德克萨斯A&M大学电气与计算机工程系教授胡江博士正致力于用机器学习技术振兴电子设计自动化(EDA)技术，以跟上不断增长的芯片设计复杂性。
EDA是一种用于设计集成电路等电子系统的软件工具。如今，芯片的复杂性是非常高的，并继续以非常快的速度发展。目前用于EDA的技术有限，没有提供知识重用的能力。另一个限制是芯片设计有许多复杂的步骤，传统的电子设计自动化技术以点解决方案为中心，旨在一次解决单一任务。或者，机器学习结合了过去的设计，并允许基于这些已知的经验进行更新和修改，而不是每次都从a点开始。就像人类的大脑一样，机器学习可以建立在经验的基础上，并整合所学到的或收集到的东西来取得进步。
“机器学习与传统技术有很大的不同，传统技术从头开始做所有事情，而机器学习有能力从先前的设计中提取知识并重用这些知识，这要高效得多，”Hu说。
Hu领导着一个由来自两所大学的四名教师组成的合作团队，他们拥有个人的专业知识和经验，使他们能够应对EDA技术不断变化的环境和需求。该项目由120万美元的美国国家科学基金会资助，旨在定制现有的机器学习技术，使其最有效地应用于芯片设计，以帮助设计出比目前更快、更节能的芯片。
机器学习可以覆盖传统电子设计自动化无法处理的领域。
合作者包括杜克大学教授陈怡然博士、实践副教授Michael Quinn和实践教授Aakash Tyagi博士，他们都来自德州农工大学计算机科学与工程系。Chen是机器学习方面的专家，而Quinn和Tyagi在芯片设计和验证方面总共有50年的行业经验。
四年前，胡开始研究机器学习与EDA的集成，由于其对许多学科和行业的影响，他被吸引到这个领域。
“如果你看看过去几十年芯片设计技术和电子设计自动化的进步，你知道，大多数都是小步骤，但这是一件大事;这是根本的。”“机器学习可以覆盖传统电子设计自动化根本无法处理的领域。”
作为这一项目的一部分，胡教授和他的团队还引入了具有跨学科技能的学生，包括女性和代表性不足的少数民族，来学习并获得这一研究领域的宝贵经验。