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、批判的なメディア報道を招いた主張の文書化が不十分だったため、論争を巻き起こしました。
この論文では、結果を再現するために必要な重要な方法論の手順とほとんどの入力が省略されています。
私たちのメタ分析は、2 つの個別の評価がどのようにギャップを埋めたかを示し、Google RL が (i) 人間の設計者、(ii) 有名なアルゴリズム (シミュレーテッド アニーリング)、(iii) 一般に入手可能な商用ソフトウェアに比べて遅れていることを実証しました。
遅いこと。
2023 年の公開研究コンテストでは、RL 手法は上位 5 に入っていませんでした。クロスチェックされたデータは、Nature 論文の完全性が、行為、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。
公開前に、Googleは内部の不正行為の申し立てを拒否した。
私たちはチップ設計に対する政策への影響と結論に注目します。

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 drew critical media coverage. The paper withheld critical methodology steps and most inputs needed to reproduce results. Our meta-analysis shows how two separate evaluations filled in the gaps and demonstrated that Google RL lags behind (i) human designers, (ii) a well-known algorithm (Simulated Annealing), and (iii) generally-available commercial software, while being slower; and in a 2023 open research contest, RL methods weren’t in top 5. Crosschecked data indicate that the integrity of the Nature paper is substantially undermined owing to errors in conduct, analysis and reporting. Before publishing, Google rebuffed internal allegations of fraud. We note policy implications and conclusions for chip design.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google