L’évolution rapide de l’IA a ouvert la voie à des avancées impressionnantes dans le domaine de la conception des puces électroniques, l’approche développée par Google DeepMind en est un exemple concret. Lancée en 2020, désormais baptisée AlphaChip, elle utilise l’apprentissage par renforcement pour optimiser la disposition des composants des puces, réduisant le temps de conception de quelques mois à seulement quelques heures. DeepMind a partagé la semaine dernière sur son blog des détails supplémentaires sur ce framework open source.

AlphaChip aborde la conception des puces comme un jeu. À partir d’une grille vide, l’IA place les composants des circuits un par un, tout en respectant les contraintes de conception complexes telles que les connexions entre les composants et l’optimisation de l’espace. À chaque disposition générée, le modèle apprend et s’améliore, ce qui permet de produire des puces de plus en plus performantes. L’utilisation d’un réseau neuronal spécialisé, un graphe basé sur les bords, aide AlphaChip à comprendre les relations entre les différents blocs de puces, améliorant ainsi la qualité et la rapidité des conceptions.

Selon Deepmind, “ses dispositions sont utilisées dans les puces du monde entier, des centres de données aux téléphones mobiles”.

Depuis sa publication en 2020, il a été utilisé pour concevoir plusieurs générations des unités de traitement tensoriel (TPU), introduites en 2016 par Google Cloud pour accélérer les tâches d’IA, qui font fonctionner aujourd’hui les LLM de Google comme Gemini.

AlphaChip a non seulement optimisé la disposition des composants des TPU, rendant chaque génération plus performante que la précédente, mais a également fourni à chacune d’elle, une plus grande partie de l’ensemble de l’étage, accélérant le cycle de conception.

Crédit image : Google. Graphique à barres montrant le nombre de blocs de puces conçus par AlphaChip sur trois générations d’unités de traitement tensoriel (TPU) de Google : v5e, v5p et Trillium.

Des entreprises comme MediaTek utilisent également AlphaChip pour concevoir des puces comme la série Dimensity 5G, utilisée dans les smartphones de pointe, ce qui lui a permis d’améliorer à la fois les performances et l’efficacité énergétique de ses puces.

Vers un futur plus efficace et durable

Aujourd’hui, AlphaChip optimise non seulement la disposition des puces, mais aussi d’autres étapes du cycle de conception, comme la synthèse logique et l’optimisation des timings. Il pourrait dans le futur transformer radicalement la conception des puces pour des appareils aussi variés que les smartphones, les capteurs agricoles ou encore les équipements médicaux, en améliorant chaque étape du cycle.

DeepMind conclut :

“Les futures versions d’AlphaChip sont en cours de développement et nous sommes impatients de travailler avec la communauté pour continuer à révolutionner ce domaine et créer un avenir dans lequel les puces sont encore plus rapides, moins chères et plus économes en énergie”.

C’est avec son partenaire Google Cloud qu’InstaDeep a lancé récemment DeepPCB Pro, une version avancée de son outil de conception de circuits imprimés (PCB) basé sur le cloud et alimenté par l’IA. Cette solution innovante utilise l’apprentissage par renforcement (RL) pour automatiser, optimiser et accélérer le processus de conception des PCB de bout en bout.

Fondée à Tunis en 2014 par Karim Beguir et Zohra Slim, désormais basée à Londres, InstaDeep compte des bureaux à Paris, Tunis, Lagos, Dubaï, Le Cap, Berlin, Boston, San Francisco et un réseau mondial de partenaires de recherche dans les domaines de l’IA, du machine learning et de la science des données. Elle a été nommée trois ans de suite au classement CB Insights AI 100 des 100 entreprises privées d’IA les plus innovantes.

La start-up, qui a levé 100 millions de dollars en 2022 lors d’une série B, est un des leaders de l’IA décisionnelle, permettant aux industriels d’optimiser leur réponse à des situations complexes qui requièrent une puissance de calcul significative en un laps de temps limité (gestion de flux logistiques, transports, recherche de traitements thérapeutiques innovants…).

Relever les défis du routage traditionnel avec le RL

L’industrie de la conception de circuits imprimés est confrontée à de nombreux défis, notamment un routage complexe, des processus sujets aux erreurs et la nécessité d’un prototypage rapide.

Le routage est une étape cruciale dans la conception des PCB, permettant de définir le tracé des connexions entre les composants sur le circuit. Les routeurs de circuits imprimés traditionnels s’appuient souvent sur des heuristiques rapides mais sous-optimales, ou sur des solveurs non-évolutifs qui recommencent à zéro pour chaque nouvelle instance de conception. Ces méthodes sont efficaces pour des conceptions simples, mais ne peuvent pas évoluer pour gérer des conceptions plus complexes de manière efficace.

DeepPCB Pro adopte une approche totalement différente grâce à l’apprentissage par renforcement. Contrairement aux solutions traditionnelles, cet outil apprend continuellement de chaque instance de conception, en tirant parti des données accumulées pour fournir rapidement des solutions optimales pour le placement et le routage des composants. Les cycles de conception sont considérablement raccourcis, ce qui permet aux ingénieurs de mettre leurs produits sur le marché plus vite tout en maintenant un niveau élevé de performance.

Alors que la conception de circuits imprimés implique souvent des processus manuels et chronophages qui peuvent ralentir le développement des produits, DeepPCB Pro est une solution évolutive entièrement automatisée, construite sur l’infrastructure robuste de Google Cloud, pouvant gérer des conceptions complexes et s’adapter aux entreprises de toutes tailles.

DeepPCB Pro est proposé avec des options de tarification flexibles, y compris un essai gratuit et un système de crédits d’IA à la carte, permettant aux entreprises de tester ses capacités sans engagement.

Pour plus d’informations cliquer ici.