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

要約

グーグルが2021年に発表した『ネイチャー』誌の論文で、シリコンチップの物理設計のための強化学習（RL）が論争を巻き起こした。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ステップとほとんどのインプットが隠されていた。我々のメタ分析では、2つの別々の評価がどのようにギャップを埋め、グーグルRLが(i)人間の設計者、(ii)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）、(iii)一般に入手可能な商用ソフトウェアに遅れをとり、2023年のオープンな研究コンテストでは、RL手法はトップ5に入らなかったことを示している。また、2023年のオープンな研究コンテストでは、RL法はトップ5に入っていなかった。クロスチェックしたデータによると、ネイチャー誌の論文の完全性は、調査、分析、報告の誤りによって大幅に損なわれている。グーグル社は、論文発表前に社内の不正疑惑をはねつけたが、その疑惑は今も続いている。チップ設計に関する政策的影響と結論について述べる。

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, which still stand. We note policy implications and conclusions for chip design.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL