光学片上网络的激光调制方案

逍遥设计自动化

引言
) d3 q9 g8 i  \' Y& N* s2 t3 y: v随着硅晶体管缩放接近极限，研究人员正在探索新技术以继续提高处理器性能和效率。有前途的方向是使用片上光学网络（也称为光学片上网络或光学NoC）来替代传统的电气互连。与电气网络相比，光学NoC在带宽、延迟和功耗方面具有潜在优势。然而，有效管理光学NoC的功耗带来了新的挑战[1]。
, h1 Y2 L8 A0 O# j1 C9 i
本文将探讨用于最小化光学NoC静态功耗的激光调制方案。我们将介绍基于网络活动动态调制激光功率的关键概念、架构和预测技术。

0 u5 E8 w% z3 ]+ _7 ^
% N) e1 @/ L: T" A背景
光学NoC使用光来传输芯片上组件之间的数据。基本构建模块包括：
' n* t) G* u- K; s* _: z! Y

激光器：光源，可以是片外或片上

调制器：将电信号转换为光信号

波导：在芯片上引导光

光电探测器：将光信号转换回电信号
  m- n1 B' y* S5 }
5 _8 i9 f  q& N( W光传输本身非常高效，但产生光的激光器消耗大量功率。一个关键挑战是光子不能像电荷那样容易存储。这意味着激光器通常需要持续供电，即使不主动传输数据时也是如此。这种静态功耗可能占光学NoC总功耗的80-90%。
& A8 V7 u! `, F5 W; e: M8 E! X
+ {$ @! }" x1 A: B  u# M7 e) D7 r) [为解决这个问题，研究人员开发了激光调制方案，旨在根据预测的网络活动动态调整激光功率。一般方法包括：
. }: U& R) v3 Y" B( W8 ], }0 U4 d, H& F

监控网络活动指标

预测未来活动

相应调整激光功率

重新配置网络

% Y# X- w; |# R; b$ f" B0 J让我们看看为不同类型处理器提出的一些具体方案。
0 Z' [# H" T! G2 T9 X. [5 f
5 D9 s7 X9 T. k7 Q- Y/ D0 Y多核CPU设计中的激光调制方案
Probe
最早提出的激光调制方案之一是Probe。使用64核架构，核心分组为4x4块。每个块都有专用的片外激光器，可以使用单写多读（SWMR）总线广播消息。

5 a6 c+ C% \( lProbe根据链路利用率和缓冲区利用率指标预测未来活动。使用两种类型的预测器：

用于低流量变化：过去和当前利用率的加权平均

用于高变化：由利用率水平索引的模式历史表
[/ol]
1 V' _; l. |9 F% U& Y/ B9 O, ^锦标赛预测器根据最近的准确性在两者之间选择。

( Y4 h! m7 l. F/ }3 I! dColdBus
, R; ?; v6 ?9 K# O0 u% oColdBus采用不同的方法，基于L1缓存未命中预测活动。关键洞察是在共享内存系统中，大部分网络流量来自L1未命中。
! L; o3 X+ k$ ^# }4 y( a
! x* g$ y# H" d$ Z5 e5 C4 C3 b使用类似于分支预测器的基于PC的预测器来识别可能导致未命中的指令。然后，一个时期预测器估计这些未命中何时发生。
, g5 \# I! G0 K: i
, f( i' p: h# H$ u  b( DColdBus还引入了一个"额外波导"，为需要的站点提供应急功率。
$ P+ `; K# D1 V
PShaRe
6 ^* }0 Q4 W6 XPShaRe在之前工作的基础上有几个关键创新：

一致性和非一致性流量的独立网络

基于神经网络的非线性预测器

站点之间的功率共享

重用浪费的光功率进行热调谐
[/ol]
图1显示了整体架构：

v0i132opydn64034878813.png

图1：PShaRe架构，显示连接光学站点的功率和数据波导。
# w+ E4 o7 A* E. J" p5 Z) {9 s
神经网络预测器使用14个性能计数器输入，对每个站点在下一个时期的活动进行二元预测。
3 ]" @9 b7 o; p% @. T
6 k* x! X( r/ LBigBus
. {' U  }8 s/ ~* ~对于非常大的核心数（500+），需要像BigBus这样的设计。BigBus使用分层架构，将块簇组成更大的单元。
+ G* a9 {1 s; d. t" k9 q
+ J, L; l$ j3 }9 O图2说明了BigBus设计：

2lsssyofp4g64034878913.png

图2：BigBus架构，显示由蛇形光链路连接的核心和缓存库的分层组织。
- Q  [" c3 `& U- X
, ^7 a8 c2 P4 Q4 v$ k% u; s: DBigBus使用两阶段预测过程：

每个站点根据等待时间和待处理事件决定是否增加/减少令牌

激光控制器将当前预测与历史数据结合
[/ol]
4 N9 ^+ b8 J1 p/ u' t$ w这允许在当前条件的响应性和稳定性之间取得平衡。


多插槽系统（MULTI-SOCKET SYSTEMS）中的激光调制方案
对于像服务器这样的多芯片系统，像Nuplet这样的设计将光网络扩展到插槽之间。Nuplet同时使用片内和片间光网络。

