硅光計(jì)算芯片，后摩爾時(shí)代人工智能算力基座
加入技術(shù)交流群
光
計(jì)算研究始于20世紀(jì)60年代，但受到當(dāng)時(shí)應(yīng)用范圍有限以及電子計(jì)算技術(shù)快速發(fā)展的影響，光計(jì)算處理器未能成功邁向商用。時(shí)過境遷，人工智能（AI）飛速發(fā)展，以ChatGPT為代表的大語言模型所展現(xiàn)的強(qiáng)大能力引發(fā)全球關(guān)注，紫東太初、悟道、混元、文心、通義、盤古、言犀等一大批千億級(jí)乃至萬億級(jí)參數(shù)的國(guó)產(chǎn)大模型不斷涌現(xiàn)，大有引發(fā)新一輪科技與產(chǎn)業(yè)變革之勢(shì)。高性能大模型擁有龐大參數(shù)規(guī)模、要求海量數(shù)據(jù)高效處理和高速傳輸，即使是當(dāng)前最先進(jìn)的電子計(jì)算平臺(tái)也開始出現(xiàn)計(jì)算、存儲(chǔ)和傳輸?shù)钠款i。大模型的創(chuàng)新發(fā)展和迭代，離不開海量數(shù)據(jù)及高質(zhì)量數(shù)據(jù)集的構(gòu)建，更要依靠大算力集群來支撐訓(xùn)練和推理。近期，大模型訓(xùn)練計(jì)算量平均每2個(gè)月就要翻倍，激增的算力需求已遠(yuǎn)超摩爾定律。因此，光子計(jì)算近年來又重新受到廣泛關(guān)注。
硅光計(jì)算芯片是AI芯片國(guó)產(chǎn)化
和彎道超車的有效途徑
當(dāng)前，大模型訓(xùn)練和推理的硬件以通用圖形處理單元（GPU）為主，2022年全球GPU市場(chǎng)規(guī)模達(dá)到448.3億美元，美國(guó)AI芯片巨頭英偉達(dá)公司占有80%的市場(chǎng)份額并仍在持續(xù)攀升。目前，中國(guó)仍以英偉達(dá)的產(chǎn)品作為主流算力平臺(tái)，只有較小規(guī)模的算力來自國(guó)產(chǎn)神經(jīng)網(wǎng)絡(luò)加速平臺(tái)。然而，自2021年起，美國(guó)對(duì)中國(guó)集成電路領(lǐng)域?qū)嵭辛俗顬閲?yán)苛的技術(shù)封鎖，限制向我國(guó)出口最先進(jìn)的AI芯片和軟件。英偉達(dá)向我國(guó)提供的AI芯片是傳輸帶寬受限的特別版本，使用該版本GPU組成的超算集群的訓(xùn)練和推理效率均落后于國(guó)外同期產(chǎn)品。因此，算力基建亟需向自主可控的國(guó)產(chǎn)化邁進(jìn)。寒武紀(jì)、燧原科技、壁仞科技和昆侖芯等國(guó)產(chǎn)AI芯片廠商，均提供了深度學(xué)習(xí)訓(xùn)練和推理的專用芯片，其主要使用專用集成電路（ASIC）硬件架構(gòu)，用于特定算法或應(yīng)用場(chǎng)景的優(yōu)化，計(jì)算能力在特定情況下優(yōu)于英偉達(dá)產(chǎn)品，但通用性、靈活性有待提升。基于電子計(jì)算的AI芯片的國(guó)產(chǎn)化之路受技術(shù)封鎖影響仍需突破重重阻礙，尤其是受限于先進(jìn)工藝制程，國(guó)產(chǎn)同類芯片在能耗、算力、帶寬等方面難以在短期內(nèi)趕超。此外，電子計(jì)算技術(shù)還存在固有的計(jì)算延時(shí)高和內(nèi)存墻等問題。光子器件具有高速、大帶寬和低功耗的特點(diǎn)，在信息傳輸和處理方面具有重要優(yōu)勢(shì)，而且光信號(hào)可以在光子器件中并行傳輸和處理。這使得光子計(jì)算可以更好地實(shí)現(xiàn)海量數(shù)據(jù)的高效處理，也可以避免電子信號(hào)傳輸帶來的噪聲和時(shí)延等問題，更好地實(shí)現(xiàn)高帶寬的傳輸互連，從而為大模型提供關(guān)鍵支撐。