Plusieurs chercheurs de l’université de Californie, à Berkeley, et de Google AI affirment avoir trouvé un moyen d’exploiter l’Intelligence artificielle (IA) pour concevoir plus rapidement des puces de plus en plus petites. Dans un billet de blog publié par la filiale de Google, les experts ont déclaré avoir développé un algorithme d’apprentissage profond (ou deep learning) pour y parvenir.
Un pas vers l’utilisation de l’intelligence artificielle pour l’industrie des semi-conducteurs
Tandis que le monde est en pleine pénurie de semi-conducteurs, plusieurs scientifiques tentent de réduire le temps de fabrication des puces électroniques. Le processus principalement pratiqué par les géants des semi-conducteurs comporte jusqu’à 1 400 étapes. Il faut parfois jusqu’à 20 semaines pour fabriquer les puces les plus performantes, gravées en 5 ou 7 nanomètres, soit 10-9 m.
Inscrivez-vous à la newsletter
En vous inscrivant vous acceptez notre politique de protection des données personnelles.
L’an dernier, IBM avait franchi un cap supplémentaire en réussissant à développer une puce gravée sur 2nm. Avec une volonté de réduire la taille des puces, tout en les rendant plus performantes, les entreprises sont obligées de développer de nouvelles techniques de fabrication toujours plus perfectionnées.
Fort de son domaine de compétence, Google AI a déjà réfléchi à la conception de composants électroniques via l’IA. L’an dernier, Mountain View affirmait pouvoir développer des puces en seulement six heures grâce à l’apprentissage automatique (ou machine learning). Ce procédé vise à entraîner un modèle pour qu’il gagne en maturité et qu’il puisse reproduire correctement un procédé au nanomètre près.
Quelques mois tard, les chercheurs de la filiale de Google Amir Yazdanbakhsh et Aviral Kumar ont continué à travailler sur l’utilisation de l’IA dans les procédés de fabrication de puces. Ils ont conçu le modèle PRIME, basée sur le deep learning.
Le deep learning au centre du modèle PRIME développé par Google AI
Lors de la conception de composants électroniques, il est nécessaire d’utiliser des patrons. Ils permettent d’éviter les erreurs lors du processus de création de la puce. Le modèle PRIME permet, grâce aux données qu’on lui propose, de générer des architectures de puces électroniques sans avoir à utiliser ces patrons. Un gain de temps, utilisé pour réutiliser les données utilisées lors d’une précédente session de fabrication instantanément.
Grâce à l’approche PRIME, il est possible de concevoir des puces avec une latence jusqu’à 50 % plus faibles que des puces fabriquées traditionnellement. Image : Google IA.
À partir des données que les chercheurs lui fournissent, PRIME prend en compte à la fois les puces correctement fabriquées, celles avec les caractéristiques les plus performantes, mais aussi les imperfections, pour éviter de faire les mêmes erreurs. Les données ayant abouti à la conception d’une puce performante sont remobilisées par le modèle pour proposer une puce légèrement plus performante, ou au moins tout aussi performante.
