The False Dawn: Reevaluating Google’s Reinforcement Learning for Chip Macro Placement

要約

Google 2021 Nature 論文に掲載されたシリコン チップの物理設計のための強化学習 (RL) は、眉をひそめ、批判的なメディアの報道を集めた不十分な文書化により論争を巻き起こしました。
Nature の論文では、報告された結果と方法論のいくつかの重要なステップを作成するために必要な情報のほとんどが保留されていました。
しかし、2 つの個別の評価によってそのギャップが埋められ、Google RL が人間の設計者よりも遅れをとっており、よく知られたアルゴリズム (シミュレーテッド アニーリング) よりも遅れており、さらに一般に入手可能な商用ソフトウェアよりも遅れていることが実証されました。
クロスチェックされたデータは、Nature 論文の完全性が、実施、分析、報告における誤りにより大幅に損なわれていることを示しています。

要約(オリジナル)

Reinforcement learning (RL) for physical design of silicon chips in a Google 2021 Nature paper stirred controversy due to poorly documented claims that raised eyebrows and attracted critical media coverage. The Nature paper withheld most inputs needed to produce reported results and some critical steps in the methodology. But two separate evaluations filled in the gaps and demonstrated that Google RL lags behind human designers, behind a well-known algorithm (Simulated Annealing), and also behind generally-available commercial software. Crosschecked data indicate that the integrity of the Nature paper is substantially undermined owing to errors in the conduct, analysis and reporting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google