此外，與最先進(jìn)的電子神經(jīng)網(wǎng)絡(luò)架構(gòu)及數(shù)字電子系統(tǒng)相比，光子計(jì)算架構(gòu)在速度和能效上優(yōu)勢(shì)突出。因此，光子計(jì)算能夠有效突破傳統(tǒng)電子器件的性能瓶頸，滿足高速、低功耗通信和計(jì)算的需求。需要指出的是，光子計(jì)算的發(fā)展目標(biāo)不是要取代傳統(tǒng)計(jì)算機(jī)，而是要輔助已有計(jì)算技術(shù)在基礎(chǔ)物理研究、非線性規(guī)劃、機(jī)器學(xué)習(xí)加速和智能信號(hào)處理等應(yīng)用場(chǎng)景更高效地實(shí)現(xiàn)低延遲、大帶寬和低能耗。硅光計(jì)算芯片通過在單個(gè)芯片上集成多種光子器件實(shí)現(xiàn)了更高的集成度，還能兼容現(xiàn)有半導(dǎo)體制造工藝，降低成本。光子計(jì)算芯片包括激光器、光波導(dǎo)、光調(diào)制器、光探測(cè)器等主要元件，運(yùn)行過程大致如圖1所示：激光器產(chǎn)生的光，經(jīng)過光波導(dǎo)傳輸?shù)焦庹{(diào)制器實(shí)現(xiàn)對(duì)光信號(hào)的控制和處理，最后傳輸?shù)焦馓綔y(cè)器將光信號(hào)轉(zhuǎn)換為電信號(hào)，再進(jìn)行后續(xù)的處理和輸出。
基于硅光平臺(tái)的神經(jīng)網(wǎng)絡(luò)
人工神經(jīng)網(wǎng)絡(luò)（ANN）是現(xiàn)有AI大模型的重要基礎(chǔ)，由人工神經(jīng)元相互連接組成，連接強(qiáng)弱由權(quán)重大小決定，權(quán)重即模型參數(shù)。利用光計(jì)算在信息傳輸、處理和并行計(jì)算等方面以及光通信在片內(nèi)、片間和板級(jí)系統(tǒng)間數(shù)據(jù)傳輸?shù)确矫娴膬?yōu)勢(shì)，硅光計(jì)算芯片可對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練和推理過程中的大規(guī)模矩陣運(yùn)算、神經(jīng)元非線性運(yùn)算進(jìn)行加速；還可通過對(duì)不同神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)進(jìn)行硬件結(jié)構(gòu)映射，來提高芯片的通用性和靈活性。在人工神經(jīng)網(wǎng)絡(luò)計(jì)算加速方面，基于硅光平臺(tái)的神經(jīng)網(wǎng)絡(luò)已取得多項(xiàng)進(jìn)展。例如，2017年沈亦晨等人提出一種基于硅光平臺(tái)的全光前饋神經(jīng)網(wǎng)絡(luò)架構(gòu)，采用馬赫-曾德干涉儀（MZI）進(jìn)行神經(jīng)元線性部分的計(jì)算，非線性激活函數(shù)則通過電域仿真的方法實(shí)現(xiàn)；2022年阿什蒂亞尼等人采用可調(diào)光衰減器實(shí)現(xiàn)權(quán)重調(diào)節(jié)。隨著技術(shù)的發(fā)展，基于硅光平臺(tái)的神經(jīng)網(wǎng)絡(luò)也逐步走向商業(yè)化。例如，美國(guó)AI芯片公司Lightmatter推出通用光子AI加速器方案“Envise”；曦智科技于2021年發(fā)布光子計(jì)算處理器“PACE”。人工神經(jīng)網(wǎng)絡(luò)是大腦神經(jīng)元的極簡(jiǎn)數(shù)學(xué)模型，目前仍無法實(shí)現(xiàn)推理歸納、聯(lián)想想象、學(xué)習(xí)記憶等大腦的高級(jí)功能，而且現(xiàn)有AI大模型的功耗水平遠(yuǎn)高于人類大腦。