机器学习“邂逅”芯片设计，将会碰撞出什么火花？

值得信任的结果
但相对于其它机器学习应用，设计面临着更大的障碍。"最后如果一个方案存在设计过于激进或过于保守的风险，人们就不会采用这个方案。"Dyck 解释说，"机器学习工具是大型的估计器。你不能要求人们去信任它。所以我们需要能够清楚准确度的建模技术。目前这种技术还非常少--你必须发明它们。我们需要主动的学习方法，可以逐步发现相关的领域，而这些往往在最糟糕的情况旁边。要向我展示可能会导致芯片失败的地方，并且在那个区域提供清楚的洞察。这样你就要在这些区域直接进行实验。针对问题领域是很重要的。"

Dyck 还指出了 EDA 所面临的另一个障碍："如果你不能证明一个答案是正确的，他们就不会接受它。所以你需要设计可验证的算法。你需要将验证用作该技术的一部分，这样当你给出一个答案时，你就可以说明它在运行时是正确的。"

总结
机器学习已经开始渗透进 EDA 和设计流程中了。Gupta 说："机器学习已经开始在 EDA 领域发挥重要的作用。它还有进一步提供颠覆性技术突破来解决半导体难题的机会。"

但我们还有很长的路要走。Ku 说："今天我们看到的只是冰山一角。我们希望未来 EDA 能停止提供数据。数据当然很好，但我们真正需要的是决策。你需要做的就是在数据和决策之间加入一层，该机器算法可以通过学习数据来了解应该做出怎样的决策。EDA 正处在进行这项工作的完美位置上。"


如果要维护信任，还需要一些小步骤。 Synopsys 的 Ranjan 总结道："人工智能和机器学习可以成为一家公司与众不同的地方，但是使用人工智能必须不能降低算法的精确度。"

yuzhong 从竞争对手之中脱颖而出的关键，但在利用它时需要不对准确度产生损害。"