L’IA n’assiste pas seulement et n’accélère pas la conception des puces : elle est également essentielle à la construction des processeurs que nous utilisons aujourd’hui

L’intelligence humaine et notre sagesse collective sont déjà en train de devenir des facteurs limitants dans l’essor de l’IA. En effet, la seule solution intelligente à ce stade semble être de laisser les IA concevoir elles-mêmes leur futur matériel, jusqu’au niveau de la puce électronique.

L’intelligence artificielle a déjà permis de nouvelles avancées technologiques et de nouveaux progrès dans des domaines difficiles ces derniers temps, de l’accélération de la recherche sur les énergies renouvelables à la détection précise du cancer . Ainsi, lorsque de la conférence WCIT en Arménie le mois dernier , une conférence sur la manière dont l’intelligence artificielle assiste la conception des puces a retenu l’attention.

Répondre à la demande mondiale croissante en capacités informatiques est une tâche ardue. Les processeurs de votre téléphone, de votre ordinateur portable et de votre voiture sont déjà infinitésimalement minuscules et suffisamment rapides pour exécuter avec précision des milliards d’instructions par seconde. Et pourtant, nous voulons que les derniers gadgets soient plus performants et plus rapides que les modèles de l’année dernière, chaque année.

À quoi cela ressemble-t-il sur un processeur ? Songez que nous sommes passés de 21 millions de transistors sur le processeur Gekko de la Nintendo GameCube en 2001 à 50 milliards de transistors sur une puce de la taille d’un ongle en 2021. Même si nous nous tenons certainement sur les épaules de géants, les puces d’aujourd’hui sont bien plus complexes à concevoir et à fabriquer que celles des décennies précédentes.

Comment sont fabriquées les puces électroniques ? 🖥️🛠️ Étapes du processus de fabrication du processeur

Nous avons également besoin de puces spécialisées. Par exemple, les ordinateurs portables et les serveurs cloud sont équipés d’unités de traitement neuronal (NPU) conçues pour exécuter efficacement les tâches d’apprentissage automatique . Il existe également des puces 3D , qui sont essentiellement des combinaisons de puces empilées pour des performances accrues.

Tous ces composants complexes nécessitent des conceptions plus précises que celles que nous pouvons concevoir avec des algorithmes conventionnels. Et c’est là que l’IA entre en jeu.

L’IA accélère et optimise la tâche gigantesque de conception des puces de plusieurs façons. Pour les fabricants de processeurs, la conception assistée par l’IA signifie qu’ils peuvent créer des puces nettement meilleures, avec beaucoup moins d’ingénieurs qu’auparavant et des délais d’exécution beaucoup plus rapides.

Lors de la conférence WCIT, j’ai discuté avec le Dr Yervant Zorian, architecte en chef chez Synopsys et président de Synopsys Armenia. Cela a piqué la curiosité de l’assistance fascinée par la technologie extraordinaire qui alimentera les futures générations d’IA.

Dr. Yervant Zorian s’exprimant lors de la conférence WCIT 2024 à Erevan, en Arménie

Mais d’abord, parlons de l’EDA

La conception de puces est rendue possible grâce à une catégorie de logiciels, de matériels et de services connus collectivement sous le nom d’automatisation de la conception électronique (EDA : Electronic Design Automation). Ceux-ci permettent aux ingénieurs de définir les spécifications d’une puce et ses fonctions, de la concevoir, de planifier son assemblage, de vérifier qu’elle fonctionnera correctement une fois fabriquée et de la mettre en production.

Les outils EDA offrent des outils de simulation de puissance, permettant aux concepteurs d’essayer différentes idées virtuellement tout en optimisant les performances élevées du processeur, la faible consommation d’énergie et la dissipation thermique idéale.

Ils aident également une fois qu’une puce a été prototypée, en vérifiant les performances et la fiabilité afin que le processus de fabrication complexe et coûteux fournisse un rendement de puces fonctionnelles aussi élevé que possible.

Les outils EDA de Synopsys pour la conception de puces sont utilisés par Intel, AMD, Nvidia, pour n’en citer que quelques-uns

Il existe de nombreuses entreprises qui fabriquent des outils EDA, notamment Autodesk, Keysight Technologies, Cadence Design Systems et Synopsys. Les deux derniers sont sans doute les plus grands acteurs dans ce domaine. Pour rappel, les outils de Synopsys sont utilisés par des sociétés comme Tesla, Arm, AMD, Microsoft, Intel, Samsung et TSMC.

À quel point la conception d’une puce peut-elle être complexe ?