受腦科學(xué)和神經(jīng)科學(xué)研究的啟發(fā)，學(xué)界提出了下一代AI基礎(chǔ)——脈沖神經(jīng)網(wǎng)絡(luò)（SNN）。其利用與大腦神經(jīng)元表現(xiàn)極為近似的脈沖神經(jīng)元搭建整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)，具備模擬生物大腦的網(wǎng)絡(luò)結(jié)構(gòu)和信息處理的潛能，通過部署到模擬計(jì)算硬件上，可以發(fā)揮低延時(shí)、低功耗等特性，為類腦大模型的訓(xùn)練和推理提供了可能性。目前，圍繞基于硅光平臺(tái)的脈沖神經(jīng)網(wǎng)絡(luò)，已有科研團(tuán)隊(duì)利用硅波導(dǎo)和相變材料集成等方式實(shí)現(xiàn)了光學(xué)突觸、光子脈沖神經(jīng)元乃至全光脈沖神經(jīng)網(wǎng)絡(luò)的構(gòu)建。例如，2019年費(fèi)爾德曼等人構(gòu)建基于集成可塑突觸的全光脈沖神經(jīng)網(wǎng)絡(luò)，將可塑突觸上的相變材料晶化程度作為權(quán)重，將微環(huán)諧振器上的相變材料胞體相變閾值能量作為神經(jīng)元閾值調(diào)控激活函數(shù)，實(shí)現(xiàn)有監(jiān)督和無監(jiān)督學(xué)習(xí)。光計(jì)算核心器件：
非易失性高消光比硅光開關(guān)研究
在片上和片間光互連、高速光通信、集成傳感和智能計(jì)算等應(yīng)用場(chǎng)景，光開關(guān)都是硅光集成所需的核心器件。當(dāng)前，硅光集成開關(guān)器件主要采用馬赫-曾德干涉儀或微環(huán)諧振器的結(jié)構(gòu)設(shè)計(jì)，這些器件存在占用空間大、對(duì)外界溫度敏感以及因需要持續(xù)外部電源維持開關(guān)狀態(tài)導(dǎo)致的高靜態(tài)功耗等問題，為高密度的硅光集成帶來了額外的困難。
2022年，中國(guó)科學(xué)院上海微系統(tǒng)與信息系統(tǒng)研究所（以下簡(jiǎn)稱上海微系統(tǒng)所）武愛民研究員團(tuán)隊(duì)研制出基于亞波長(zhǎng)相變結(jié)構(gòu)的超小尺寸、高消光比、低能耗和良好結(jié)構(gòu)穩(wěn)定性的片上光子開關(guān)。這一新的光開關(guān)器件結(jié)構(gòu)，由單模硅光波導(dǎo)和3個(gè)級(jí)聯(lián)的鍺銻碲化合物Ge2Sb2Te5（以下簡(jiǎn)稱GST）納米盤組成，見圖2a，總體積僅為0.229μm2×35nm。在通信波段，GST是一種具有高光學(xué)對(duì)比度的相變材料（PCM），非晶態(tài)下的折射率與硅相近，具有較低的消光系數(shù)，而晶態(tài)下的折射率則會(huì)增大兩倍。通過改變GST納米盤的相態(tài)可以調(diào)制沿波導(dǎo)傳輸?shù)墓鈴?qiáng)。GST處于非晶態(tài)時(shí)，波導(dǎo)中的光可以正常通過；而處于晶態(tài)時(shí)，沿波導(dǎo)輸入的入射光被級(jí)聯(lián)的GST納米盤吸收或散射，實(shí)現(xiàn)對(duì)入射光的截止，見圖2b。受益于GST的非易失性，光開關(guān)的開關(guān)狀態(tài)是可持續(xù)的，在施加控制脈沖后不會(huì)產(chǎn)生額外的能量消耗。在實(shí)驗(yàn)中，通過對(duì)光開關(guān)施加不同能量的泵浦脈沖光，精確地加熱GST納米盤以切換其相位，從而實(shí)現(xiàn)對(duì)相變材料的調(diào)控，圖2c展示了波導(dǎo)中傳輸率的變化和脈沖能量的關(guān)系。