Google utilise l’intelligence artificielle pour concevoir des puces qui accéléreront l’intelligence artificielle

Les armoires de serveurs avec les TPU utilisés dans les matchs AlphaGo correspondent à ceux de Lee Sedol.

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.

Tétris 3D : Le placement des puces, également connu sous le nom de « chip floor planning« , est un problème de conception tridimensionnelle complexe. Il 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 fil utilisée 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 temporel : En raison de l’investissement en temps nécessaire à la conception de chaque puce, les puces sont traditionnellement censées durer entre deux et cinq ans. Mais comme les algorithmes d’apprentissage des machines ont rapidement progressé, le besoin de nouvelles architectures de puces s’est également accéléré. Ces dernières années, plusieurs algorithmes d’optimisation de la planification des puces ont cherché à accélérer le processus de conception, mais ils ont été limités dans leur capacité d’optimisation pour de multiples objectifs, notamment la consommation d’énergie, les performances de calcul et la surface de la puce.

Conception intelligente : En réponse à ces défis, les chercheurs de Google Anna Goldie et Azalia Mirhoseini ont adopté une nouvelle approche : l’apprentissage par renforcement. Les algorithmes d’apprentissage par renforcement utilisent des réactions positives et négatives pour apprendre des tâches complexes. Les chercheurs ont donc conçu ce que l’on appelle une « fonction de récompense » pour punir et récompenser l’algorithme en fonction de la performance 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 à l’aide du logiciel d’automatisation de la conception électronique, les chercheurs ont constaté que de nombreux plans de l’algorithme étaient plus performants que ceux conçus par des ingénieurs humains. L’algorithme a également appris de nouvelles astuces à ses homologues humains, ont déclaré les chercheurs.

Chaîne 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 accélère le processus de conception des puces et conduise à une nouvelle génération d’architectures améliorées, ce qui accélérera à son tour les progrès de l’IA.

Via TechReview

Publicités

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.