光學片上網(wǎng)絡(luò)的激光調(diào)制方案

逍遙設(shè)計自動化

引言
1 i2 n1 b6 W2 l+ E3 |9 U" o" ^- l1 J) j隨著硅晶體管縮放接近極限，研究人員正在探索新技術(shù)以繼續(xù)提高處理器性能和效率。有前途的方向是使用片上光學網(wǎng)絡(luò)（也稱為光學片上網(wǎng)絡(luò)或光學NoC）來替代傳統(tǒng)的電氣互連。與電氣網(wǎng)絡(luò)相比，光學NoC在帶寬、延遲和功耗方面具有潛在優(yōu)勢。然而，有效管理光學NoC的功耗帶來了新的挑戰(zhàn)[1]。
# T9 }3 T6 ^1 u: T5 I
" r# o- u0 Y3 y  E. _" R本文將探討用于最小化光學NoC靜態(tài)功耗的激光調(diào)制方案。我們將介紹基于網(wǎng)絡(luò)活動動態(tài)調(diào)制激光功率的關(guān)鍵概念、架構(gòu)和預測技術(shù)。
' A  ^- i6 h& l8 Q4 s( ?

7 }- Y! d) N+ o背景
  n7 K* `# c6 L9 z3 q4 j" @光學NoC使用光來傳輸芯片上組件之間的數(shù)據(jù)。基本構(gòu)建模塊包括：

激光器：光源，可以是片外或片上

調(diào)制器：將電信號轉(zhuǎn)換為光信號

波導：在芯片上引導光

光電探測器：將光信號轉(zhuǎn)換回電信號

! `, g- _2 Z" d& \) F8 w; d光傳輸本身非常高效，但產(chǎn)生光的激光器消耗大量功率。一個關(guān)鍵挑戰(zhàn)是光子不能像電荷那樣容易存儲。這意味著激光器通常需要持續(xù)供電，即使不主動傳輸數(shù)據(jù)時也是如此。這種靜態(tài)功耗可能占光學NoC總功耗的80-90%。
4 L- q; q0 \1 N: k: I, d, O6 m7 }' q4 h
- u+ R2 F9 T8 Z2 P為解決這個問題，研究人員開發(fā)了激光調(diào)制方案，旨在根據(jù)預測的網(wǎng)絡(luò)活動動態(tài)調(diào)整激光功率。一般方法包括：

監(jiān)控網(wǎng)絡(luò)活動指標

預測未來活動

相應調(diào)整激光功率

重新配置網(wǎng)絡(luò)
8 Z. ~. _; v# _  `8 t4 H
讓我們看看為不同類型處理器提出的一些具體方案。

多核CPU設(shè)計中的激光調(diào)制方案
Probe
, c. ^3 }$ ^* T: M2 d0 m最早提出的激光調(diào)制方案之一是Probe。使用64核架構(gòu)，核心分組為4x4塊。每個塊都有專用的片外激光器，可以使用單寫多讀（SWMR）總線廣播消息。
' x/ H, q& k) J) F' n
Probe根據(jù)鏈路利用率和緩沖區(qū)利用率指標預測未來活動。使用兩種類型的預測器：

用于低流量變化：過去和當前利用率的加權(quán)平均

用于高變化：由利用率水平索引的模式歷史表
[/ol]
- N# t" k4 X) G. W* G2 @. C錦標賽預測器根據(jù)最近的準確性在兩者之間選擇。

ColdBus
& C8 `2 P, {5 _6 ]ColdBus采用不同的方法，基于L1緩存未命中預測活動。關(guān)鍵洞察是在共享內(nèi)存系統(tǒng)中，大部分網(wǎng)絡(luò)流量來自L1未命中。
& ?! E8 G* m- Z4 [/ x& f, q
5 t0 K) G0 h- S& o. a+ F4 N使用類似于分支預測器的基于PC的預測器來識別可能導致未命中的指令。然后，一個時期預測器估計這些未命中何時發(fā)生。
* {5 c7 b) A% w  o% }5 z+ {
ColdBus還引入了一個"額外波導"，為需要的站點提供應急功率。

" N1 e* y: Q% D9 WPShaRe
* Q) _! S, l2 X6 hPShaRe在之前工作的基礎(chǔ)上有幾個關(guān)鍵創(chuàng)新：

一致性和非一致性流量的獨立網(wǎng)絡(luò)

