光计算 I/O 中的可靠性和延迟

逍遥设计自动化

引言
, P; w) e9 z, d: p在人工智能（AI）和高性能计算快速发展的世界中，数据传输和处理的需求不断挑战传统互连技术的极限。本文探讨光计算 I/O 中可靠性和延迟的关键方面，特别关注 AI 集群光连接的特殊要求[1]。引用文献来自LightCounting在7月30日举办的Special Requirements for Optical Connectivity in AI Clusters Webinar，特此感谢！

2 K* Q! ~1 C; L' {$ [人工智能集群光连接简介
& ^) E" ^. J" E9 Q2 W/ cAI 集群光连接是光计算 I/O 的一种专门变体，由于其具有挑战性，已经研究了几十年。这些连接可以根据其范围和技术broadly分为四类：

集群：30-300m 范围，使用单模光纤（SMF）

机架间：2-20m 范围，使用多模光纤（MMF）和单模光纤

机架内（托盘）：1-2m 范围，使用铜缆

芯片到芯片（C2C）：2-5mm 范围，使用铜迹线
, A) ^7 C7 m# G[/ol]
- j- w5 t+ v( D( u; p$ g2 v3 C; F

cvwxo0hlteb64082444720.png

图 1：AI 集群连接类型、范围和使用的技术。

理想的 AI 光连接应结合铜和光技术的最佳属性：
# L5 \5 o1 S9 \4 k# C

成本、功耗和可靠性与铜 I/O 相当（比当前光学技术低几个数量级）

范围和密度类似于波分复用（WDM）或空分复用（SDM）

延迟主要由传播延迟决定


光连接中的可靠性
! K2 _# o8 L; [9 A可靠性是 AI 集群光连接中的重要因素。当前的网络可靠性范式依赖于可靠性适中的可插拔模块，故障率通常在 30 到 100 FIT（每十亿小时故障次数）之间。然而，AI 连接要求更为严格，目标是达到与铜缆相当的可靠性，即低于 1 FIT。

为了实现如此高的可靠性，正在探索两种主要方法：

开发本质上具有低 FIT 率的全新光器件

实施新的系统级冗余技术
, a% {, T1 w, {- I: j$ \[/ol]
4 D" k6 B+ J$ R( N9 y! s: {7 E让我们研究两个有望提高可靠性的技术实例：
1. 量子点（QD）激光器
量子点激光器在可靠性方面比传统量子阱（QW）激光器有显著进步。
+ x9 d4 g4 K, Y4 @& l" u

ipiyv5w1xlv64082444821.png

' Y7 Z# u* P! E1 D( i, c图 2：量子阱（QW）和量子点（QD）结构比较。

. l" ^# s- `8 w- i( _* k- NQD 激光器的可靠性比 QW 激光器高出 100 多倍。这种提高的可靠性源于几个因素：
& Q7 ~  P3 S0 G/ {

QD 相互独立，将少数载流子与远处的缺陷隔离

QD 通过硬化晶格抑制缺陷的生长

QD 激光器的随机故障率比 QW 激光器低几个数量级
: _: p+ j; c# d3 k# K
3 @6 b4 ^3 k5 I6 yQD 激光器的一个主要优势是对暗线缺陷（DLD）的免疫力，这是 QW 激光器的常见故障模式。即使在活性区附近存在多个缺陷，QD 激光器也不会出现 DLD 生长，显著提高了寿命和可靠性。

2. 蓝色 LED 阵列
/ E/ A6 v7 l9 H# d' P; E9 e+ W另一种有望提高光连接可靠性的技术是使用蓝色 LED 阵列。这些阵列提供了几个优势：
3 [+ e2 N. g! n  I9 J

