光+高性能计算=？

2020-08-24

阅读数：

随着人工智能时代的来临，全球对于高性能计算的需求正在快速上升。传统的高性能计算芯片基于CMOS数字电路处理器，而随着摩尔定律接近瓶颈，传统的高性能计算的发展速度也在减缓。使用硅光子技术实现高性能计算芯片正是为了解决传统数字电路芯片的种种瓶颈应运而生，并在最近得到了越来越多的关注。

光子芯片技术与计算

经过多年的发展，硅光子技术已经能够在硅衬底上实现多种光学器件，并能够把这些器件集成在一起做成一个完整的光学系统。硅光子技术已经广泛应用在各种通信和数据传输领域，通过调制光信号可以实现高速远距离的数据传输。

硅光子技术的应用领域除了数据传输之外，在近几年也进入了计算领域。对于硅光子技术做计算，其核心元器件是马赫－曾德尔干涉仪（MZI）。如下图所示，MZI将输入光分成两束光，并且分别对两束光进行相位调制，而输出则是两束光之间的相位差。

从数学上可以证明，一个MZI的操作是实现了一个基本的2x2矩阵和1x2向量相乘。通过多个MZI之间相互连通实现阵列，就可以实现更大规模的矩阵和向量相乘。而矩阵和向量相乘，也就是深度学习等高性能计算中的重要算法的基本操作。因此，通过片上大规模集成MZI，就能实现深度学习计算。

那么，光子计算相对于传统CMOS芯片来说，有什么优势呢？第一个优势就是其功耗优势。在传统的CMOS数字电路芯片中，集成很大的计算阵列但是往往不能同时开启，因为大量计算单元同时做计算会造成巨大的峰值功耗和瞬态电流，从而对芯片散热和稳定性造成很大的挑战。而使用光器件做计算则不存在这个功耗问题，因为光的干涉和相移的功耗接近0，因此理论上即使同时有海量光器件同时开启做计算也不会在功耗上发生问题。注意，这里主要指的是瞬态功耗和电流，而功耗和电流问题往往在云端芯片中更严重，因此云端芯片也是光计算芯片的首要市场。除了计算瞬态功耗之外，光计算芯片的另一个优势在于数据传输。随着大规模计算越来越普遍，数据往往要在芯片上传输很远的距离，而在先进工艺中片上互联的能量开销是很高的，而使用光做片上互联就可以减小这样的问题。此外，在芯片之间做数据传输时，用光信号也能大大降低能量开销，如果能让光计算配合光数据传输，就能实现如虎添翼的效果，大大改善大型数据中心的计算能量开销。

光子计算芯片的中外格局

光子计算作为可能的下一代高性能计算技术路径，在全球都得到了相当的重视。海外光子计算芯片的代表是来自美国的Lightmatter。在刚刚举行的Hotchips 2020上，Lightmatter展示了其最新的光子计算芯片组，该芯片组包括数字电路和光子芯片两部分，计算主要在光子芯片中完成，光子芯片使用90nm标准硅光子工艺实现，可以实现8TOPS的峰值算力，整体芯片组的功耗为3W。这个能效比数字相比传统基于CMOS工艺的数字芯片可以说是非常优秀，同时也展示了光计算未来的巨大潜力。

而在中国，曦智科技可谓是光计算芯片领域的领军公司。曦智科技在2018年成立，并于2019年率先发布了全球首款光子计算芯片原型板卡，其准确率与电子芯片相同，而矩阵乘法的延迟则在CMOS芯片的1%以内。曦智在算法优化、光子-电子芯片集成和光子器件/芯片涉及领域都有深厚积累，同时也获得了资本的关注，至今总融资额已超过三亿人民币，并且预计在未来国内围绕高性能计算的新基建领域将会有大量落地机会。

光子计算芯片未来展望

光子计算芯片目前已经展示了巨大的潜力，并且在一些关键指标上展示了其相对电子芯片的优越性。在未来，光子计算芯片则有一些重要的发展方向。

首先就是如何做到把尽可能多的处理完全使用光信号完成。目前的光计算芯片中，为了完成所有的计算还是必须要在光信号和数字信号之间切换。例如，在Lightmatter展示的光计算芯片中，矩阵计算可以用光信号完成，但是深度学习中的非线性运算则需要把光信号转回数字信号。事实上，这样的来回信号切换已经成为了整个系统的性能和功耗瓶颈。为了能把光计算的优势进一步发挥，会需要把更多的运算使用光信号实现，从而尽可能避免光信号和电信号之间的转换带来的性能损失。而这需要算法层面和光器件层面的进步；在算法层面，尽可能多地开发对于光器件较友好地算法，而在光器件方面则需要能实现尽可能多的计算能力，从而较少对于算法地限制。此外，目前光计算仍然是假设输入数据是数字信号，需要首先用数模转换器转成模拟电信号去驱动光调制器，这样事实上也增加了功耗开销，而且数模转换也容易成为性能瓶颈。未来如果能把光计算芯片和光数据传输直接整合在一起，从而让数据在使用光信号传输时就直接完成计算，则有机会进一步发挥光计算地优势。

此外，光计算的另一个重要发展方向是探索深度学习之外的其它应用场景。在这一点上，中国的曦智科技走在了前列——该公司参与的研究今年早些时候发表在了《自然·通信》杂志上，该研究显示使用光计算可以高效实现退火算法。退火算法是优化问题的重要近似解法，而优化问题在智能交通调度、新药发现等领域都有重要应用，尤其是随着社会和工业进一步智能化，我们认为这类优化算法整体对于算力的需求也会大大提升，而这个领域也有望成为光计算在人工智能之后的下一个重要市场。

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第2411期内容，欢迎关注。