基于神經(jīng)網(wǎng)絡(luò)的非線性預測器

站點之間的功率共享

重用浪費的光功率進行熱調(diào)諧
[/ol]
圖1顯示了整體架構(gòu)：


: k+ t( X6 m. h8 A圖1：PShaRe架構(gòu)，顯示連接光學站點的功率和數(shù)據(jù)波導。

神經(jīng)網(wǎng)絡(luò)預測器使用14個性能計數(shù)器輸入，對每個站點在下一個時期的活動進行二元預測。

BigBus
9 e: K) B2 S( _! b0 o, j7 r, ^7 W對于非常大的核心數(shù)（500+），需要像BigBus這樣的設(shè)計。BigBus使用分層架構(gòu)，將塊簇組成更大的單元。

% ?" {0 C# |( ^- D圖2說明了BigBus設(shè)計：
- K; _0 Y* J* T" c! Z6 C* F- Y- t
0 m. t9 k% {" i# F
* W1 |% O4 l- ~6 E$ d1 X2 f* o圖2：BigBus架構(gòu)，顯示由蛇形光鏈路連接的核心和緩存庫的分層組織。
& z  B( m! w* P+ F
BigBus使用兩階段預測過程：

每個站點根據(jù)等待時間和待處理事件決定是否增加/減少令牌

激光控制器將當前預測與歷史數(shù)據(jù)結(jié)合
[/ol]
這允許在當前條件的響應性和穩(wěn)定性之間取得平衡。
8 M' R+ b6 F0 a; B' J- d

; U) [; K! U0 i3 y7 P- o4 i1 P多插槽系統(tǒng)（MULTI-SOCKET SYSTEMS）中的激光調(diào)制方案
/ J: z( R: q- ~2 b8 G對于像服務器這樣的多芯片系統(tǒng)，像Nuplet這樣的設(shè)計將光網(wǎng)絡(luò)擴展到插槽之間。Nuplet同時使用片內(nèi)和片間光網(wǎng)絡(luò)。
, ]& k& z( `7 L! z+ |5 F$ l
片間預測機制旨在確定要流通的仲裁令牌數(shù)量。它考慮：

發(fā)送到片間光學站（ICOS）的消息

ICOS隊列中的待處理事件
[/ol]
5 o5 o3 f0 s7 E功率請求表（PRT）存儲歷史令牌計數(shù)。預測將PRT值與當前流量趨勢和隊列狀態(tài)結(jié)合。

GPU設(shè)計中的激光調(diào)制方案
) h+ e2 p0 ~" Z' F- f  [' A由于GPU側(cè)重于內(nèi)存帶寬而非延遲，因此帶來了獨特的挑戰(zhàn)。GPUOpt設(shè)計將光學NoC適配于GPU架構(gòu)。
# y7 P% ^$ `4 K+ b+ N: C9 B
圖3顯示了GPUOpt的整體架構(gòu)：


& S' c" Y, M- x  w; c, {. S8 W. K圖3：GPU光學NoC的架構(gòu)，顯示由光網(wǎng)絡(luò)連接的SM和LLC集群。
0 X, d1 R; h5 G  }; k/ M/ w
6 l; b  o6 {* T1 ~GPUOpt對流式多處理器（SM）站點和最后級緩存（LLC）站點使用不同的預測機制：
3 Y/ X3 H: x- \& T1. SM站點使用基于以下因素的受限預測器（Restr_Pred）：
% e6 k' o3 x5 g8 a9 l2 h

接收的消息

發(fā)送的消息

等待時間
9 o" B- b# I- v( r  Q' g
2. LLC站點使用考慮以下因素的靈活預測器（Flex_Pred）：

接收的消息

發(fā)送的消息

待處理事件

' l3 q) v1 q7 q0 D( c激光控制器將這些預測結(jié)合起來，確定整體功率需求。


. `& M) j& h5 f0 {8 j關(guān)鍵概念和趨勢
雖然具體方案各不相同，但一些共同主題和最佳實踐浮現(xiàn)出來：

0 ]3 x* A0 ~! I* G# F0 q. N1.將時間劃分為固定時期進行預測和重新配置
2. 使用多個輸入指標：

網(wǎng)絡(luò)利用率

緩沖區(qū)占用率

緩存未命中率

指令類型

待處理事件
3. 將當前指標與歷史數(shù)據(jù)結(jié)合
4. 使用非線性預測函數(shù)（如神經(jīng)網(wǎng)絡(luò)）捕捉復雜關(guān)系
5. 對不同流量類型進行單獨預測（如一致性與非一致性）
6. 分層設(shè)計以實現(xiàn)可擴展性
7. 盡可能重用未使用的光功率
2 b6 u7 R- P' Y2 Y$ {8. 為特定架構(gòu)經(jīng)驗性地調(diào)整預測參數(shù)
2 n0 C) h& o, O  A
圖4說明了有效激光調(diào)制可能帶來的功率節(jié)�。�
; Y# l+ j2 ?, ?7 ?

