联合多家大学的合作研究中心,汇集世界知名的光子学和电路科研人员,为未来十年的计算互连铺平道路。
英特尔研究院近期成立了英特尔®面向数据中心互连的集成光电研究中心。该中心的使命是加速光互连输入/输出(I/O)技术在性能扩展和集成方面的创新,专注于光电子技术和器件、CMOS电路和链路架构,以及封装集成和光纤耦合。
英特尔资深首席工程师,英特尔研究院PHY 研究实验室主任James Jaussi表示:“在英特尔研究院,我们坚信单一机构不能将所有必要的创新都成功转化为研究现实。通过与全美国的一些顶尖科学家合作,英特尔正为面向下一代计算互连的集成光电发展打开大门。我们期待与这些科研人员密切合作,共同探索如何克服即将到来的性能障碍。”
随着服务器间的数据移动不断增加,对当下的网络基础架构能力提出了全新挑战。行业正在迅速接近电气I/O性能的实际极限。随着需求的持续增长,电气I/O的功耗性能调节无法保持同步增长,很快将限制用于计算运行的功率。这一性能障碍可以通过集成计算芯片和光互连I/O来克服,这也是英特尔集成光电研究中心的重点工作之一。
英特尔近期展示了集成光电关键构建模块的技术进展。光的产生、放大、检测、调制、CMOS接口电路和封装集成是实现所需的性能以取代电气成为主要的高带宽封装外接口的关键。
此外,光互连I/O有望在可达性、带宽密度、功耗和延迟等关键性能指标上显著优于电气I/O。在多个前沿领域的进一步创新来同时提升光学性能、降低功率和成本也是必不可少的。
关于研究中心:英特尔面向数据中心互连的集成光电研究中心汇集了多所大学和世界知名的科研人员,共同加速光互连输入/输出(I/O)技术在性能扩展和集成方面的创新,其研究愿景是探索技术扩展的路径,以满足未来十年及之后对能效和带宽性能的要求。
英特尔深知学术是技术创新的核心,并致力于促进全球领先学术机构的科研创新。集成光电研究中心的成立反映了英特尔致力于与学术界合作开发新的先进技术,从而进一步推动计算的发展。
参加该研究中心的科研人员包括:
研究项目:硅上异质集成量子点激光器
项目说明:加州大学圣巴巴拉分校的团队将研究砷化铟(InAs)量子点激光器与传统硅光子的集成问题。该项目的目标是阐明单频和多波长光源的预期性能和设计参数。
研究项目:通过双二进制信号和波特率时钟恢复实现的低功耗光收发器。
项目说明:该项目将使用新型跨阻抗放大器和波特率时钟和数据恢复架构来开发超低功耗、高灵敏度的光接收器。光收发模块原型机将采用22纳米CMOS工艺实现,展现出超高的抖动容限和出色的能效。
研究项目:用于高带宽数据通信的非易失性可重构光交换网络
项目说明:华盛顿大学的团队将使用新兴的硫族化合物相变材料研究低损耗、非易失性电气可重构硅光子交换机。与现有的可调机制不同,开发出的交换机将保持其状态,允许零静态功耗消耗。
研究项目:用于数据中心互连的Sub-150fJ/b光收发器
项目说明:该项目将为大规模并行、高密度和高容量光互连系统开发高能效的光收发器电路,其目标是通过在收发器中采用动态电压频率缩放、低摆幅电压模式驱动器、具有紧密集成光电检测器的超灵敏光接收器和低功率光器件调谐环路来提高能效。
研究项目:由高迁移率透明导电氧化物驱动的0.5V硅微型环调制器
项目说明:该项目旨在通过硅MOS电容器与高迁移率Ti:In2O3之间的异构集成开发一种低驱动电压、高带宽的硅微型环谐振器调制器(MRM)。该器件有望克服光发射器的能效瓶颈,并且可能共同封装在未来的光I/O系统中。
研究项目:硅光子的晶圆级光学封装
项目说明:加州大学伯克利分校的团队将开发集成波导透镜,该透镜具有实现低损耗和高容差光纤阵列的非接触式光学封装的潜力。
研究项目:无热且节能的可扩展大容量硅光子收发器
项目说明:加州大学戴维斯分校的团队将开发极度节能的无热硅光子调制器和谐振光电检测器光集成电路,150 fJ/b能效和16 Tb/s/mm I/O密度下,其容量可扩展至40 Tb/s。为实现这一目标,该团队还将开发一种全新的3D封装技术,用于垂直整合光子和电子集成电路,其互连密度为每平方毫米10,000个焊盘。
好文章,需要你的鼓励
随着AI的使用、创新和监管混乱超过认可的标准,IT领导者只能开发内部方法来减轻AI风险,依靠框架、工具和他们的同事来正确使用AI。
几年前,当澳大利亚红十字会(Australian Red Cross)这个社区服务慈善机构开始进行数字化转型的时候,发现有很多不同的系统无法协同工作。如今,经过数据梳理和发挥作用,可以满足不断变化的需求。
在此次活动中,IBM展示了最先进的IBM Quantum Heron计算机是如何以比以前更高的精度和速度执行复杂的量子算法,同时为进行高级分子模拟的新方法铺平了道路。
想象一下,一个人工智能系统不仅能阅读文本或识别图像,还能够同时读、写、看、听和创造。这其实就是多模态人工智能的精髓。这些先进的多模态人工智能系统可以同时处理和整合多种形式的数据,包括文本、图像、音频甚至视频。这就像是赋予了人工智能一整套的感官。