Vous avez probablement entendu parler de la loi de Moore. Il s’agit plus d’une observation que d’une loi , formulée par le cofondateur d’Intel, le Dr Gordon Moore, en 1965. Il a déclaré que les fabricants de semi-conducteurs pourraient doubler le nombre de composants discrets sur un pouce carré de silicium tous les 12 mois.

De nos jours, nous jouons avec cette prétendue loi, qui a été reformulée de manière à ce que la puissance de calcul des processeurs double tous les 18 à 24 mois.

Il était peut-être plus simple de doubler le nombre de transistors dans les années 60 et 70 qu’aujourd’hui. En effet, comme vous vous en souvenez, nous pouvons actuellement intégrer plusieurs milliards de transistors nanométriques sur une seule puce minuscule. Ces transistors sont désormais si petits qu’ils commencent à atteindre des limites physiques ; les électrons cessent de se comporter correctement dans ces conceptions nanométriques et commencent à « creuser un tunnel » à travers les barrières en raison des effets quantiques, ce qui affecte la précision et l’efficacité des calculs. Il devient donc très, très difficile de les rendre plus petits.

Pourquoi est-ce si difficile de concevoir des puces ?

La demande en puissance de calcul augmentant, les puces deviennent de plus en plus grandes et complexes pour répondre à ces besoins. Par exemple, la fabrication de puces plus petites, comme les futurs processeurs 2 nm et les circuits intégrés 3D empilés verticalement, rend le processus de conception plus difficile et plus long. Les puces plus grandes nécessitent également plus de puissance.

Un rendu des couches les plus basses d’une puce de test de 2 nm d’IBM, montrant les rangées de sa percée en nanofeuilles

Les progrès de la technologie de fabrication des puces électroniques ont donné naissance à de nouvelles règles de conception pour la production de puces . Ces règles font référence à un ensemble de contraintes géométriques qui garantissent la fabricabilité des puces tout en tenant compte des limites des processus de fabrication.

Cela signifie que les concepteurs de puces doivent constamment se recycler et mettre à jour leurs connaissances pour garder une longueur d’avance.

Le processus de conception est long et demande beaucoup de travail. Concevoir une puce moderne peut prendre plus de trois ans et impliquer des centaines, voire des milliers de personnes . Comme on peut s’y attendre, cela peut s’avérer extrêmement coûteux et il n’y a aucune marge d’erreur.

3 façons dont l’IA aide à la conception des puces

1) L’IA s’attaque à un grand nombre de tâches fastidieuses

Les puces que vous voyez aujourd’hui n’auraient pas pu être conçues sans l’IA quelque part dans le mélange.

L’intelligence artificielle intervient depuis des années dans différentes étapes du processus de conception des puces, depuis au moins 2016, selon Synopsys. Cela s’explique par la complexité croissante de nos besoins informatiques, ainsi que par nos exigences en matière d’efficacité et de format compact.

Tout cela revient à intégrer beaucoup plus de transistors sur les puces que les années précédentes, à veiller à ce qu’ils ne surchauffent pas et à ce qu’ils fonctionnent de manière fiable lorsqu’ils sont fabriqués selon cette conception. L’IA s’est avérée efficace pour résoudre ces problèmes suffisamment rapidement pour que les fabricants puissent commercialiser leurs produits à temps.

Synopsys propose aux fabricants de puces une suite d’outils EDA pilotés par l’IA. Ces produits couvrent pratiquement toutes les facettes du processus de conception des puces, y compris les tâches complexes telles que la définition de l’architecture du système, la mise en œuvre de la conception, la vérification et la fabrication. Ils peuvent également prendre en charge des tâches répétitives et chronophages telles que la simulation, et les exécuter plus rapidement et avec une grande précision.

En 2021, nous avons vu la première puce commerciale conçue avec l’IA de Samsung . Et l’année dernière, Stelios Diamantidis, architecte distingué et directeur du centre d’excellence en IA générative de Synopsys, a déclaré : « Plus de 300 puces commerciales conçues avec la technologie d’IA de Synopsys sont désormais en production. »

2) L’IA conçoit des puces spécialisées et optimise les configurations complexes

Dans la conception de puces, l’apprentissage par renforcement est le fondement de l’IA qui assiste les concepteurs dans leur travail.

Ici, un modèle d’IA utilise un processus d’apprentissage par essais et erreurs pour prendre des décisions afin d’obtenir les résultats les plus optimaux dans un scénario donné.

