在我们每天使用的手机、电脑、智能家电背后，都离不开一个核心组件——芯片。而芯片的设计，就像搭建一座极其复杂的微型城市，需要借助专门的设计软件（EDA工具）才能完成。EDA技术作为集成电路设计的核心技术和支撑手段，拉动了年产值数百亿美元的半导体设备，拉动了年产值数千亿的半导体制造业，最终推动了年产值几十万亿美元的数字经济。国际上，该行业从上个世纪八九十年代的百家争鸣发展到如今，已演变为Synopsys和Cadence两家企业垄断之势，形成了强大而牢固的产业链、专利壁垒和人才优势，是我国关键领域核心技术“卡脖子”问题。

曾璇教授团队针对国家急需的高端通用芯片设计，围绕国产高性能处理器设计和模拟集成电路芯片设计等重大需求，建立了人工智能的集成电路自动优化方法、基于机器学习的集成电路统计分析方法、基于深度学习的可制造性设计方法、电路综合优化，为模拟集成电路和数字集成电路的人工智能设计EDA提供了全新的理论框架和国产工具的支撑。在我国上海高性能集成电路设计中心应用和华为海思等重要半导体企业获得应用。复旦团队的这项研究，让电路设计像“GPS导航”一样智能。

模拟集成电路设计一直是业界公认的难题。为什么难？因为模拟电路要处理连续变化的信号（如声音、温度等），设计时需要考虑的参数多达数百个，而且这些参数相互影响，稍有不慎就会导致整个电路性能下降。这类设计目前主要依靠工程师的经验，一个复杂的模拟电路可能需要资深工程师花费数月时间反复调试。

曾璇团队创新性地提出了“基于子空间理论和信赖域无导数优化”的方法：想象你要在一个有1000个房间的巨大迷宫中找到宝藏。传统方法是逐个房间搜索，费时费力。而子空间方法则是先找出规律——哪些房间更可能藏有宝藏，然后重点搜索这些“关键区域”。该方法包含几个巧妙的步骤——

降维处理：将原本几百维的设计空间降低到二维子空间，就像把立体地图投影成平面地图，更容易观察和分析。

智能搜索：通过“贝叶斯优化”和“高斯过程”等技术，系统能够学习哪些设计方向更有希望，避免在无效方向上浪费时间。

信赖域优化：就像GPS导航会根据实时路况调整路线，系统会动态调整搜索策略，在有希望的区域精细搜索，在效果不好的区域快速跳过。

全局与局部结合：先进行全局探索找到大致最优区域，再进行局部精细优化，确保找到真正的最优解。

这种方法的效果非常显著：原本需要成熟工程师数周完成的设计，现在可以在几天内自动完成，而且性能指标往往还优于人工设计。

基于子空间理论的模拟电路高维优化方法原理示意图

对于更复杂的系统级模拟电路设计，曾璇团队提出了多智能体强化学习（MA-RL）方法。该方法的灵感来自人类设计团队的工作模式。在设计复杂系统时，通常会将系统分成多个子模块，由不同的工程师负责，然后协调优化。

曾璇教授团队根据这个思路用AI实现了几大功能。智能分工：根据电路拓扑信息，自动将复杂电路划分为多个子模块。比如一个通信芯片可能被分为混频器、放大器、滤波器等部分。独立又协作的AI智能体：每个子模块配备一个AI智能体，它们既能独立优化自己负责的部分，又能相互通信协作。这就像一个设计团队，每个成员都是专家，既有自主权又懂得配合。全局优化：最关键的是，这些AI智能体能够理解整体性能与局部设计的关系，主动做出牺牲和妥协。比如放大器的AI可能会稍微降低自己的性能，来帮助滤波器达到更好的效果，最终实现系统整体最优。

多智能体强化学习方法原理示意图

这一创新方法特别适合设计子模块之间有复杂相互作用的电路系统，能够找到人类设计师难以发现的最优权衡点。