Solveur analogique-numérique reconfigurable et économe en énergie pour les problèmes d’optimisation NP-difficiles – AATLAS

Les problèmes d'optimisation combinatoire NP-difficiles présentent une croissance exponentielle de la complexité avec la taille du problème. Ils sont fréquemment rencontrés dans de nombreux domaines d'ingénierie, tels que la planification et l'ordonnancement, l'optimisation de la longueur des interconnexions entre composants et le partitionnement de configurations microélectroniques VLSI. AATLAS propose une approche innovante pour résoudre ces problèmes NP-difficiles, en réunissant les expertises complémentaires de 3 partenaires : IRL 2958 GeorgiaTech-CNRS (GT-CNRS), CentraleSupélec (CS), et Institut Jean Lamour (IJL).
L'objectif est de développer un solveur de problèmes d’optimisation économe en énergie, reconfigurable, évolutif et intégré, sur base de réseaux programmables hybrides analogiques/numériques. L'architecture proposée combinera : (i) des cœurs de calcul entièrement analogiques, basés sur des plates-formes de réseaux analogiques programmables (FPAA), avec (ii) des couches de pré- et post-traitement implémentées sur des réseaux numériques de type FPGA.
AATLAS mettra en œuvre 3 work packages dont les objectifs sont de:
1) Combiner les plates-formes FPAA et FPGA dans une architecture hybride économe en énergie (IJL),
2) Développer un solveur basé sur une machine de Ising ou de Hopfield exploitant cette architecture (GT-CNRS),
3) Appliquer les machines de Ising et de Hopfield à des problèmes NP-difficiles de grande échelle (CS).
Contrairement aux calculateurs basés sur des systèmes physiques, le cœur FPAA, tout en étant analogique, bénéficie des mêmes avantages que son homologue numérique (i.e. FPGA), à savoir l'intégration, la reconfigurabilité analogique et la pondération continue des interconnexions. Le système hybride analogique-numérique qui sera mis en œuvre dans AATLAS démontrera les promesses du calcul analogique reconfigurable dans la résolution des problèmes NP-difficiles à grande échelle.