Apprentissage automatique pour l'automatisation de la conception électronique

La complexité croissante de la conception moderne de semi-conducteurs exige plus que des approches algorithmiques traditionnelles ; elle nécessite la puissance prédictive de l'intelligence artificielle. Ce cours vous présente l'intersection de l'apprentissage automatique (machine learning) et de l'automatisation de la conception électronique (Electronic Design Automation, EDA), vous montrant comment exploiter les données pour résoudre les défis de l'ingénierie matérielle. Vous passerez de la compréhension des flux de conception de puces de base à la mise en œuvre de modèles intelligents capables de prédire les performances et d'optimiser les tracés (layouts). À la fin de ce cours, vous serez capable d'identifier où l'apprentissage automatique s'intègre dans le cycle de vie VLSI et d'appliquer des algorithmes spécifiques pour améliorer l'efficacité de la conception. Vous acquerrez une compréhension claire de la manière de transformer les données matérielles brutes en informations exploitables pour un développement de puces plus rapide et plus précis. Ce que vous apprendrez : - Comprendre les catégories fondamentales de l'apprentissage automatique pertinentes pour la CAO (CAD) et l'EDA. - Appliquer des modèles de régression pour estimer des paramètres physiques comme la résistance et la capacitance. - Effectuer une analyse exploratoire des données et une normalisation sur des ensembles de données spécifiques au matériel. - Utiliser des techniques de réduction de dimensionnalité pour gérer efficacement les données de conception à grande échelle. - S'exercer à construire des classificateurs linéaires et des modèles de régression logistique pour l'optimisation de la conception. - Explorer les tendances modernes en matière de synthèse pilotée par l'IA et de vérification automatisée des tracés (layout). Le cours commence par des définitions fondamentales de l'apprentissage automatique et de la conception électronique avant de passer à la préparation pratique des données et aux techniques d'apprentissage supervisé. Vous lirez des explications détaillées sur la manière dont ces modèles mathématiques sont appliqués aux nœuds technologiques et aux contraintes de conception du monde réel. Ce cours est conçu pour les débutants, que ce soit dans les domaines du matériel (hardware) ou du logiciel (software), qui souhaitent comprendre la synergie entre ML et EDA. Aucune expérience préalable en apprentissage automatique n'est nécessaire. Commencez dès aujourd'hui à apprendre comment construire la prochaine génération d'outils de conception intelligents.