LED 退化随时间呈对数模式

基于 GaN 的 LED 具有较小的激活能，使其可靠性对温度波动不太敏感

虽然可能会有初始功率下降，但平均寿命（功率降低到 50% 的时间）非常长
1 K8 J, S0 F3 R; s$ ~; d9 A' [' F1 W

5 e. M. S* l8 y" P6 W; E

k3unpkmcgph64082444921.png

6 F' T6 l. l+ p, Y7 [: Z图3：蓝色 LED 随时间的可靠性特性。
2 m3 D. T: i$ {5 ]; ]0 B% I
光连接中的延迟
延迟是 AI 集群光连接中另一个关键因素，特别是对于需要实时处理或节点间高速数据交换的应用。我们可以将延迟考虑分为两个主要类型：

稳态延迟

瞬态延迟
: m4 K$ `0 Q5 H" _[/ol]
/ T9 x, h6 ?5 _2 f: M) ]稳态延迟：光学 PCIe
PCI Special Interest Group（PCI-SIG）目前正在制定工程变更通知（ECN），以支持 PCIe 6 的光缆。虽然没有规范的距离要求，但合理的目标约为 10 米。这带来了一些有趣的挑战和机遇：

10m 链路的单程延迟为 50ns，往返延迟为 100ns

这些延迟要求与传统以太网前向纠错（FEC）和光通信中通常使用的复杂数字信号处理（DSP）不兼容

然而，10m 光链路在信号质量方面几乎是理想的，可能实现低于 1e-7 的误码率（BER），并具有较大的信噪比（SNR）裕度

这一性能远低于 PCIe FLIT FEC 要求的 1e-6 BER，消除了对强 FEC 和复杂 DSP 的需求

; P& A/ d0 g  x当前 ECN 基准包括链路两端的重定时器，这消耗了整个延迟预算。然而，半重定时或非重定时配置可以轻松支持 10m 光链路，并具有更低的延迟。
1 T, K% x4 A$ C
瞬态延迟：光线路交换（OCS）
1 `$ s( ~* R0 P" |+ x& t4 O: R光线路交换（OCS）已在一些大型数据中心（如谷歌）中部署用于网络重构。人们越来越有兴趣使用 OCS 进行流量交换，但这带来了重大挑战：
& o, ]" L9 a! K1 t

OCS 的控制问题极其复杂，已经研究了几十年

实现高速交换特别具有挑战性

虽然许多关注点在于开发快速光交换器（有些报告微秒级交换速度），但高速光学器件通常需要数百毫秒才能在交换后稳定

要实现纳秒或微秒级的交换速度，需要全新类型的光学 PHY（物理层接口）

结论
随着 AI 集群不断推动计算能力和数据处理的界限，对光互连的要求变得越来越严格。实现可靠性、延迟、成本和性能的理想平衡需要创新方法和新技术。

% X+ D2 y- t" {& d& `量子点激光器和蓝色 LED 阵列在显著提高光连接可靠性方面显示出希望，有可能使其与铜互连的稳健性相当。同时，需要仔细的设计考虑和光交换的新方法来满足 AI 应用的超低延迟要求。

# C; B+ V% q6 |1 o! D/ Q/ A参考文献
[1] C. Cole, "Reliability & Latency in Optical Computer I/O: Special Requirements for Optical Connectivity in AI Clusters," LightCounting Webinar, Jul. 30, 2024.

- END -
3 ]& U0 A, Z' ^" O4 h! Q
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

5 A* @  ^  S. E- ]$ e9 V转载请注明出处，请勿修改内容和删除作者信息！

hk0f4llmqpt64082445021.gif

关注我们
4 K2 V' C" Y" H" g' y  k
, H9 N) f, ]1 H  \7 p+ D; g

i+ Z" Q8 m; f$ R9 M# i4 o mcz1n1lot5364082445121.png . O. \+ s5 L0 {4 `# @  y

( d  _) p4 U, |" c, G" L; E# ? pqlqqazqnd364082445221.png

0xpnyyjokxh64082445321.png

                     

' G; M; H- _4 `9 ]4 j  I& f; ]. [

关于我们：
9 ?* L; z- V; \1 V0 b9 V; f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。
# U: ?# t  p- R
http://www.latitudeda.com/
9 o- ?& f" U1 T6 }（点击上方名片关注我们，发现更多精彩内容）