Google utilise l'IA pour concevoir des puces qui accéléreront l'IA

Catégorie: Intelligence artificielle Posté 27 mars

Un nouvel algorithme d'apprentissage par renforcement a appris à optimiser le placement des composants sur une puce informatique pour la rendre plus efficace et moins gourmande en énergie.

Tetris 3D : Le placement des copeaux, également connu sous le nom de planification du plancher de copeaux, est un problème de conception tridimensionnel complexe. Cela nécessite la configuration minutieuse de centaines, parfois de milliers, de composants sur plusieurs couches dans une zone restreinte. Traditionnellement, les ingénieurs conçoivent manuellement des configurations qui minimisent la quantité de fils utilisés entre les composants comme indicateur d'efficacité. Ils utilisent ensuite un logiciel d'automatisation de la conception électronique pour simuler et vérifier leurs performances, ce qui peut prendre jusqu'à 30 heures pour un seul plan d'étage.

Décalage horaire: En raison du temps investi dans la conception de chaque puce, les puces sont traditionnellement censées durer entre deux et cinq ans. Mais à mesure que les algorithmes d'apprentissage automatique ont rapidement progressé, le besoin de nouvelles architectures de puces s'est également accéléré. Ces dernières années, plusieurs algorithmes d'optimisation de la planification du plancher de puces ont cherché à accélérer le processus de conception, mais ils ont été limités dans leur capacité à optimiser plusieurs objectifs, notamment la consommation d'énergie de la puce, les performances de calcul et la surface.

Design intelligent: En réponse à ces défis, les chercheuses de Google Anna Goldie et Azalia Mirhoseini a adopté une nouvelle approche : apprentissage par renforcement. Les algorithmes d'apprentissage par renforcement utilisent des rétroactions positives et négatives pour apprendre des tâches complexes. Les chercheurs ont donc conçu ce qu'on appelle une fonction de récompense pour punir et récompenser l'algorithme en fonction des performances de ses conceptions. L'algorithme a ensuite produit des dizaines à des centaines de milliers de nouveaux modèles, chacun en une fraction de seconde, et les a évalués à l'aide de la fonction de récompense. Au fil du temps, il a convergé vers une stratégie finale pour placer les composants de la puce de manière optimale.

Validation: Après avoir vérifié les conceptions avec le logiciel d'automatisation de la conception électronique, les chercheurs ont constaté que de nombreux plans d'étage de l'algorithme fonctionnaient mieux que ceux conçus par des ingénieurs humains. Il a également enseigné à ses homologues humains de nouvelles astuces, ont déclaré les chercheurs.

Ligne de production: Tout au long de l'histoire du domaine, les progrès de l'IA ont été étroitement liés aux progrès de la conception des puces. L'espoir est que cet algorithme accélérera le processus de conception de puces et conduira à une nouvelle génération d'architectures améliorées, accélérant ainsi les progrès de l'IA.

Pour recevoir plus d'histoires comme celle-ci directement dans votre boîte de réception, inscrivez-vous à notre newsletter AI nominée par Webby, The Algorithm. C'est gratuit.