實(shí)驗(yàn)測(cè)得，該器件在C波段實(shí)現(xiàn)了高達(dá)27dB的超高消光比，并能在70nm的寬帶范圍內(nèi)保持20dB以上的高消光性能，見圖2d；通過施加特定能量的光脈沖，可對(duì)非同級(jí)狀態(tài)的光開關(guān)實(shí)現(xiàn)復(fù)位操作，見圖2e。由于GST材料已具備在互補(bǔ)金屬氧化物半導(dǎo)體（CMOS）平臺(tái)上的加工能力，與單模波導(dǎo)制備的光開關(guān)結(jié)合能夠直接應(yīng)用于規(guī)模化集成的光子芯片中，該工作有望在大規(guī)模集成的光互連和光計(jì)算新型架構(gòu)等方面發(fā)揮重要作用。相關(guān)成果以《基于結(jié)構(gòu)化相變材料的超緊湊高消光比非易失性片上開關(guān)》
Ultracompact High-Extinction-Ratio Nonvolatile On-Chip Switches Based on Structured Phase Change Materials為題發(fā)表在國(guó)際光學(xué)權(quán)威期刊《激光與光子學(xué)評(píng)論》（Laser & Photonics Reviews）。
上海微系統(tǒng)所李孟研究員團(tuán)隊(duì)長(zhǎng)期從事腦科學(xué)與AI的交叉領(lǐng)域研究，研究方向主要包括兩個(gè)方面：一是應(yīng)用AI技術(shù)解決腦科學(xué)領(lǐng)域的重要問題，如使用深度神經(jīng)網(wǎng)絡(luò)對(duì)腦科學(xué)研究中動(dòng)物的復(fù)雜行為進(jìn)行分析和建模，并建立生物大腦神經(jīng)網(wǎng)絡(luò)活動(dòng)信號(hào)與動(dòng)物行為模式的對(duì)應(yīng)關(guān)系，以理解生物復(fù)雜行為、內(nèi)在狀態(tài)是如何被大腦神經(jīng)網(wǎng)絡(luò)表達(dá)、計(jì)算和調(diào)控的；二是根據(jù)腦科學(xué)前沿發(fā)現(xiàn)，將腦科學(xué)領(lǐng)域的最新成果和原理應(yīng)用于類腦算法研究，致力于研發(fā)更符合生物神經(jīng)系統(tǒng)特性的類腦算法和相應(yīng)硬件，建立面向應(yīng)用的類腦系統(tǒng)框架。在大腦破譯方向，尤其是大尺度群體神經(jīng)信號(hào)編解碼領(lǐng)域取得系列創(chuàng)新成果。2019年，解碼了十萬神經(jīng)元量級(jí)的全腦神經(jīng)信號(hào)，如圖3所示，揭示了大腦內(nèi)在狀態(tài)動(dòng)態(tài)轉(zhuǎn)化的控制機(jī)理，建立了復(fù)雜高階行為與大腦神經(jīng)網(wǎng)絡(luò)內(nèi)在狀態(tài)間的關(guān)系，相關(guān)成果以《內(nèi)部狀態(tài)動(dòng)態(tài)塑造了全腦活動(dòng)和覓食行為》
Internal state dynamics shape brainwide activity and foraging behaviour為題發(fā)表在國(guó)際頂級(jí)期刊《自然》上。
何王吉：工程師。
魯若天：碩士研究生。王碩：助理研究員。李孟：研究員。武愛民：研究員。注：作者單位均為中國(guó)科學(xué)院上海微系統(tǒng)與信息技術(shù)研究所。*博客內(nèi)容為網(wǎng)友個(gè)人發(fā)布，僅代表博主個(gè)人觀點(diǎn)，如有侵權(quán)請(qǐng)聯(lián)系工作人員刪除。