Actuellement, l’IA est particulièrement efficace pour aider à :

• Optimisation de l’espace de conception (pour garantir des performances et une fréquence d’horloge élevées, une utilisation efficace de l’espace sur la puce et une consommation d’énergie dynamique).
• Analyse de données pour un meilleur rendement (ce qui signifie une plus grande efficacité de fabrication).

Prenons un exemple marquant pour mieux comprendre. En 2020, les chercheurs de Google DeepMind ont présenté un article décrivant comment leur architecture neuronale open source, AlphaChip, pourrait s’attaquer à la tâche difficile du placement des puces . Construite à l’aide de l’apprentissage par renforcement à partir de conceptions précédentes, elle a réduit le temps nécessaire aux concepteurs humains pour créer des agencements de puces de plusieurs semaines à quelques heures seulement.

En gros, les modèles d’IA sont « pré-entraînés » sur des tâches de conception de puces de base, comme le placement de composants de circuit sur un circuit imprimé. Ensuite, ils sont amenés à connecter ces composants entre eux et à comprendre les relations entre eux.

La méthode d’IA AlphaChip a permis de créer des configurations de puces surhumaines qui sont utilisées dans une gamme de produits matériels (Google)

Dans le cas d’AlphaChip, le système s’entraîne d’abord sur une variété de blocs de puces différents des générations précédentes avant de pouvoir prendre en charge des configurations de puces plus complexes. Il s’améliore et devient plus rapide à chaque fois qu’il termine une conception.

Suite à un addendum à ce document publié en septembre, l’équipe a noté qu’AlphaChip a généré des conceptions de puces « surhumaines » utilisées dans chaque itération des unités de traitement tensoriel (TPU) de Google depuis 2020. Ce sont les puces qui alimentent de nombreux modèles d’IA populaires de Google, y compris son rival ChatGPT, Gemini .

Les différentes parties d’une puce Google Tensor

3) Il existe même un ChatGPT pour la conception de puces

Vous connaissez probablement l’IA générative (genAI), qui fait référence aux systèmes d’intelligence artificielle capables de créer de nouveaux contenus (comme du texte, des images, du code ou de la musique) en apprenant des modèles à partir de données existantes, comme ChatGPT et Midjourney. Cette technologie a également commencé à jouer un rôle dans la conception des puces.

Elle en est actuellement à ses débuts dans le secteur des semi-conducteurs. La technologie genAI de Synopsys, par exemple, agit comme un système de recherche de connaissances. Elle répond aux questions des concepteurs sur les outils EDA et leur projet en cours, et fournit des informations basées sur la bibliothèque de ressources de Synopsys.

GenAI est particulièrement utile dans la conception de puces, car il s’agit d’un domaine très complexe. Dans un épisode récent du podcast How AI Happens de Sama , Thomas Andersen, vice-président de l’IA et du ML chez Synopsys, a décrit comment un chatbot peut rapidement parcourir une longue liste de spécifications s’étendant sur environ 100 pages et la résumer afin qu’elle soit facile à aborder pour un concepteur. Il peut également extraire des éléments importants comme les contraintes de vérification et aider à l’optimisation du code.

Au fil du temps, ces outils apprendront des flux de travail des utilisateurs et fourniront des conseils et des recommandations plus prescriptifs.

Décrivant certains des premiers résultats de la démonstration du copilote basé sur genAI de Synopsys avec ses clients, Andersen a déclaré :

« Nous constatons une amélioration de la productivité de l’ordre de 30 à 50 %. En fait, une citation dit que les ingénieurs juniors fonctionnent désormais au niveau d’ingénieurs experts. Et c’est exactement ce que nous voulons. Vous donnez le pouvoir à tout le monde. Et les réponses sont bien plus rapides, bien sûr, que de devoir demander à quelqu’un ou de consulter une documentation pour y trouver une réponse. »

L’étape suivante consiste à développer et à affiner des systèmes d’agents capables d’aller au-delà de la génération de contenu et d’exécuter des tâches de manière autonome. Par exemple, imaginons qu’un concepteur demande à un chatbot EDA comment résoudre un problème donné. Un système genAI décrirait simplement une solution potentielle. Un système d’agents, en revanche, se lancerait dans le travail ; il exécuterait un test ou une simulation, identifierait le problème, corrigerait la conception pour le résoudre et exécuterait son propre programme de test complet avant de le présenter au concepteur.

Où cela laisse-t-il les concepteurs de puces humaines ?

Le Dr Zorian explique à quel point l’expérience de débuter en tant que concepteur de puces a fondamentalement changé ces dernières années.

