光学片上网络的激光调制方案

逍遥设计自动化

引言
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]。
$ H/ i% k* l5 t/ s* e5 \
' T8 n" u) P! l+ U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。
& A& \; |. H% E  O
2 L. l4 I& z9 y0 {: o0 T
背景
4 Z2 ?1 f0 w; P0 D/ ~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：
# W. A6 e% i3 `% V. T& L; d

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
) g2 K6 ~8 l9 ]# h1 [* {
! Q. x8 T0 R8 h& S, ~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%。
2 b( ]5 }0 K: ~1 b+ ~5 s
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：
3 v) Z& Q: I( B* k- f6 e# R: m0 j

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

' P+ @' I4 k4 X% s4 p9 i让我们看看为不同类型处理器提出的一些具体方案。

# o6 C3 @/ t. E# Z+ L多核CPU设计中的激光调制方案
Probe
- e+ l% D! d2 O/ }$ a9 q0 p9 D, K1 d5 x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。

Probe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
( q% F# C; U! z3 \[/ol]
7 l3 i9 c9 W* o2 r( N锦标赛预测器根据最近的准确性在两者之间选择。

9 ^1 T# E) M+ e  f% DColdBus
' Y2 j5 L- r+ w4 M) cColdBus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。

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。

* `% }' G0 R5 E- ]) V; v7 h- Z; cColdBus还引入了一个"额外波导"，为需要的站点提供应急功率。

PShaRe
PShaRe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
8 [: [9 {5 e) w* O6 M[/ol]
- l' j) U) F9 S3 ?( ^, Y图1显示了整体架构：
% K3 F% P3 J7 ^7 L% Y

v0i132opydn64034878813.png

图1：PShaRe架构，显示连接光学站点的功率和数据波导。

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。
! L0 R; _; }0 Z  V' ^
BigBus
  G' I3 L' O: e# c9 [9 u+ c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。

图2说明了BigBus设计：
" P& |1 ]& u. D) A0 W# Z

2lsssyofp4g64034878913.png

% _' ~9 `+ {/ \" d- s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。

4 ^. A+ L7 Q5 R! H; b0 U/ |BigBus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
  A7 j7 l6 v8 w. M[/ol]
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。

8 w) o8 F& Q5 H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。
; e3 I0 Q$ n, G: r2 K
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。
7 z& N2 Y; ~0 R- A3 f& f  f
图3显示了GPUOpt的整体架构：

' i# ]4 W" d+ n* J

m5tbfrm3byw64034879013.png

/ _& J( O: o6 E  c; H1 v9 ?图3：GPU光学NoC的架构，显示由光网络连接的SM和LLC集群。
# v( G* E9 s4 E7 S  Y1 G. t, [6 P
0 C! n# F8 \  [GPUOpt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：
1. SM站点使用基于以下因素的受限预测器（Restr_Pred）：
2 X% X+ ^3 O9 S' i% y

接收的消息

发送的消息

等待时间
  H" q8 @  d2 X; U( f* N3 ]  _
9 A# A! q& p4 O! X# F$ u2. LLC站点使用考虑以下因素的灵活预测器（Flex_Pred）：
$ G; X! o- j) j

接收的消息

发送的消息

待处理事件

- i0 y& N) J# }激光控制器将这些预测结合起来，确定整体功率需求。

; l: v1 v2 o0 N0 q7 ^0 ]- o' s
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：
+ v& m6 P1 H: R# o
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
5 I4 t% {0 z) ~- R, c3. 将当前指标与历史数据结合
4. 使用非线性预测函数（如神经网络）捕捉复杂关系
5. 对不同流量类型进行单独预测（如一致性与非一致性）
6. 分层设计以实现可扩展性
3 {8 Z/ |: P( s' ]; R  `# V7. 尽可能重用未使用的光功率
/ v) V9 y2 G' l/ \7 C& N8. 为特定架构经验性地调整预测参数
6 q% B6 ~! I9 \
图4说明了有效激光调制可能带来的功率节省：
% ]3 g0 c' d) g# S! F/ f3 A

om02xkr3dhc64034879113.png

图4：ideal、Probe和ColdBus方案在各种基准测试中的相对激光功耗。


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：
" v3 C  y) m+ S2 H" X. [) Z) b

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

. Z2 M; N' O! e. H
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。

+ _& u+ s# c. V4 j* c( Y) X
9 Z6 x# h! J2 ~. e2 Y9 l  I参考文献
0 Y* F6 h# j- r9 [" r[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.
* E1 f) n! t' ^1 r; ~/ x
- END -
/ ?4 P  n2 q- l: v
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。
点击左下角"阅读原文"马上申请

欢迎转载
" m" L. V1 w) E+ P, l
转载请注明出处，请勿修改内容和删除作者信息！

* c* l/ K9 a( G7 Y
. q8 S& C+ x' q" n8 n

tlesfwadvw464034879213.gif

0 Q/ X0 T  P. q关注我们
6 X' A' O  ^6 j: H* L3 }7 {) X
# x5 R" h7 r4 ]) A+ o, p

0rzxntnecf364034879313.png

9 h) i9 {0 E7 o( R; v9 O wklhaednp3g64034879413.png

" E3 |+ v7 g& M, a8 I v05awecejyj64034879513.png

                     



1 W, r' h) f- Z+ c! v# h4 U8 K关于我们：
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。

http://www.latitudeda.com/
（点击上方名片关注我们，发现更多精彩内容）