最近，谷歌在《自然》杂志发表了论文《面向快速芯片设计的图布局方法》（A graph placement methodology for fast chip design），该论文中公布了谷歌在人工智能驱动芯片设计方面的最新结果。

　　在该论文中，谷歌使用了强化学习的方法来实现高质量自动芯片floorplan。谷歌对于强化学习技术的使用已经是得心应手，之前在围棋领域一鸣惊人击败世界冠军李世石的人工智能也是使用了强化学习技术。事实上，芯片布局和围棋有很强的相似之处，基本都是在一个很大的自由空间里面需要搜索到一个最优解，来实现回报函数的最大化（例如在芯片布局领域的回报函数就是拥挤度、布局密度和走线长度的一个综合函数）。在论文中，该算法实现自动floorplan的具