Silicon Photonics芯片吸引着公司和研究人员的主要原因是成本低,功耗低,其中Si是导光的良好材料。随着CMOS晶体管尺寸逐渐减小,光学器件却无法继续缩减,成了研究人员极其关注的一个研究方向。
在今年的Hotchips上,波士顿的Lightmatter公司为我们带来了他们的新型硅光子芯片—Lightmatter Mars。
它具有multi-chip解决方案,其工作负载可扩展到数据中心规模。
光子如何加速芯片进程?
Lightmatter发言人介绍,与传统芯片比较,它具有两种优势:
最明显的就是计算速度,光子人工智能芯片的计算速度大概是电子芯片的三个数量级,约1000倍,单个电子芯片的计算速度大约是7.8TFlops,而光子人工智能芯片的计算速度大概是3200TFlops。第二个优势是功耗,光子人工智能芯片的功耗仅为电子芯片的百分之一,单位电子芯片和耗电量大概300W,对应的光子人工智能芯片的耗电量只有4W甚至是微瓦MAC计算。
对比不同芯片在同一情境下是否具有优势,要考虑性能功耗比、单位美元提供算力两方面。性能功耗比是指消耗单位瓦特提供的性能,重在强调涉及多少电费,单位美元提供算力则重在强调芯片的生产成本。在这两方面,光子人工智能芯片比电子芯片更有优势。
再回到这款Mars芯片上,Mars采用纳米光电机械系统NOEMS,运行速度在100兆赫vs 10s kHz,Mars使用的是机械解决方案,Cdyn非常低
高速数据光子芯片在边缘计算中的表现
据介绍,它比电子芯片快3个数量级,sq(面积)功率量达到了:64 DAC X 64 ADC = 4096 MAC,Lightmatter的芯片包括一个名为Mach-Zehnder干涉仪的光学元件,而不是一种更常见的累加器或MAC单元。这种互换旨在规避当前市面上的芯片面临的限制。
此外,通过不同颜色的光,每个元素可以采用多个数据点——并行处理,好比光纤一样。
Mars SoC
Mars SoC采用14nm ASIC
光子芯片与ASIC堆叠在一起,激光能量从外部进入芯片,SRAM靠近计算区域,大大降低了功耗。
功率表现
最大的功率是在数据移动部分
Mars支持ML Frameworks - Pytorch, TensorFlow, ONNX
Lightmatter 这款用于 AI 的硅光子处理器,将硅光技术用于高速计算当中。可见Lightmatter具有很强的技术背景。
硅光子学的研究存在一些风险,它不像传统的半导体技术那样稳定。但鉴于世界开始受到标准计算系统的限制,因此对芯片计算能力的需求在未来只会增加。
相关文章