歸納神經(jīng)網(wǎng)絡(luò)的架構(gòu)，它可以快速有效地學(xué)習(xí)集成電路內(nèi)部數(shù)據(jù)之間的規(guī)律，從而達(dá)到設(shè)計(jì)任意復(fù)雜集成電路的目的。”研究人員表示，在其方案中，集成電路形狀被定義為一組參數(shù)化網(wǎng)格，當(dāng)每個(gè)網(wǎng)格發(fā)生變化時(shí)，由標(biāo)準(zhǔn)的CAE軟件包計(jì)算出結(jié)果，然后使用聚類算法對(duì)這些結(jié)果的變化進(jìn)行分類，最后交由強(qiáng)化學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進(jìn)行決策。

　　基于關(guān)系歸納神經(jīng)網(wǎng)絡(luò)的微波集成電路模型設(shè)計(jì)框架如圖1所示，其包含兩部分：聚類算法（圖1b）和強(qiáng)化學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型（圖1d）。在本框架中，聚類算法用來(lái)對(duì)網(wǎng)格化的集成電路的設(shè)計(jì)動(dòng)作進(jìn)行劃分，即對(duì)集成電路的多個(gè)設(shè)計(jì)動(dòng)作聚成幾個(gè)典型的動(dòng)作類，類似于經(jīng)驗(yàn)豐富的集成電路模型設(shè)計(jì)師對(duì)模型的參數(shù)化設(shè)置；強(qiáng)化學(xué)習(xí)模型（采用A3C算法）基于聚類算法劃分的典型動(dòng)作簇作為策略網(wǎng)絡(luò)輸出的動(dòng)作類別，預(yù)測(cè)當(dāng)前集成電路模型的設(shè)計(jì)動(dòng)作，然后再由價(jià)值網(wǎng)絡(luò)評(píng)估該設(shè)計(jì)動(dòng)作的好壞，以找出最優(yōu)策略，從而達(dá)到自動(dòng)設(shè)計(jì)微波集成電路的技術(shù)功效。