隨著 OpenAI 的 ChatGPT、微軟的 Bing Chat 和谷歌的 Bard 的出現，人工智能（AI）以及機器學習、神經網絡和深度學習等相關術語已成為主流，并成為公眾和政治討論的關鍵話題。機器學習（ML）是人工智能的一種方法，它利用數學模型來幫助計算機學習，而無需直接指導。神經網絡是機器學習的一種類型，在這種類型中，計算機學習處理數據的方式受到人腦的啟發，而深度學習指的是神經網絡中各層的深度。如果您仍然感到困惑，IBM 的這篇博客提供了很好的術語解釋。人工智能/移動學習應用于從交通到國防等多個行業。在這篇博客中，將探討人工智能/ML、光網絡技術和磷化銦（InP）之間的共生關系。
人工智能/移動互聯將對光網絡產生重大影響
AI/ML 預計將對光網絡和電信的多個方面產生重大影響。其應用范圍從客戶服務聊天機器人、編譯網絡報告、響應故障單、預測性能、故障和流量模式到最終自主運行網絡。在相干光引擎的數字信號處理（DSP）芯片中嵌入神經網絡以執行非線性補償等任務，也是 OFC 和 ECOC 等光學行業會議的熱門話題。
另一方面，AI/ML 需要數據中心內部和數據中心之間的大規模連接，因此對光網絡技術的依賴性極大。光網絡還實現了云人工智能服務與終端用戶之間的連接。所有這些連接都是由光子通過光纖電纜提供的，其中絕大多數光子由 InP 激光器產生。
AI/ML 推動數據中心內部變革
AI/ML 正在對數據中心產生巨大影響。根據 650 Group公司在 OFC 2023 上的演講，數據中心服務器的增長絕大部分是由 AI/ML 驅動的。目前，AI/ML 集群包括多達 10,000 個圖形處理單元（GPU）。數據中心內的 AI/ML 流量逐年翻番，650 Group公司還預測，到 2027 年，數據中心內每五個以太網端口中就有一個用于 AI/ML。此外，AI/ML 數據中心內的流量要求無損和低延遲。它還需要非常高的帶寬、成本效益和能效。AI/ML 還將不可避免地推動數據中心之間以及數據中心與數據中心往返的帶寬增加，例如，從物聯網設備傳輸到 AI 云的大型數據集。
磷化銦光學技術和AI/ML
InP 已經成為數據中心內部以及城域網、長途網和海底網絡上光通信的關鍵推動因素，這些網絡將數據中心相互連接起來，并將需要訪問其中托管的數據和服務的政府機構、企業和消費者連接起來。InP 除了是單模光纖和波分復用激光器的關鍵材料外，還是光子集成電路 (PIC) 的理想材料，因為與硅 (無激光器、無放大器) 和鈮酸鋰 (僅有調制器) 等替代材料相比，它能在單個芯片上實現最多的光學功能（激光器、調制器、光電探測器、放大器等）。
此外，InP 還具有一些額外的優勢，使其非常適合在數據中心內為人工智能/移動終端擴展無損、低延遲的網絡容量。其卓越的調制器效應能更快地改變折射率。這反過來又使 InP 能夠擴展到非常高的符號率（即 200 Gbaud 以上），這對于向 800 Gb/s 以上（例如 1.6 Tb/s）的插拔式網絡演進至關重要。與硅和鈮酸鋰等替代材料相比，InP 還需要更低的電壓來實現給定的相變。這使得 InP 在降低數據中心功耗方面具有至關重要的優勢，而降低數據中心功耗將是擴展 AI/ML 時面臨的一項關鍵挑戰。此外，激光對波長頻率的快速重新調整還能使連接快速重新配置，以進行批量數據傳輸。
磷化銦人工智能處理器怎么樣？
硅是數字電子產品的主要材料，原因有很多，包括其豐富的資源、可作為絕緣體的穩定原生氧化物以及大型高產晶圓。然而，電子的移動速度相對較慢，硅電子器件在高溫下也會變得不穩定，因此需要大量冷卻，這就消耗了大量電能。隨著芯片幾何尺寸的縮小已達到極限，這些缺點促使業界將目光投向了化合物半導體，因為它們具有更高的電子遷移率和出色的溫度穩定性，是潛在的接班人。盡管 InP 和砷化鎵（GaAs）目前被用于一些利基應用，如高射頻電子產品，但碳化硅（SiC）和氮化鎵（GaN）是化合物半導體研發的主要候選材料，有望取代硅成為主流半導體材料。
圖 1：用于光子神經形態計算的 InP光子芯片 PIC（埃因霍溫理工大學，2020 年）
不過，磷化銦可能AI/ML產生重大影響的另一個研究領域是神經形態計算。這是指在計算機芯片的硬件中實現神經網絡，而不是在傳統處理器上運行神經網絡軟件。這些芯片內部需要大規模并行互聯，這使得 InP 光子芯片PIC 成為有力的候選者，光波導將取代電子芯片中的金屬互聯。例如，埃因霍溫理工大學在 2020 年展示了這種類型的設備，如論文 《通過基于 InP ?SOA 的光子集成交叉連接實現深度神經網絡》中所述，圖 1 顯示該論文中的 InP 光子芯片PIC。光子神經形態處理器可實現的人工智能/移動計算新應用包括高能粒子物理、聚變反應堆控制以及機器人和自動駕駛汽車的非線性優化。
總結
綜上所述，AI/ML 將推動許多行業發生巨大變化，包括電信、網絡，更具體地說是光網絡。同時，光網絡也是 AI/ML 的關鍵推動因素。此外，InP 除了在為城域網、長途網和海底網絡提供最高性能的相干光引擎技術方面繼續發揮作用外，還在為數據中心內的高性能 AI/ML 集群提供可擴展、無損、低延遲且極其節能的連接方面發揮著越來越重要的作用。從長遠來看，InP 有可能在實現先進機器學習的光子神經形態計算方面發揮重要作用。
來源：逍遙設計自動化
申明：感謝原創作者的辛勤付出。本號轉載的文章均會在文中注明，若遇到版權問題請聯系我們處理。
?
----與智者為伍?為創新賦能----
聯系郵箱：uestcwxd@126.com
QQ：493826566
