Thèse Conception de Circuits Analogiques Pilotée par l'IA H/F

Doctorat.Gouv.Fr

Établissement : Institut Polytechnique de Paris Télécom Paris École doctorale : Ecole Doctorale de l'Institut Polytechnique de Paris Laboratoire de recherche : Laboratoire de Traitement et Communication de l'Information Direction de la thèse : Patricia DESGREYS ORCID 0000000188195532 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-06-30T23:59:59 L'apprentissage automatique a suscité un vif intérêt ces dernières années et pourrait s'avérer très utile pour la conception de circuits intégrés AMS. L'apprentissage supervisé a démontré d'excellents résultats en reconnaissance d'images et de langages, mais son application à la conception de circuits intégrés reste discutable. En effet, il nécessite un vaste ensemble de données. La lenteur des simulations, combinée au caractère propriétaire de nombreuses propriétés intellectuelles AMS, rend la création d'un tel ensemble de données difficilement envisageable. Cette méthode peut néanmoins être utilisée pour des circuits simples comportant moins de 10 transistors [1][2].

L'apprentissage par renforcement est une forme d'apprentissage automatique qui ne requiert pas d'ensemble de données. Il repose sur un agent dont les actions sont déterminées par une récompense cumulative. Après chaque action, une récompense est calculée en fonction de l'observation des conséquences de cette action. L'agent utilise ensuite cette récompense pour décider de son action suivante. Cette méthode est employée dans [3] pour la conception de l'amplificateur de transimpédance à trois étages présenté sur la figure 1. Le graphique illustre l'évolution du score au fil du temps (en heures) par rapport à d'autres solutions. La méthode aléatoire consiste à choisir les paramètres de manière aléatoire, et l'optimisation bayésienne (BO) repose sur un algorithme d'optimisation bayésienne appelé MACE [4]. Le score obtenu est un indicateur de performance prenant en compte les spécifications (bande passante et gain) et la contrainte d'optimisation (puissance, surface de la porte logique). La solution proposée surpasse celle d'un expert humain tout en ne nécessitant qu'environ 40 heures de calcul. Cette technique prometteuse mérite d'être approfondie.
Les méthodes d'apprentissage automatique ne sont pas les seules à faciliter la conception de circuits intégrés AMS. Les solutions existantes comprennent des techniques basées sur les connaissances, les algorithmes génétiques, les équations, l'intelligence collective particulaire ou le recuit simulé. Ce projet vise à dresser un état de l'art des méthodes existantes pour la conception de circuits intégrés et à identifier de nouvelles méthodes plus performantes. Ces méthodes devraient privilégier l'apprentissage par renforcement tout en exploitant des aspects encore inexplorés, tels que la gestion de plusieurs noeuds technologiques, la prise en compte des variations PVT ou des effets parasites liés à l'implantation. The design of analog and Analog Mixed Signal (AMS) Integrated Circuits (IC) is not an easy task. There are difficulties all along the design process. Given the required specifications the designer must first choose an adequate architecture which requires knowledge and experience. The large number of parameters of a given architecture must then be tuned. Tuning these parameters often relies on human experts and their intuition because the relationship between parameters and performance is subtle and uncertain. Optimal tuning requires many simulations which can be very slow for complex circuit. Optimizing both the architecture and the parameters is thus a very complex and time-consuming task. This could be even worse by taking the layout process into account.