Nolan Mariotte
Nous apprenons aujourd’hui que la puce graphique NVIDIA Hopper, qui est la puce d’intelligence artificielle (IA) la plus rapide au monde, a été créée avec l’aide de l’IA elle-même. La société elle-même a révélé l’information sur son blog de développeurs, en rappelant les avantages et la manière dont elle a exploité ses capacités d’IA pour concevoir son plus grand GPU à ce jour, le NVIDIA H100.
Les GPU de NVIDIA sont pour la plupart conçus avec les derniers outils d’automatisation de la conception électronique (EDA), a-t-elle révélé, mais avec l’aide de l’IA, qui utilise la méthodologie PrefixRL, une optimisation des circuits préfixes parallèles par apprentissage par renforcement profond, la société peut concevoir des puces plus petites, plus rapides et plus économes en énergie, tout en offrant de meilleures performances.
“Avec le ralentissement de la loi de Moore, il est de plus en plus important de développer d’autres techniques qui améliorent les performances d’une puce dans le même processus de fabrication. Notre approche utilise l’IA pour concevoir des circuits plus petits, plus rapides et plus efficaces, qui offrent plus de performances à chaque génération de puces”, a révélé l’entreprise sur son blog officiel.
“Les chipsets arithmétiques de grande taille ont permis aux GPU NVIDIA d’atteindre une accélération sans précédent pour l’IA, le calcul haute performance et l’infographie. Par conséquent, l’amélioration de la conception de ces circuits arithmétiques serait essentielle pour améliorer les performances et l’efficacité des GPU.
27/04/2025 à 00:52
Et si l’IA pouvait apprendre à concevoir ces circuits ? Dans “PrefixRL : Optimising parallel prefix circuits using deep reinforcement learning”, nous montrons que non seulement l’IA peut apprendre à concevoir ces circuits à partir de zéro, mais que les circuits conçus par l’IA sont plus petits et plus rapides que ceux conçus par les outils d’automatisation de la conception électronique (EDA) de pointe. La dernière architecture GPU NVIDIA Hopper possède près de 13 000 instances de circuits conçus par l’IA.
Pour information, la conception de ces quelque 13 000 circuits assistés par l’IA représente une réduction de 25 % de l’encombrement par rapport aux outils EDA. Cependant, l’utilisation de PrefixRL est gourmande en calculs, car elle nécessite 256 CPU et plus de 32 000 heures GPU pour simuler physiquement chaque GPU.
Pour éliminer ce goulot d’étranglement, NVIDIA a développé Raptor, une plate-forme propriétaire d’apprentissage par renforcement distribué qui tire un avantage particulier du matériel NVIDIA pour l’apprentissage par renforcement industriel.
