Des chercheurs de Princeton ont laissé une IA dessiner des puces 5G en quelques heures : les mesures ont tranché le débat

Une équipe de Princeton a confié à une intelligence artificielle un travail que seuls des ingénieurs chevronnés savaient accomplir jusqu’ici : dessiner les puces qui font fonctionner la 5G. L’expérience, publiée dans la revue Nature Communications, a de quoi bousculer les certitudes du secteur. Une fois fabriqués et testés, les circuits générés par la machine ont surpassé les meilleures puces conçues par des humains, sur plusieurs métriques à la fois, et le débat sur la capacité de l’IA à rivaliser avec des décennies d’expertise en microélectronique s’est retrouvé tranché par les mesures elles-mêmes.

Le gain de temps, lui, se passe de commentaire.

Une machine qui pense la puce comme un tout

L’équipe, dirigée par le professeur Kaushik Sengupta en partenariat avec l’Indian Institute of Technology Madras, a inversé la logique de conception classique. Les chercheurs ont développé un système d’IA qui conçoit des structures électromagnétiques et des circuits complexes en partant d’un ensemble de résultats souhaités, puis en remontant pour trouver l’architecture optimale. Un ingénieur humain, lui, construit une puce de manière incrémentale, en ajoutant des composants selon des modèles éprouvés et des règles empiriques accumulées au fil des années.

L’espace de configurations que l’algorithme explore dépasse, selon Sengupta, le nombre d’atomes présents dans l’univers.

Le résultat visuel surprend autant que le résultat mesuré. Sengupta qualifie lui-même ces structures électromagnétiques de formes aléatoires, contre-intuitives, et improbables pour un esprit humain, tandis que d’autres membres de l’équipe soulignent que l’IA a traité la conception de la puce comme un système complet plutôt que comme un assemblage de pièces séparées.

Ce que les mesures ont révélé

Une fois gravées sur silicium et passées au banc de test, les puces générées par l’algorithme n’ont pas déçu. Elles ont démontré des améliorations réelles, fonctionnant sur une plage de fréquences record couvrant toutes les bandes millimétriques de 30 à 94 GHz, tout en augmentant l’efficacité énergétique. Ces circuits peuvent être conçus pour un fonctionnement plus économe en énergie, ou pour opérer sur une gamme de fréquences bien plus large que ce qui était possible jusqu’ici avec les méthodes classiques. L’étude, publiée le 30 décembre 2024 dans Nature Communications, détaille précisément cette méthodologie où l’IA génère des structures électromagnétiques et des circuits associés à partir de paramètres de conception donnés.

Elles ont devancé les meilleures puces humaines sur plusieurs critères.

Les limites : la machine se trompe aussi

De nombreuses propositions de l’algorithme ne fonctionnent tout simplement pas une fois fabriquées, et les ingénieurs humains restent indispensables pour filtrer, valider et corriger ces suggestions. L’IA n’a donc rien d’un remplaçant autonome, plutôt d’un collaborateur imprévisible qu’il faut sans cesse surveiller.

Sengupta présente d’ailleurs ces travaux comme un outil de productivité plutôt qu’une substitution. L’esprit humain garde la main sur les décisions créatives, la machine gère la complexité calculatoire, et l’objectif n’est pas de confier entièrement la conception des puces aux machines, du moins pas encore. Sa formule, prononcée sans détour, résume le paradoxe : “Humans cannot really understand them, but they can work better”.

Un effort national désormais lancé

Ce succès initial a débouché sur quelque chose de plus vaste. Princeton dirige aujourd’hui un effort conjoint entre le gouvernement américain et l’industrie pour développer, grâce à l’IA, des semi-conducteurs avancés destinés aux réseaux sans fil de nouvelle génération, aux communications satellite, aux voitures autonomes et à la santé connectée, sous la direction de Kaushik Sengupta. Deux techniques doivent porter cette automatisation : l’apprentissage par renforcement, la même famille d’algorithmes qui a permis à une IA de dominer le jeu de Go, et les modèles de diffusion, popularisés par la conception de protéines récompensée par un prix Nobel de chimie. L’équipe élargie réunit des chercheurs de l’University of Southern California, de Drexel University et de Northeastern University, avec un comité consultatif composé de cadres de Qualcomm, Nokia Bell Labs, Ericsson, Skyworks, Texas Instruments et Maury Microwave.

Les chercheurs eux-mêmes reconnaissent qu’il faudra construire de vastes bases de données partagées et des écosystèmes ouverts pour que l’IA apprenne les comportements électromagnétiques universels. Sans cette matière première, même l’algorithme le plus habile finit par tourner en rond.

Sources : aibase.com | events.vtools.ieee.org