芯片越来越小，功能越来越强大。
新加坡科学技术研究局（A * STAR）研究人员开发了一种基于机器学习（半监督学习算法模型semi-supervised learning model ）的方法，可以帮助设计人员确定将组件放置在集成电路上的位置。

这是一种机器学习框架，该框架与EDA工具协同工作，可收集经验丰富的芯片设计者的经验来降低设计新芯片的设计成本，同时探索新的设计空间。
设计时，输入芯片电路的设计变量，如晶体管的长、宽、偏置和温度等，输出是设计目标，如功耗、带宽、其他性能标准和芯片面积。

由AI算法和EDA自动化，在具有学习能力的智能IC设计（SMILE）计划下创建，与监督学习相比，所需的标记数据量减少了90％ 。

“整个设计迭代过程中，没有人为设计。电路设计人员只需要在初始阶段选择电路拓扑和设计规格，其余设计则通过将EDA工具与AI框架。” Rahul补充。

最终的AI在一天之内完成的复杂设计，人类设计师通常需要一周。经测试，AI设计的芯片性能是最佳人工优化设计的两倍。

研究人员表示，该技术仍处于开发阶段，需要进一步验证和推广，以使其与广泛的电路拓扑兼容，然后才能进行商业部署。