光计算 I/O 中的可靠性和延迟

逍遥设计自动化

引言
, j# v. L' C( y3 f4 r! C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！
$ i/ p5 t" V) b1 y' f4 {, J0 _
. L; B  R$ E" y% {人工智能集群光连接简介
AI 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
! ^3 H2 `# r& L0 S- D4 Q[/ol]

cvwxo0hlteb64082444720.png

% X7 R, Z9 {& U6 H8 u图 1：AI 集群连接类型、范围和使用的技术。
6 k5 O( u8 R7 X( W' h
理想的 AI 光连接应结合铜和光技术的最佳属性：
- p' x& A6 r$ ]

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
8 H/ ]+ @2 N" Z! b; r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。
' h7 ~) |0 d- S7 f1 t7 x) D
  J6 Y. n0 A& L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
) N" g5 J2 W2 l/ T: e; R[/ol]
让我们研究两个有望提高可靠性的技术实例：
, `. G: l5 ?' J0 X# Z$ `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。

ipiyv5w1xlv64082444821.png

图 2：量子阱（QW）和量子点（QD）结构比较。
* w7 m3 J" L/ r) U  J
QD 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：
, B$ [- [: H# I4 Z% M7 j

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
/ V5 G0 K& W, k6 Y
QD 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。

/ p  B- q% N8 K+ ^* h. l' Y2. 蓝色 LED 阵列
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：

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


4 A5 p: n5 t+ v

k3unpkmcgph64082444921.png

# p2 b% O5 _9 E* @图3：蓝色 LED 随时间的可靠性特性。

光连接中的延迟
" w  {/ F3 {+ {) T+ l! n! x' p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
+ l" c% H& R) }8 g[/ol]
5 g! s4 n( m; M$ |: A稳态延迟：光学 PCIe
4 C. \  Q0 c9 ~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：
! d5 _6 T9 e) \1 D" h: [

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
: l0 w! a! W+ [" j5 s6 p" h
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。
# O6 i& d. a: d* V
瞬态延迟：光线路交换（OCS）
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：
5 k7 g0 n9 o3 y+ ~6 i2 e$ N

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）
& u( j5 _% B2 Y7 k7 i+ _. X
: m6 G1 ~, q8 E3 p9 k1 H" g4 }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。
! Y3 c) d& {$ ^- I0 ?
* v9 Y1 a  z, F; _* K- Y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。

, m" k: m8 l8 y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.
3 e+ Y4 a) {: x+ J+ G2 |
- o3 z5 W. j: B& ]$ t- END -

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。
, y# i) b$ o/ u% L2 b* \! q( |! {* V  b点击左下角"阅读原文"马上申请

欢迎转载
& _! X0 [0 T% P" J# Q
转载请注明出处，请勿修改内容和删除作者信息！

& J' _6 m  c; u  S2 a

hk0f4llmqpt64082445021.gif

* F5 N. w+ r5 n% b! f) P! D  K; u: f
关注我们

3 U7 L. B" C: J9 p# J  T. S

4 ~" ?9 H( ^1 c* z1 d mcz1n1lot5364082445121.png

pqlqqazqnd364082445221.png ' X9 s; a3 i  u& X6 W* _

% {7 K# ?, d1 I' O. ?" c 0xpnyyjokxh64082445321.png

                     
" A, h5 d4 C2 e6 |( {' o; H4 g% j: D


关于我们：
! ^8 ]7 }. s$ {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。
& r+ o! o2 B+ p7 e6 ?9 I6 A* u9 V. D4 N- t
/ R/ E" j1 d+ rhttp://www.latitudeda.com/
6 ~. @) Q' G4 Z; m: L( C（点击上方名片关注我们，发现更多精彩内容）