科研简介

“人工智能的灰箱模型（Grey-box Model）是一种介于黑箱模型和白箱模型之间的模型。在人工智能领域，不同的模型可以根据它们的可解释性和透明度来分类。
1.  黑箱模型（Black-box Model）: 在这种模型中，我们通常不能清楚地理解模型内部是如何工作的。例如，深度学习网络往往被视为黑箱，因为它们的内部结构和工作原理对于人类来说很难解释和理解。
2.  白箱模型（Clear-box Model）: 与黑箱模型相对，白箱模型的内部结构和工作原理是透明和可解释的。例如，决策树和线性回归等模型通常被认为是白箱模型，因为我们可以清晰地看到每个变量是如何影响输出的。
3.  灰箱模型（Grey-box Model）: 灰箱模型则介于这两者之间。它既包含一些可以理解和解释的元素，也包含一些不太透明的部分。这种模型通常用于在保持一定的性能水平的同时，提供一定程度的可解释性。在实际应用中，灰箱模型可以是混合了白箱和黑箱元素的模型，或者是一种具有中等可解释性的模型。
灰箱模型在很多应用领域都很有价值，特别是在那些既需要高性能又需要一定程度的可解释性的场合。例如，在医疗诊断、金融风险评估等领域，灰箱模型可以提供足够的性能，同时还能让决策者理解模型的输出是如何得出的。
总的来说，灰箱模型是一种权衡解决方案，旨在在可解释性和性能之间找到平衡。”

基于所获中国科技部“先进计算与新兴软件”国家重点研发“高能效感算一体芯片与系统”、“计算机自动设计技术及应用”高端外专、国家基金委“可解释、可通用的下一代人工智能方法重大研究计划”培育等项目，人工智能工业创新研究中心研究下一代、可解释的人工智能灰箱模型，研究方向交叉人工智能、自动控制、电路系统、工业设计等领域，课题包括计算人工智能和计算创造力的理论和算法，及其计算机自动设计（CAutoD）的多学科应用，比如协助自动及智能控制系统、电子线路及芯片IP模块的设计与创新、工业设计与创新创造、CAD软件工程及动态建模、机电系统及智能制造等领域的脑力劳动。所有可以利用仿真来进行辅助设计的行业和“卡脖子”技术均可应用CAutoD来提升其设计能力和效率，使设计性能超越人类专家30%以上，设计时间缩短五倍以上。

CAutoD的先行者是CAD（计算机辅助设计）和EDA（电子自动设计）。计算AI技术将CAD提升至CAutoD，从而能超越人类在CAD/EDA上的探索力和创造力、突破工程师的脑力和时间限制，其核心技术是进化和遗传计算、演化学习、模糊学习、神经网络及其自适应拓扑、主动学习、强化学习、迁移学习等，我们对此已有30年的研究积累。

i4AI中心研究用AI的方式来超越人类的探索力、想象力、创造力，像不基于人类经验的AlphaGo Zero超越基于围棋专家的AlphaGo那样，
0.  进行计算机自动设计（包括下一代、可解释的AI基础），及工业应用：
1.  智能系统（即看、即学、即调）和自主决策控制（即看即控）；
2.  通信系统及通信理论；
3.  集成电路设计（优化和发明新电路、IP模块及感存算一体AI芯片）；
4.  电磁仿真及其智能优化和设计；
5.  工业设计及其全局优化。
所有可以利用仿真的行业均可使用AI，包括电子信息、新能源、电动汽车、自动驾驶、智能控制、建模仿真、建筑设计、生活居家、医疗健康、机器人、装备制造、输电网络等行业。。。

•  华为技术
•  中国电子集团
•  浩勉（深圳）新能源
•  深圳市九天睿芯科技
•  深圳市英维克科技
•  华大九天
•  银星智能
•  昇生微电子
•  振华微电子
•  卡莱特云科技

人工智能可提高芯片设计速度超28倍 - 《Nature》editorial, 09 June 2021:

"Although fabrication of the chips is largely automated, the design still relies on manual processes. Engineers and designers use computer-aided design software, but it can still take them weeks or months to work out how to fit all the components into the available space. Google’s researchers have now shown that the process can be completed in less than a day by using artificial intelligence (AI)"…