SAFIR: Automation of Analog Integrated Circuit Design through Machine Learning

Description :

La conception de circuits intégrés analogiques constitue l’une des tâches les plus complexes et chronophages du génie électronique. Elle repose sur le dimensionnement précis et l’ajustement minutieux des transistors et des éléments passifs d’un circuit afin d’atteindre des performances optimales en termes de gain, de bande passante, de consommation ou encore de stabilité. Ce processus, hautement dépendant de l’expertise de l’ingénieur, doit souvent être entièrement repris dès qu’une légère modification des spécifications du circuit est introduite, ce qui engendre un coût de développement élevé et des délais importants. Dans ce contexte, l’utilisation de l’intelligence artificielle (IA) et des algorithmes d’apprentissage automatique (Machine Learning) ouvre de nouvelles perspectives pour automatiser et optimiser cette phase de conception. L’objectif est de développer des approches capables d’apprendre à partir de conceptions générées automatiquement (supervised learning) ou bien grâce à un apprentissage itératif par renforcement (reinforcement learning), d’explorer intelligemment l’espace des paramètres de dimensionnement et de proposer, de manière autonome, des solutions optimales (dimensions des transistors et des éléments passifs) répondant efficacement aux contraintes de performance. Une telle approche vise à réduire significativement le temps de conception, à améliorer la qualité des circuits produits et à libérer les ingénieurs des tâches répétitives pour se concentrer sur des aspects plus innovants du design analogique.

Titulaire :
MINA Rayan

Contact USJ :
rayan.mina@usj.edu.lb

Chercheur(s) :
M. Rayan MINA
M. Maroun AYLI (EL)

Projet présenté au CR, le : 01/01/2026

Projet achevé auprès du CR : 01/09/2026