Image par Gordon Johnson de PixabayLes améliorations liées à la loi de Moore en matière de densité et de coût des transistors ralentissent. Dans le même temps, le coût de la conception des puces et des usines qui les gravent est également en hausse. Toute économie sur l’un de ces fronts sera la bienvenue pour que l’innovation informatique continue à progresser. L’une des frontières prometteuses de la recherche actuelle dans le domaine de la conception des puces est l’utilisation de techniques d’apprentissage automatique pour faciliter certaines tâches du processus de conception.
Il s’avère que Google ne s’intéresse pas seulement aux moteurs de calcul, puisqu’il est l’un des plus grands consommateurs de CPU et de GPU au monde et qu’il est également le concepteur de TPU allant de la périphérie au centre de données pour l’inférence et la formation à l’apprentissage machine. Il ne s’agit donc pas d’un simple exercice académique pour le géant des moteurs de recherche ; en particulier s’il a l’intention de continuer à faire avancer sa feuille de route en matière de TPU et s’il décide, comme son rival Amazon Web Services, de commencer à concevoir ses propres puces de serveur ARM sur mesure ou s’il décide de faire des puces ARM sur mesure pour ses téléphones et autres appareils grand public.
Il y a quelques défis à relever pour y parvenir. Tout d’abord, les jeux d’échecs et de Go ont tous deux un seul objectif, qui est de gagner la partie et de ne pas la perdre. (Ce sont les deux faces d’une même pièce.) Avec le placement des blocs IP sur un ASIC et le routage entre eux, il n’y a pas de simple victoire ou de simple défaite et il y a de nombreux objectifs qui vous intéressent, comme la zone, le timing, l’encombrement, les règles de conception, etc. Enfin, la véritable fonction de récompense qui dirige le placement des blocs IP, qui fonctionne dans les outils de l’AED, prend de nombreuses heures à exécuter.
La suite ici (Timothy Prickett Morgan)
