On-chip 1 TOPS Hyperdimensional Photonic Tensor Core using a WDM Silicon Photonic Coherent Crossbar

Resumen Técnico: Núcleo Tensor Fotónico Hiperdimensional de 1 TOPS en Chip utilizando una Matriz Cruzada Coherente de Fotónica de Silicio con Multiplexación por División de Longitud de Onda

Planteamiento del Problema
La rápida expansión de las aplicaciones de inteligencia artificial (IA) ha creado una demanda urgente de sistemas de computación capaces de realizar operaciones de álgebra lineal altamente eficientes, específicamente multiplicaciones matriz-vector (MVM) y tensor-vector (TVM). Aunque los aceleradores fotónicos ofrecen una eficiencia energética y un ancho de banda prometedores, las implementaciones actuales enfrentan obstáculos significativos para escalar y cumplir con los requisitos de parámetros de los modelos de IA modernos. Los enfoques existentes a menudo dependen de dimensiones de multiplexación individuales: la Multiplexación por División de Espacio (SDM) a través de mallas fotónicas coherentes sufre pérdidas de inserción que limitan la escalabilidad; la Multiplexación por División de Longitud de Onda (WDM) enfrenta desafíos para generar conteos de canales sustanciales en chip; y la Multiplexación por División de Tiempo (TDM) introduce latencia y deja sin resolver la escalabilidad del rendimiento. Además, las demostraciones experimentales de vanguardia que superan cientos de TOPS han dependido en gran medida de dispositivos basados en fibra volumétrica, dejando a los sistemas en chip luchando por emplear simultáneamente la multiplexación temporal, espacial y de longitud de onda.

Metodología
Los autores proponen y validan experimentalmente una nueva arquitectura Xbar de Multiplexación por División de Tiempo-Espacio-Longitud de Onda (TSWDM). Este diseño generaliza la Matriz Cruzada (Xbar) fotónica coherente para soportar tres dimensiones de multiplexación simultáneas:

1. Tiempo: Las operaciones se serializan en el dominio del tiempo.
2. Espacio: La carga de trabajo computacional se distribuye a través de filas y columnas espaciales.
3. Longitud de Onda: Los nodos computacionales elementales se paralelizan a través de múltiples canales de longitud de onda.

La arquitectura consta de una fuente multilongitud de onda, una malla Xbar $L \times M \times N$ (donde $L$, $M$ y $N$ representan canales de longitud de onda, filas y columnas) y un sitio de detección de desmultiplexación. El sistema utiliza una cuadrícula de nodos computacionales multiplexados, donde cada nodo comprende una matriz de elementos elementales (típicamente un modulador de amplitud y un modulador de fase) intercalados entre etapas de desmultiplexación y multiplexación.

Para la validación experimental, los autores fabricaron un Xbar de fotónica de silicio de 2 canales de entrada y 4 canales en una plataforma IMEC de 200 mm. El chip integra:

• Moduladores de Absorción Electro-óptica (EAM) Franz-Keldysh de SiGe de 50 $\mu$m y 56 GHz que sirven como moduladores de entrada y de pesos.
• Desplazadores de Fase Termo-ópticos (TO-PS) de 170 $\mu$m para garantizar la correcta impresión de signo e interferencia constructiva.
• Etapa de MUX-DEMUX de doble microrresonador de 4 canales en chip que proporciona un espaciado de canal adyacente de 3 nm.

La configuración experimental empleó una fuente láser sintonizable de 4 canales, un generador de formas de onda arbitrarias (AWG) para la conducción de RF, e implementación fuera de línea del integrador temporal y las funciones de activación. El sistema se probó para caracterización de CC, multiplicación Tensor-Vector (TVM) e inferencia en una red neuronal totalmente conectada entrenada para la clasificación del conjunto de datos Iris.

Resultados Clave

• Multiplicación Tensor-Vector: El Xbar TSWDM de 4 canales y 2 entradas demostró con éxito operaciones TVM con un error promedio del 3.9% en comparación con los productos ideales. Esto se logró calibrando el sistema para restaurar la no linealidad y las pérdidas de inserción (IL) no uniformes de los moduladores.
• Inferencia de Red Neuronal: En la tarea de clasificación del conjunto de datos Iris, el procesador fotónico logró una precisión experimental del 93.3% a tasas de datos entre 4$\times$10 y 4$\times$30 GBd. La precisión se mantuvo robusta, alcanzando el 83.3% incluso cuando la tasa de datos aumentó a 4$\times$60 GBd.
• Rendimiento Computacional: El sistema en chip demostró un rendimiento computacional de 0.96 TOPS con una eficiencia de huella de 480 GOPS/mm².
• Análisis de Escalabilidad: El análisis teórico indica que incorporar un esquema WDM en la arquitectura SDM reduce la potencia del láser de operación requerida. Para un rendimiento computacional específico, el enfoque WDM ofrece una mejora de hasta 1 bit en la resolución de bits alcanzable en comparación con un Xbar SDM puro de potencia equivalente, principalmente debido a la reducción de pérdidas de inserción asociadas con menos cruces físicos en diseños ampliados.

Significado y Afirmaciones
El artículo afirma presentar el primer procesador fotónico hiper-multiplexado coherente capaz de realizar cálculos MVM y TVM arbitrarios en chip, sinergizando las dimensiones de tiempo, espacio y longitud de onda. Los autores afirman que esta arquitectura proporciona un camino maduro para escalar la potencia computacional mientras soporta un gran número de parámetros entrenables, abordando las limitaciones de los esquemas de multiplexación de una sola dimensión.

El trabajo destaca que, aunque las dimensiones espacial y espectral son intercambiables en términos de potencia computacional bruta, el enfoque WDM ofrece una ruta más sostenible para escalar circuitos fotónicos. Específicamente, el análisis sugiere que los diseños WDM pueden aumentar viablemente el potencial para construir aceleradores fotónicos con un rendimiento computacional en el régimen de POPS (Peta-Operaciones por Segundo) al reducir los requisitos de potencia del láser y mitigar las penalizaciones de pérdida de inserción asociadas con el aumento de las dimensiones espaciales. La demostración experimental de un núcleo en chip de 0.96 TOPS sirve como prueba de concepto para este enfoque hiperdimensional.