胡江博士是德克萨斯农工大学电气与计算机工程系教授，他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是一类用于设计电子系统(如集成电路)的软件工具。如今，芯片的复杂性非常高，并继续以非常快的速度发展。当前用于EDA的技术是有限的，因为它们不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集中在点解决方案上，旨在一次解决一个任务。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的事情，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，这更有效率，”胡说。
胡领导着一个由来自两所大学的四名教师组成的合作团队，他们拥有各自的专业知识和经验，使他们能够应对不断变化的环境和EDA技术的需求。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，以便在芯片设计中最有效地使用，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根本无法处理的领域。
合作者包括杜克大学教授Yiran Chen博士、实践副教授Michael Quinn博士和实践教授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共有50年的行业经验。
四年前，胡开始研究将机器学习整合到EDA中，并因其对许多学科和行业的影响而被吸引到这个领域。
“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，大部分都是小步骤，但这是一件大事;这是根本。”“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。”
作为这个项目的一部分，胡和他的团队还引进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，以学习并获得这一研究领域的宝贵经验。