" K/ y  ?7 g9 G6 X$ c1 i- J- {圖4：ideal、Probe和ColdBus方案在各種基準測試中的相對激光功耗。

0 A- k% J- |5 b+ H
' n/ ~: ?! v7 Q" i% A6 f未來方向
2 s! n5 }/ ~8 n1 U% p隨著光學NoC從研究轉(zhuǎn)向?qū)嶋H實施，可以期待這些技術(shù)的進一步完善。方向包括：

用于更準確預測的機器學習技術(shù)

與應用層知識的集成

在運行時調(diào)整參數(shù)的自適應方案

考慮電氣和光網(wǎng)絡(luò)的整體優(yōu)化

針對新興工作負載（如AI加速）的專門化


結(jié)論
有效的激光調(diào)制對實現(xiàn)光學片上網(wǎng)絡(luò)的潛在優(yōu)勢非常重要。通過準確預測網(wǎng)絡(luò)活動并相應調(diào)整激光功率，可以在保持性能的同時最小化靜態(tài)功耗。隨著處理器架構(gòu)繼續(xù)發(fā)展，激光調(diào)制方案需要適應新的設(shè)計約束和流量模式。該領(lǐng)域的持續(xù)研究有望為未來計算系統(tǒng)解鎖新的能效水平。
2 Q, q  |8 t1 N. ~; @# @

參考文獻
' ?: f3 o" A5 p. U) [[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.
) W6 R& {% R" R; N3 I5 k
6 b4 |0 O% W2 M- END -
) O) ~- I7 d( h7 M8 Y
2 b: N% `& V2 g- w! ~軟件申請我們歡迎化合物/硅基光電子芯片的研究人員和工程師申請體驗免費版PIC Studio軟件。無論是研究還是商業(yè)應用，PIC Studio都可提升您的工作效能。
點擊左下角"閱讀原文"馬上申請
- l) p+ R3 U$ n: Q/ {
歡迎轉(zhuǎn)載
/ f1 Y7 |; }9 ~' x) V
0 j) ]8 C7 @8 s* {轉(zhuǎn)載請注明出處，請勿修改內(nèi)容和刪除作者信息！

3 D' N3 s! N' _/ s, R0 S; V
* K/ W' H9 ^$ x0 Y5 h1 t. U! `
, T5 y0 X' ^  C9 k4 n4 ~8 ?, |
0 X% k( g4 S. f' ?4 T  b
關(guān)注我們
- a$ G# D  P' o
4 U5 J7 u9 f& n% u, \# x0 h

$ Z9 Y4 M9 {, ? 4 n) W% m) \- J' K: f

                     


* W, k+ o4 u4 x" p' T
關(guān)于我們：
( |  e* \. D( r$ L* \' P深圳逍遙科技有限公司（Latitude Design Automation Inc.）是一家專注于半導體芯片設(shè)計自動化（EDA）的高科技軟件公司。我們自主開發(fā)特色工藝芯片設(shè)計和仿真軟件，提供成熟的設(shè)計解決方案如PIC Studio、MEMS Studio和Meta Studio，分別針對光電芯片、微機電系統(tǒng)、超透鏡的設(shè)計與仿真。我們提供特色工藝的半導體芯片集成電路版圖、IP和PDK工程服務，廣泛服務于光通訊、光計算、光量子通信和微納光子器件領(lǐng)域的頭部客戶。逍遙科技與國內(nèi)外晶圓代工廠及硅光/MEMS中試線合作，推動特色工藝半導體產(chǎn)業(yè)鏈發(fā)展，致力于為客戶提供前沿技術(shù)與服務。
* r! {# V0 c+ l1 ]8 ^- B4 t
http://www.latitudeda.com/
& N4 V) I$ I( }, z- f- t- D3 R（點擊上方名片關(guān)注我們，發(fā)現(xiàn)更多精彩內(nèi)容）