2 u; |0 V4 f  T& E! x片间预测机制旨在确定要流通的仲裁令牌数量。它考虑：

发送到片间光学站（ICOS）的消息

ICOS队列中的待处理事件
[/ol]
功率请求表（PRT）存储历史令牌计数。预测将PRT值与当前流量趋势和队列状态结合。
" f5 D: Z2 N' C3 a+ R) Z3 `
GPU设计中的激光调制方案
由于GPU侧重于内存带宽而非延迟，因此带来了独特的挑战。GPUOpt设计将光学NoC适配于GPU架构。
5 V) g" J- D* S
图3显示了GPUOpt的整体架构：

+ R  p! u' Q- H9 k. v, q6 n: E

m5tbfrm3byw64034879013.png

图3：GPU光学NoC的架构，显示由光网络连接的SM和LLC集群。

1 B: K+ B+ |0 s8 G+ PGPUOpt对流式多处理器（SM）站点和最后级缓存（LLC）站点使用不同的预测机制：
( i& l" n9 t; S7 G; f1. SM站点使用基于以下因素的受限预测器（Restr_Pred）：

接收的消息

发送的消息

等待时间

2. LLC站点使用考虑以下因素的灵活预测器（Flex_Pred）：

接收的消息

发送的消息

待处理事件

激光控制器将这些预测结合起来，确定整体功率需求。
# Q- `4 B# o. ^8 f+ G  L: x& j
8 ?2 n' x2 k; s$ a
关键概念和趋势
虽然具体方案各不相同，但一些共同主题和最佳实践浮现出来：
8 `6 ?8 ~0 p/ x% \' c
1.将时间划分为固定时期进行预测和重新配置
2. 使用多个输入指标：

网络利用率

缓冲区占用率

缓存未命中率

指令类型

待处理事件
# ~3 w) B' R. e1 \5 y3. 将当前指标与历史数据结合
: g/ g! n+ @& N  k3 |* W5 o4. 使用非线性预测函数（如神经网络）捕捉复杂关系
3 m. d1 N0 a7 }5. 对不同流量类型进行单独预测（如一致性与非一致性）
9 p# E, T0 N" a6 W* b6. 分层设计以实现可扩展性
. o' r# B3 O" W7. 尽可能重用未使用的光功率
" _' j- Q2 f4 x5 E) x, M8. 为特定架构经验性地调整预测参数

图4说明了有效激光调制可能带来的功率节省：
0 ]9 z. E  R# H3 {& Q1 {
% S8 S3 x$ h& N- e- a- _

om02xkr3dhc64034879113.png

( ^7 [" h4 n/ D8 b  u图4：ideal、Probe和ColdBus方案在各种基准测试中的相对激光功耗。
- K5 e& \8 ~9 z3 M

未来方向
随着光学NoC从研究转向实际实施，可以期待这些技术的进一步完善。方向包括：
/ i3 H, v% O( ?, g$ M; H! x! B# u6 q

用于更准确预测的机器学习技术

与应用层知识的集成

在运行时调整参数的自适应方案

考虑电气和光网络的整体优化

针对新兴工作负载（如AI加速）的专门化
9 Z  Y  l& e$ Y8 F" p

结论
有效的激光调制对实现光学片上网络的潜在优势非常重要。通过准确预测网络活动并相应调整激光功率，可以在保持性能的同时最小化静态功耗。随着处理器架构继续发展，激光调制方案需要适应新的设计约束和流量模式。该领域的持续研究有望为未来计算系统解锁新的能效水平。


, `% g( w4 x' z( E参考文献
[1] M. Nikdast, S. Pasricha, G. Nicolescu, and A. Seyedi, Eds., Silicon Photonics for High-Performance Computing and Beyond, 1st ed. Boca Raton, FL, USA: CRC Press, 2021.

- END -

3 U, p, A0 o+ M2 C, b软件申请我们欢迎化合物/硅基光电子芯片的研究人员和工程师申请体验免费版PIC Studio软件。无论是研究还是商业应用，PIC Studio都可提升您的工作效能。
' d( t# Y4 _! M* S点击左下角"阅读原文"马上申请
: T# f( u" ^" j$ s& j: |6 @8 g
欢迎转载

, i  c6 C, c) }  g转载请注明出处，请勿修改内容和删除作者信息！

tlesfwadvw464034879213.gif

$ |! M" b6 o$ A7 X2 u2 ?7 F$ w# n
关注我们

8 w+ ~, e4 V$ e% v$ e& R; y7 ^

: e6 t5 b5 P: N, l1 p 0rzxntnecf364034879313.png # f' |2 L5 k( `) P- z" u8 s5 _

wklhaednp3g64034879413.png

v05awecejyj64034879513.png

                     
0 h! b0 }5 C2 S


% a+ S  J& y8 G* X# H( j关于我们：
- u( n( \  v$ ^2 Y5 j  i' G1 M. ^深圳逍遥科技有限公司（Latitude Design Automation Inc.）是一家专注于半导体芯片设计自动化（EDA）的高科技软件公司。我们自主开发特色工艺芯片设计和仿真软件，提供成熟的设计解决方案如PIC Studio、MEMS Studio和Meta Studio，分别针对光电芯片、微机电系统、超透镜的设计与仿真。我们提供特色工艺的半导体芯片集成电路版图、IP和PDK工程服务，广泛服务于光通讯、光计算、光量子通信和微纳光子器件领域的头部客户。逍遥科技与国内外晶圆代工厂及硅光/MEMS中试线合作，推动特色工艺半导体产业链发展，致力于为客户提供前沿技术与服务。

# e3 k; A* k) |' U0 Vhttp://www.latitudeda.com/
（点击上方名片关注我们，发现更多精彩内容）