« Il y a tellement de connaissances et d’aide qui vous sont fournies », dit-il, « qu’il y a beaucoup de choses que vous n’avez pas besoin de faire vous-même.

« Il faut donc savoir déléguer. Il faut savoir quoi déléguer à genAI et quoi faire soi-même. Aujourd’hui, nous formons nos collaborateurs à savoir comment déléguer et à quoi s’attendre de la part de genAI. »

Le Dr Zorian souligne également que lorsque l’IA est disponible pour prendre en charge des tâches répétitives, la créativité, la résolution de problèmes et la réflexion globale latérale deviennent les éléments de plus grande valeur que les humains peuvent apporter.

« À mesure que nous avançons, nous avons besoin de nouvelles architectures », dit-il, « ou d’innovations au niveau de l’architecture. Nous avons besoin d’un nouveau partitionnement. Pensez aux processeurs d’une voiture. Comment partitionnez-vous vos puces dans une voiture ? Il y a plusieurs années, nous avions 200 puces dans un seul véhicule. Puis, nous sommes passés à l’architecture zonale. Maintenant, nous faisons tout cela avec une seule puce. »

« Ce sont des décisions architecturales importantes que genAI ne suggérera pas. De grandes décisions comme celles-ci seront toujours prises par des experts humains. »

Où allons-nous à partir d’ici ?

Mais pourquoi nous ne pourrions pas simplement demander à un système d’IA de concevoir de « meilleures » puces pour nous – de créer des conceptions plus efficaces, plus fraîches et offrant plus de performances que jamais auparavant.

Le Dr Zorian explique que la principale limitation réside dans la disponibilité des données. Chaque entreprise qui utilise les outils d’IA générative de Synopsys les forme uniquement sur sa propre conception de puce et sur sa propriété intellectuelle exclusive. Intel ne peut pas demander à son robot IA comment AMD a résolu un problème de conception particulier, et vice versa.

Les outils à disposition de chaque entreprise peuvent référencer du matériel open source – mais compte tenu de la complexité des problèmes dans ce domaine, cela ne suffit actuellement pas à aider une entreprise à concevoir des puces qui ont des années-lumière d’avance sur la concurrence.

Alors, quel sera l’impact de l’IA sur la conception des puces dans un avenir proche ?

Synopsys estime que l’IA continuera d’améliorer la productivité de l’ingénierie et aidera les entreprises à faire face au double défi de la demande croissante de puces puissantes et de la pénurie d’ingénieurs qualifiés.

L’IA aidera également les ingénieurs à explorer plus rapidement les options de conception et à prendre de meilleures décisions, ce qui se traduira par des puces plus efficaces et plus efficientes.

Cela pourrait également rendre la conception de puces plus accessible à un plus large éventail d’ingénieurs, démocratisant ce domaine hautement technique en automatisant de nombreuses tâches parmi les plus complexes. Cela pourrait également avoir un effet au niveau de l’entreprise, en permettant potentiellement aux petites entreprises d’entrer sur le marché et de concevoir des puces personnalisées pour des applications spécialisées.

L’émergence de la genAI dans la conception de puces en est encore à ses débuts, fonctionnant principalement comme un assistant de conception.

Nous utilisons déjà l’IA pour concevoir les puces qui l’alimentent. Ces modèles apprennent à améliorer les processeurs précédents, à identifier des moyens d’augmenter la fabricabilité et le rendement, et à aider les gens à prendre de meilleures décisions sur la manière d’affiner leurs processus de conception. Étant donné le rythme d’évolution de ces modèles, il ne faudra peut-être pas longtemps avant que des conceptions d’IA de bout en bout soient possibles. Tout ce que nous, les humains, aurions à faire, c’est de définir les paramètres cibles, d’indiquer aux IA exactement ce dont les outils de fabrication sont capables, et hop ! De nouvelles puces qui surpassent la dernière génération.

En poursuivant sur cette voie, ces processus pourraient former une boucle de renforcement clé dans l’accélération asymptotique qui nous propulse vers cette idée folle de la singularité – où l’IA construit des machines plus intelligentes que les humains, et où chaque nouvelle génération est capable de s’améliorer plus rapidement que la précédente. C’est à la fois effrayant et fascinant d’y penser.

Un jour, la frontière entre le concepteur et la boîte à outils pourrait devenir glorieusement floue, et nous créerons des paysages informatiques que nous aurons du mal à concevoir. Le processeur du futur ne sera pas seulement un outil, il sera le cocréateur des rêves technologiques les plus ambitieux de l’humanité.

https://newatlas.com/ai-humanoids/3-mind-blowing-ways-ai-chip-design-singularity