L'implantation de puces électroniques est une opération complexe qui suppose d'associer plusieurs centaines, parfois milliers, de composants dans un espace restreint.
Traditionnellement, les ingénieurs chargés de ces manipulations cherchent à réduire la quantité de fil utilisée pour relier les composants entre eux, puis testent leur travail grâce à des logiciels d'automation de conception électronique.
En tout et pour tout, le procédé d'implantation peut prendre jusqu'à une trentaine d'heures pour la réalisation d'un seul floor plan («plan d'étage») d'un circuit intégré, lequel constitue la représentation schématique du principe de placement de ses principaux blocs fonctionnels.
Étant donné l'investissement demandé, les puces ont d'ordinaire une durée de vie oscillant de deux à cinq ans. Mais avec le développement du machine learning, la demande pour la conception de nouveaux circuits s'est fortement accrue.
Apprentissage par renforcement
Dans un souci d'optimisation et de gain de temps, plusieurs algorithmes ont d'ores et déjà été mis au point. Ils ont néanmoins encore du mal à naviguer entre plusieurs paramètres tels que la consommation énergétique de la puce, sa puissance de calcul et sa zone d'implantation.
Pour résoudre ce problème, Anna Goldie et Azalia Mirhoseini, deux chercheuses chez Google, proposent une nouvelle approche basée sur la technique de l'apprentissage par renforcement.
Utilisée dans le développement des intelligences artificielles, cette méthode repose sur un système de punitions/récompenses, grâce auquel l'algorithme finit par apprendre de ses propres erreurs et devient capable de répondre à des tâches toujours plus complexes.
Après moult tests et vérifications, Goldie et Mirhoseini ont pu affirmer sans l'ombre d'un doute que l'algorithme se révélait bien meilleur que les ingénieurs de chair et d'os pour déterminer la manière la plus efficace d'agencer les composants électroniques, allant même jusqu'à apprendre quelques trucs et astuces auxquels le cerveau humain n'avait pas pensé. Ainsi a été conçu grâce à l'IA un processeur qui rendra peut-être les IA plus fortes.
