世界首个AI全自动生成的CPU芯片

    中科院计算所的处理器芯片全国重点实验室及其合作单位，用AI技术设计出了世界上首个无人工干预、全自动生成的CPU芯片——启蒙1号。

这颗完全由AI设计的32位RISC-V CPU，相比GPT-4目前所能设计的电路规模大4000倍，并可运行Linux操作系统，且性能堪比Intel 486。

而这项研究，更是有望颠覆传统的芯片设计流程！

采用主要方法：

1.符号主义的重生：基于BSD的电路自动设计方法

针对RISC-V CPU的设计空间规模巨大和目标CPU功能超高精度要求的挑战，不同于传统基于连接主义的深度学习方法，研究人员所提出的方法是基于对二元决策图（Binary Decision Diagram，BDD）进行扩展的二元猜测图（Binary Speculation Diagram, BSD）。

与传统的BDD构建依赖于形式化的描述不同，BSD使用常数0/1对BDD中的子图进行功能猜测。

在设计流程中，首先使用仅有1个节点的BSD作为对未知黑盒函数的初始估计，然后利用动态规划方法逐步增加BSD中的节点个数，从而丰富电路细节。该工作理论上证明了随着BSD节点个数的增加，其电路准确率会逐步提升。

2.自主发现人类知识：蕴含冯诺依曼架构的CPU

此外，从IO自动生成的RISC-V CPU并不是杂乱无章的黑盒逻辑，而是蕴含了冯诺依曼架构的人类知识：由BSD表示的CPU设计包含了控制单元和运算单元。

其中控制单元是由BSD的顶层生成，用于整个CPU的全局控制，而运算单元则完成算术和逻辑运算。

同时上述单元可以进一步分解为更细粒度的子模块，如译码器和ALU等，直到其最底层由基本的逻辑门构成。

2.其它主要设计方法

论文地址：https://arxiv.org/pdf/2306.12456

团队介绍

自2008年起，中科院计算所便开始长期从事芯片设计和人工智能的交叉研究。其中一项为人熟知的产出就是人工智能芯片寒武纪。

而在面向芯片设计的人工智能方法上，中科院计算所也已有十多年的积累，并且从未停止探索如何用人工智能方法使得芯片设计完全自动化。

依托中国科学院计算技术研究所建立的处理器芯片全国重点实验室，是中国科学院批准正式启动建设的首批重点实验室之一，并被科技部遴选为首批 20个标杆全国重点实验室，2022年5月开始建设。

其中，实验室学术委员会主任为孙凝晖院士，实验室主任为陈云霁研究员。

实验室近年来获得了处理器芯片领域首个国家自然科学奖等6项国家级科技奖励；在处理器芯片领域国际顶级会议发表论文的数量长期列居中国第一；在国际上成功开创了深度学习处理器等热门研究方向；孵化了总市值数千亿元的国产处理器产业头部企业。

参考资料：

[1] Bentley, B. Validating a modern microprocessor. In Proceedings of International Conference on Computer Aided Verification (CAV), 2–4 (2005).

[2] Church, A. Applications of recursive arithmetic to the problem of circuit synthesis. Summaries of the Summer Institute of Symbolic Logic 1, 3-50 (1957)

[3] Roy, R. et al. Prefixrl: Optimization of parallel prefix circuits using deep reinforcement learning. In Proceedings of Design Automation Conference, 853–858 (2021).

[4] Chen, P. et al. Circuit learning for logic regression on high dimensional Boolean space. In Proceedings of Design Automation Conference, 15 1–6 (2020)

[5] Rai, S. et al. Logic synthesis meets machine learning: Trading exactness for generalization. In Proceedings of Design, Automation & Test in Europe Conference & Exhibition, 1026–1031 (2021).

[6] Blocklove, J et al. Chip-Chat: Challenges and Opportunities in Conversational Hardware Design. In arxiv, https://arxiv.org/abs/2305.13243 (2023)