光子学，过去和未来

7月前

👆如果您希望可以时常见面，欢迎标星🌟收藏哦~

来源：内容由半导体行业观察（ID：icbank）编译自semiengineering，谢谢。

过去 25 年，我们一直在使用光子学。它存在于所有长途通信中，包括跨洋通信。它位于所有数据中心。机架通过集成光子学相互完全连接。从这一点来看，现在与25年前相比有很大不同。这些是已经存在相当长一段时间的生产芯片和生产系统。

过去 5 到 7 年最大的变化是硅光子学的发展以及将更多功能集成到单个芯片上。这就是事情确实发生了很大变化的地方。我们承诺您将利用所有已到位的 CMOS 制造基础设施。已经贬值了这很好理解。我们并没有开辟大量新的土地来尝试制造东西。挑战是存在的，但与 25 年前相比已经不同了。在这方面，我们处于良好的状态，并且有很多有前途的技术领域可以应用它，所以没有人们想象的那么多炒作。

一般来说，光子学已经存在很长时间了。例如，像 Infinera 这样的公司一直在进行长线数据通信类型的项目。

正在发生的变化是，我们看到数据中心出现了更多的 CPU、GPU 或 XPU 类型的通信，因此它变得越来越近，而不是像跨大西洋那样用于长链路。这是由多种因素驱动的。这是能源效率和将东西交换为数据通信的能力。这就是人工智能的用武之地。高性能计算 (HPC) 对带宽有着巨大的需求。它不一定是光子的，但要加载它，获得从内存到人工智能处理的带宽——无论是 NVIDIA 还是 AMD 的 GPU，还是光子处理器——需要传输的数据量来来回回才是真正的挑战。大多数公司将这种小小的通信称为“光子引擎”。我们看到很多公司专注于光子引擎，这是用于进行数据交换的专用接口。这绝对不是一个可逆转的趋势。其中大部分都利用了现有的晶圆厂。从成本角度来看，25 年前，获得经济上可行的产品极其困难。今天，从成本角度和带宽角度来看，我们已经接近我们需要达到的目标。

用于量子计算的光子学目前可能有点被炒作，但光子引擎和互连没有回头路，无论是在机架内部、机架之间还是两国之间。我们已经达到这样的程度：即使在机架内，铜的用途也存在理论上的限制。克服这一点非常困难，所以我不认为它会回头，至少在光子学这个非常集中的领域——基本上是高性能计算。但即使在 HPC 中，也不是计算，而是不同单元之间的数据交换，而这部分才是完整的。没有回头路了。

也许你会好奇，哪些问题是光子学可以解决而电子学不能解决的？

首先，延迟是一个很大的问题。您必须不断地用电子设备重复该信号，以便以您想要运行的任何速度获得良好、干净的信号。例如，您想要运行 100 GHz 或类似频率，则每隔 x 米重新调节信号。对于光子学，一旦你对其进行了调制，它就会一次性在数据中心周围快速移动，速度是电子设备的 1000 倍，所以延迟肯定是一个很大的区别。

带宽是另一回事，您可以运行多个波长。现在很多人都在关注WDM和DWDM。对于电子设备，您可以增加通道数量或提高每个通道的速度，但这会变得越来越困难。相比之下，光子学使您能够在同一物理连接上运行多个波长，这使您可以在同一分配空间中添加更多通道，从而为您提供更多带宽。

其次，转换信号以将其调制为光确实很困难。但一旦你做到了这一点，那么你几乎可以到达任何距离，因为光纤的损耗非常低，你可以到达从厘米到公里的任何地方，这是真正的优势。另一件需要记住的事情是底层载波频率约为 200THz。就带宽密度而言，当您的载波频率为 200THz 时，有很大的空间可以做很多事情，以极高的速度发送信号。

最后，您将面临铜的基本限制，即当您的速度越来越高时，您将面临越来越大的损耗，而您无法承受。毫无疑问，随着光子学速度的提高、功耗的降低，超过几毫米的数据通信总是会变得更好。

