July 25, 2021

Besoin d’installer des milliards de transistors sur une puce ? Laissez l’IA le faire

L’intelligence artificielle est aider maintenant à concevoir des puces informatiques, y compris celles-là mêmes qui sont nécessaires pour faire fonctionner le plus puissant IA code.

L’esquisse d’une puce informatique est à la fois complexe et complexe, obligeant les concepteurs à disposer des milliards de composants sur une surface plus petite qu’un ongle. Les décisions prises à chaque étape peuvent affecter les performances et la fiabilité finales d’une puce, de sorte que les meilleurs concepteurs de puces s’appuient sur des années d’expérience et un savoir-faire durement acquis pour concevoir des circuits qui tirent les meilleures performances et efficacité énergétique des dispositifs nanoscopiques. Les efforts précédents pour automatiser la conception de puces sur plusieurs décennies ont été limités.

Mais les récents progrès de l’IA ont permis aux algorithmes d’apprendre certains des arts sombres impliqués dans la conception des puces. Cela devrait aider les entreprises à élaborer des plans plus puissants et efficaces en beaucoup moins de temps. Il est important de noter que l’approche peut également aider les ingénieurs à co-concevoir des logiciels d’IA, en expérimentant différentes modifications du code ainsi que différentes configurations de circuits pour trouver la configuration optimale des deux.

Dans le même temps, l’essor de l’IA a suscité un nouvel intérêt pour toutes sortes de nouvelles conceptions de puces. Les puces de pointe sont de plus en plus importantes dans presque tous les secteurs de l’économie, des voitures aux appareils médicaux en passant par la recherche scientifique.

Fabricants de puces, y compris Nvidia, Google, et IBM, testent tous des outils d’IA qui aident à organiser les composants et le câblage sur des puces complexes. L’approche peut bouleverser l’industrie des puces, mais elle pourrait également introduire de nouvelles complexités d’ingénierie, car le type d’algorithmes déployés peut parfois se comporter de manière imprévisible.

Chez Nvidia, chercheur principal Haoxing “Mark” Ren teste comment un concept d’IA connu sous le nom de apprentissage par renforcement peut aider à organiser les composants sur une puce et à les câbler ensemble. L’approche, qui permet à une machine d’apprendre de l’expérience et de l’expérimentation, a été la clé de certaines avancées majeures de l’IA.

Les outils d’IA que Ren teste explorent différentes conceptions de puces en simulation, entraînant un grand réseau neuronal pour reconnaître quelles décisions produisent en fin de compte une puce hautement performante. Ren dit que l’approche devrait réduire de moitié l’effort d’ingénierie nécessaire pour produire une puce tout en produisant une puce qui correspond ou dépasse les performances d’une puce conçue par l’homme.

« Vous pouvez concevoir des puces plus efficacement », explique Ren. “En outre, cela vous donne la possibilité d’explorer plus d’espace de conception, ce qui signifie que vous pouvez fabriquer de meilleures puces.”

Nvidia a commencé à fabriquer des cartes graphiques pour les joueurs, mais a rapidement vu le potentiel des mêmes puces pour une exécution puissante apprentissage automatique algorithmes, et c’est maintenant l’un des principaux fabricants de puces IA haut de gamme. Ren dit que Nvidia prévoit de commercialiser des puces conçues à l’aide de l’IA, mais a refusé de dire dans combien de temps. Dans un avenir plus lointain, dit-il, “vous verrez probablement une grande partie des puces conçues avec l’IA”.

L’apprentissage par renforcement était notamment utilisé pour entraîner les ordinateurs à jouer à des jeux complexes, y compris le jeu de société Go, avec des compétences surhumaines, sans aucune instruction explicite concernant les règles d’un jeu ou les principes de bon jeu. Il est prometteur pour diverses applications pratiques, comprenant entraîner des robots à saisir de nouveaux objets, avions de chasse volants, et négociation d’actions algorithmique.

Chanson Han, professeur adjoint de génie électrique et d’informatique au MIT, affirme que l’apprentissage par renforcement montre un potentiel important pour améliorer la conception des puces, car, comme avec un jeu comme le Go, il peut être difficile de prédire de bonnes décisions sans des années d’expérience et de pratique.

Son groupe de recherche a récemment développé un outil qui utilise l’apprentissage par renforcement pour identifier la taille optimale de différents transistors sur une puce informatique, en explorant différentes conceptions de puces en simulation. Surtout, il peut également transférer ce qu’il a appris d’un type de puce à un autre, ce qui promet de réduire le coût d’automatisation du processus. Lors d’expériences, l’outil d’IA a produit des conceptions de circuits 2,3 fois plus économes en énergie tout en générant un cinquième autant d’interférences que celles conçues par des ingénieurs humains. Les chercheurs du MIT travaillent sur des algorithmes d’IA en même temps que sur de nouvelles conceptions de puces pour tirer le meilleur parti des deux.

D’autres acteurs de l’industrie, en particulier ceux qui sont fortement investis dans le développement et l’utilisation de l’IA, cherchent également à adopter l’IA comme outil de conception de puces.

.