NIKKEI——日本經濟新聞中文版

　　美國麥肯錫（McKinsey & Company）等的數據顯示，作為最新一代的5奈米線寬半導體的開發成本（包括購買智慧財産權和試製）為5.4億美元，達到前一代（7奈米線寬産品）的1.8倍、前二代（10奈米線寬産品）的3.1倍。如果讓AI承擔部分設計工作、降低工時，能高效設計出更多晶片。

　　通過各半導體廠商使用的設計軟體「EDA」，強化學習的充分利用正在擴大。EDA巨頭美國新思科技（Synopsys）自2020年開始全面提供採用強化學習的設計輔助系統。由系統自動鎖定符合性能的候選設計方案。南韓三星電子把通常需要1個月以上的設計作業縮短為3天，還將用於智慧手機用半導體的設計。

　　新思科技的首席執行官（CEO）阿爾特·德·吉亞斯表示，「（通過自動化）從浪費時間的探索作業中解脫出來，能夠把設計人員投向新的開發計劃」。在日本，索尼集團開始把AI強化學習應用於圖像感測器的設計，瑞薩電子也應用於車載半導體的設計。

谷歌正在積極推進半導體的自主設計（谷歌5月舉行的活動）

　　涉足EDA開發的日本JEDAT攜手群馬大學的高井伸和準教授等，正在開發運算放大器等模擬半導體的自動設計系統。力爭2025年之前實現實用化。

　　近年來，中美兩國的巨大IT企業自主開發半導體。高井準教授表示期待稱，「如果半導體設計的門檻因自動化而降低，將推動跨界企業的涉足，新使用方法有可能隨之誕生」。

　　強化學習：支撐目前AI的機器學習的一種方式。不依賴過去的數據，而是通過電腦等，由AI不斷探索，學習最佳行為。在圍棋、遊戲、機器人開發領域得到使用。以向圍棋中接近取勝的行棋步法給與「報酬」的機制進行學習，獲得了超越專業棋手的實力。

　　在商業領域，被稱為監督學習的方法經常被使用。其方法是提供貓的圖像以及正確答案，使AI學會「這是貓」，不斷提高識別準確度。要提升準確度，需要大量積累高品質的數據等。