随着生成式AI在多个领域的应用，半导体界也开始尝试使用AI技术来加速芯片设计。然而，单靠机器学习演算法并不足以完成复杂芯片设计工作。

新思科技、益华电脑等EDA工具领导业者虽已尝试将生成式AI引入自家解决方案，但仍面临挑战。

英特尔研究人员发现，将机器学习与传统查找技术相结合，可能是最富有成果的开发方向。芯片设计过程中，实体设计阶段是一大瓶颈，其中布图规划问题尤为复杂。

虽然可以训练大型语言模型来建立AI为基础的布图规划器，但在处理多重限制条件时，AI模型往往会浪费大量时间追求次优解决方案。

为解决这一问题，研究人员结合了模拟退火查找技术模块与随机约束违规和修复模块，开发出约束感知SA（CA-SA）技术，并据此开发出布图规划工具Parsac。

基准测试显示，Parsac在多区块测试中领先其他已发布的方案，并在15分钟内解决商业规模高端规划问题。

基于这一经验，研究人员表示，深度学习模型擅长捕捉统计规律性，但在解决困难的组合最佳化问题时，需要与其他技术结合。