Synopsys ajoute l’IA générative à ses outils de conception

Technologies | 27 août 2023

Par A Delapalisse, Nick Flaherty

Synopsys cherche à ajouter l’IA générative à ses outils EDA afin d’améliorer la productivité dans la conception des puces.

L’entreprise utilise déjà une série de techniques d’IA dans ses outils, des réseaux neuronaux profonds (DNN) aux réseaux neuronaux récursifs (RNN). Ceux-ci sont incorporés dans les outils DSO.ai, VSI.ai et TSO.ai qui ont été utilisés pour plus d’une centaine de tapeouts de puces.

Aujourd’hui, l’entreprise s’intéresse aux technologies de réseaux de « transformers » utilisées dans l’IA générative (Gen-AI) afin d’améliorer encore les outils, explique Aart de Geus, fondateur et directeur général sortant de l’entreprise.

« Nous avons l’intention d’exploiter les capacités de l’IA générative (Gen-AI) dans Synopsys.ai. Nous pensons que cela permettra de réaliser de nouvelles avancées en matière d’assistance à la conception, d’exploration de la conception et de génération de la conception », a déclaré M. de Geus.

L’IA générative utilise des transformaters dans de grands modèles de langage LLM pour toute une série d’applications, depuis les robots de conversation tels que ChatGPT jusqu’aux outils de co-pilotage de codage. Ces outils peuvent être utilisés avec les langages de programmation pour améliorer la productivité des ingénieurs, de la recherche de bogues à l’ajout de documentation. Les outils peuvent également être utilisés pour générer du code Verilog pour la synthèse des fonctions loci, par exemple en générant automatiquement des cœurs de microcontrôleurs RISC-V avec les routines de test et de vérification associées.

Synopsys dispose d’une vaste base de données d’IP en Verilog qui peut être utilisée pour former des LLM afin d’améliorer la précision des frameworks d’IA générative pour produire des conceptions plus fiables et éviter les problèmes d' »hallucination » où les frameworks inventent des résultats.

« Sur le spectre du flux de conception, de l’optionnalité à l’optimalité, en d’autres termes, en passant de nombreuses options dans les premières architectures, à des tape-outs hautement optimisés et sans erreur, les techniques Gen-AI augmenteront l’exploration, accéléreront les choix de conception et automatiseront une partie de la génération de la conception, élargissant ainsi les dimensions de l’intelligence dans Synopsys.ai. »

Lors de la conférence Design Automation Conference (DAC) de cette année, Synopsys et Georgia Tech ont remporté le prix du meilleur article pour leurs travaux sur l’apprentissage par renforcement auto-supervisé. La recherche collaborative sur les méthodes d’optimisation simultanée de l’horloge et du chemin de données (CCD) dans la conception physique afin d’obtenir des puces à haute fréquence et à faible consommation d’énergie.

La CCD par apprentissage par renforcement (RL-CCD) est apparue comme une méthode permettant d’améliorer la qualité de la CCD en donnant la priorité aux points d’extrémité pour une optimisation utile à l’aide d’un mécanisme d’attention auto-supervisé. Les résultats expérimentaux de l’équipe sur 18 modèles industriels dans des technologies de processus de 5 à 12 nm ont démontré que le RL-CCD peut offrir une marge négative totale (TNS) jusqu’à 64 % supérieure à celle de la meilleure solution de production pour le CCD.

www.synopsys.com