至于光子学可以比电子学发挥作用的其他领域，传感就是其中之一。在光子学中你可以做一些在电子学中没有任何意义的事情。我们在光子学领域面临的挑战之一是光几乎对任何东西都很敏感，这有时在数据通信中令人沮丧，但它对于传感来说非常有用，因为它对温度或折射率的微小变化非常敏感，所以有一个那里有机会。

至于量子计算，时间会证明一切。人们正在寻求多种不同的量子计算途径，而光子学是一种非常有前途的途径。目前，谁都很难说哪一个会获胜，或者也许它们都会获胜，并且对于某些量子计算有不同的应用。另一个非常有趣的应用是，人工智能的某些计算（本质上是乘法和加法，这正是矩阵/张量乘法所需的）可以在光子学中以比电子学低得多的功率完成。这是非常令人兴奋的，并且需要追求。与此同时，几十年来，押注于此类应用的电子产品一直是一个糟糕的赌注。光子引擎是否能够扩展并继续在未来的人工智能领域竞争？时间会证明一切。这当然令人兴奋并且需要探索，但尚未得到证实。

此外，传感和乘法/加法一样绝对是一件有趣的事情。挑战在于电子到光的双向转换。这是昂贵的部分。一旦进入光域，或者如果您可以从光域开始，例如在激光雷达中，您需要尽可能长时间地留在光域中。因此，我们还需要看到对光子处理的投资，例如 DWDM，其中有多个彼此非常接近的频率。您需要能够留在光域中来过滤这些频率。拥有过滤器和产生光梳的能力，所有这些都需要取得进展才能使光子学更加高效。如今，您在乘法矩阵上获得的所有能力都可能会丢失，因为您需要处理内存中的所有内容，并将其转换为光可以使用的形式。这些方面非常昂贵。一旦你进入那里，很多东西在能源方面都非常便宜，但是两个域之间的转换非常昂贵并且非常耗电。

在传感领域你可以做很多事情，而这些事情在电子领域是没有意义的。例如，干涉式传感。本质上，你可以使用一束与物体相互作用并返回的光束，然后你就可以干扰它本身。它为您提供所看到内容的签名，可用于分子生物传感等应用。这些都是非常有趣的方法，可以彻底改变许多护理点功能。今天，您进行血液检查，他们会抽取您的一些血液并将其送往实验室，并且必须经过大型机器和漫长的过程。通过光子学，你可以将其缩小到你可以随身携带的东西的大小，并且基本上可以在床边进行测试并得到答案。有人已经在这方面取得了进展。事实上，尽管新冠疫情形势严峻，但它却成为了其中一些想法的绝佳试验场。他们现在拥有可用于在分子水平上发现新冠病毒的传感器。当然，军用/航空公司对这种技术非常感兴趣。他们想知道他们的士兵正在走进什么地方，空气中或附近是否有沙林毒气或其他令人讨厌的元素。他们希望在尽可能低的水平上尽快了解情况，以便有时间做出反应。这些都是光子学非常适合的非常酷的应用。

再举一个例子来说明光子学在能量计算方面的优势，请记住棱镜的基本物理例子。如果将光线照射到棱镜上，光线就会分解成多种颜色。这实际上是傅里叶变换。你从多种事物中进行分析，然后你会得到你所拥有的每个频率，如果一个灯比另一个灯亮的话，会有多少。或者，如果你发出红光，你只会发出红光。如果发出白光，在进行转换之前在棱镜中花费了多少能量？大约为零。

如果你想用 DSP 来实现，你实际上需要花费大量的能量来进行同样的傅里叶变换，以了解每个光通道中有多少能量。当我去学校谈论光子学时，我对他们说，看看光能做什么。大多数孩子还不明白什么是傅立叶变换，但这是一个非常自然、超级简单的例子，可以帮助您理解其潜力。如何获得光线以及如何实际测量另一侧不同光流的强度，这都是昂贵的。但中间的棱镜和那里发生的事情是自由的，如果你有一个好的棱镜，能量损失很小。这只是一个很容易理解的例子，展示了光子学的力量。

原文链接

https://semiengineering.com/photonics-the-former-and-future-solution/

点这里👆加关注，锁定更多原创内容

END

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。