Machine Learning & Détection de bugs : un duo prometteur ? |
————— 24 Juillet 2017 à 09h05 —— 12370 vues
Machine Learning & Détection de bugs : un duo prometteur ? |
————— 24 Juillet 2017 à 09h05 —— 12370 vues
Améliorer la conception de ses puces via une batterie de tests élaborée par un programme, tel fut le but d'ARM qui ne manque décidément pas d'idées lors du lancement de son projet il y a deux ans. Et quand on parle d'élaboration des tests par le programme, cela signifie bien que l'homme n'y a plus son mot à dire.
Comment cela ? Via le Machine Learning (ML ou "apprentissage automatique" dans notre belle langue de Molière), un domaine de l'algorithmique très à la mode dans la recherche actuelle consistant à l'étude des algorithmes s'améliorant par eux-même, citons par exemple les réseaux de neurones. Ces programmes sont très utilisés dans le domaine du Big Data, et lorsqu'on voit qu'un Snapdragon 835 sera composé de 6 milliards de transistors, on comprend vite pourquoi l'humain jette l'éponge. D'ailleurs, cela ne serait pas une mauvaise chose que d'autres constructeurs s'en inspirent au vu des bugs actuels si la technologie fait ses preuves.
Dieu me débranche ! Des machines qui créent des machines !
D'après les premiers résultats, son utilisation permettrait d'augmenter de manière significative l'efficacité des tests au niveau des transferts entre registres (RTL) : la boule de cristal électronique programmée par des chercheurs de l'université de Californie en collaboration avec Freescale trouvait 310 tests là ou les humains en avait prévus 6010... De quoi faire réfléchir sur notre supériorité ! Cependant le ML ne permet que de reproduire ou sélectionner à partir de données préliminaires, l'homme est donc nécessaire pour fournir un set d'apprentissage, qui dépend (entre autre) du processus de gravure utilisé. En bref, il nous reste encore du pain sur la planche niveau créativité.
L'apprentissage automatique peut également être utilisé pour prédire la position optimale des entrées/sorties des systèmes multi-puces afin d'en réduire au maximum les interférences. Théoriquement, le ML donne une solution approchée - bien que très proche - du système idéal : il est donc inutilisable pour une conception de A à Z, mais sert plus de "correcteur orthographique" dans ce domaine. Pas de construction autonome à l'horizon donc ! (source : newselectronics.co.uk)