光学片上网络的激光调制方案

逍遥设计自动化

引言
7 N2 M( }& O$ Q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]。

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。


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：
; ^- G& r5 U. x# U

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
  U( K1 F/ F+ A* @  |! Q, O- U
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%。

" n1 D* P1 l( O! Z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：

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
- ~+ W( U: @  d0 K4 p2 ~
让我们看看为不同类型处理器提出的一些具体方案。

多核CPU设计中的激光调制方案
. q; q1 ?, v% y: X  {/ CProbe
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。
3 C' x: R2 P2 v) x
+ t. Z' t/ o$ ^1 M' |  W6 MProbe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]
( ~5 d# y. B% \2 T4 {1 U1 r& T" y锦标赛预测器根据最近的准确性在两者之间选择。

: j. S2 Y+ ?/ ^ColdBus
ColdBus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。
9 w; \) H0 p' I: _4 i. Z; T# v' m8 u
1 c& X, S* r' ~- \( G/ Q! _* @ColdBus还引入了一个"额外波导"，为需要的站点提供应急功率。
; G/ |; |* X2 C5 }" Q) M7 z
# N$ ?. P+ R0 `* L( G6 ePShaRe
$ v  ~7 g6 q/ x9 ~% [* ^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
[/ol]
8 b0 u" w/ x- v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。
0 p4 ?% |1 I% _, Y) k: _! P* I
5 }' C6 K- R9 N- Y  O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。

, z0 @5 h- C1 E0 c: u: sBigBus
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。
7 Z0 e9 Q- D: Z
图2说明了BigBus设计：
3 S, f4 P6 k0 `

2lsssyofp4g64034878913.png

  i* E" t/ |% q, C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。

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
% ?' I* D3 y3 @' @1 g# I4 t[/ol]
# T' X9 m1 a7 I' c( O$ _这允许在当前条件的响应性和稳定性之间取得平衡。
) q/ {! |( ]9 z  ]6 v

多插槽系统（MULTI-SOCKET SYSTEMS）中的激光调制方案
' c* w% Z4 c  S' u+ V( r9 z  Y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。
: Z2 Z/ {2 w8 m) _4 W
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
$ T% _: t; }: p[/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。
; y$ W7 t+ l' [. }/ L1 b
, Q% X  K3 [5 [" CGPU设计中的激光调制方案
. C$ z+ y& ?( q4 t5 A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。
  j) U: \' k/ D8 @- s
图3显示了GPUOpt的整体架构：
3 l3 ?; e6 b- L: B% b! e: p
( q' p2 _1 x( C

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。
# Q9 O  k& h/ i6 e/ g5 z
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：
& w/ z. Q' Z3 T/ Z. T* @$ @) Y1. 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
% t+ t! Z, T7 d7 D2 n
4 J' W+ ?8 A0 P* ~6 B2. LLC站点使用考虑以下因素的灵活预测器（Flex_Pred）：
$ i0 _- j. ~! N& J5 w/ T/ }* }

接收的消息

发送的消息

待处理事件
9 C/ m, I. H/ n, Z3 b) P- r
激光控制器将这些预测结合起来，确定整体功率需求。
8 m! Z! C" I4 q8 \8 l+ |: h
, J0 x2 H. f1 Q
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：

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：
0 g' u4 v3 j  i4 Z! I! A0 d" A8 y

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. 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
8 E6 X8 j1 G2 x0 Q: U7. 尽可能重用未使用的光功率
5 p2 Q$ N1 v' |9 w  U/ X( O8. 为特定架构经验性地调整预测参数

# L) \* N) M* e7 |+ O# R5 E图4说明了有效激光调制可能带来的功率节省：

1 M2 L5 Y5 P0 z/ b

om02xkr3dhc64034879113.png

; F  k8 @6 Z- t图4：ideal、Probe和ColdBus方案在各种基准测试中的相对激光功耗。
# z8 t8 ^$ _  K7 n2 G6 M) f
6 x# S7 H0 i* ^1 T/ }
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：

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


6 Y. B0 v) a, ~' n0 {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。
# [6 ^: @, e5 p3 D
0 ]6 R" \9 m7 l1 A9 ^/ o% u- V
) b# U. V- b$ V  n7 V+ Z; Z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.

) \2 J( A' F, v& q6 n8 K- END -
7 K+ T* u4 W: k
& K: s& T/ E0 i/ ]- [# k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
/ B  e5 [7 h& [5 Q+ g
欢迎转载
5 E' Q2 G; y; Y- V3 U3 @
  \6 |/ O0 N7 Y( x2 Q) D转载请注明出处，请勿修改内容和删除作者信息！
9 l- d7 {8 }) f) j
+ V; D' C8 m# a/ l9 N8 o. d4 y) q

0 Q$ u3 M$ y5 Q% T& |

tlesfwadvw464034879213.gif

关注我们
5 L" _! l) v: ~# A
9 N3 ~: P+ c  Q- h  Z- y

0rzxntnecf364034879313.png

wklhaednp3g64034879413.png

+ |9 ~6 l- Z! W3 D4 R- p! o; W v05awecejyj64034879513.png ( y7 G8 M+ L1 i

                     



# c5 Z* I7 _; t) ]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）