論文の概要: Beyond Terabit/s Integrated Neuromorphic Photonic Processor for DSP-Free Optical Interconnects
- arxiv url: http://arxiv.org/abs/2504.15044v1
- Date: Mon, 21 Apr 2025 11:56:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-29 15:13:04.011683
- Title: Beyond Terabit/s Integrated Neuromorphic Photonic Processor for DSP-Free Optical Interconnects
- Title（参考訳）: DSPフリー光インターコネクション用テラビット/s集積型ニューロモルフィックフォトニックプロセッサ
- Authors: Benshan Wang, Qiarong Xiao, Tengji Xu, Li Fan, Shaojie Liu, Jianji Dong, Junwen Zhang, Chaoran Huang,
- Abstract要約: マルチスケールAIトレーニングと推論は、均一、超低レイテンシ、エネルギー効率のリンクを必要とする。
DSPフリーで全光学的,リアルタイムな処理を実現する集積型ニューロモルフィック光信号プロセッサ(OSP)を提案する。
この研究は、高度にスケーラブルでエネルギー効率が高く、高速なソリューションを提供し、次世代AIインフラへの道を開く。
- 参考スコア（独自算出の注目度）: 1.9685853627153866
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid expansion of generative AI drives unprecedented demands for high-performance computing. Training large-scale AI models now requires vast interconnected GPU clusters across multiple data centers. Multi-scale AI training and inference demand uniform, ultra-low latency, and energy-efficient links to enable massive GPUs to function as a single cohesive unit. However, traditional electrical and optical interconnects, relying on conventional digital signal processors (DSPs) for signal distortion compensation, increasingly fail to meet these stringent requirements. To overcome these limitations, we present an integrated neuromorphic optical signal processor (OSP) that leverages deep reservoir computing and achieves DSP-free, all-optical, real-time processing. Experimentally, our OSP achieves a 100 Gbaud PAM4 per lane, 1.6 Tbit/s data center interconnect over a 5 km optical fiber in the C-band (equivalent to over 80 km in the O-band), far exceeding the reach of state-of-the-art DSP solutions, which are fundamentally constrained by chromatic dispersion in IMDD systems. Simultaneously, it reduces processing latency by four orders of magnitude and energy consumption by three orders of magnitude. Unlike DSPs, which introduce increased latency at high data rates, our OSP maintains consistent, ultra-low latency regardless of data rate scaling, making it ideal for future optical interconnects. Moreover, the OSP retains full optical field information for better impairment compensation and adapts to various modulation formats, data rates, and wavelengths. Fabricated using a mature silicon photonic process, the OSP can be monolithically integrated with silicon photonic transceivers, enhancing the compactness and reliability of all-optical interconnects. This research provides a highly scalable, energy-efficient, and high-speed solution, paving the way for next-generation AI infrastructure.
- Abstract（参考訳）: 生成AIの急速な拡張は、高性能コンピューティングに対する前例のない要求を加速させる。
大規模AIモデルのトレーニングでは、複数のデータセンタにまたがる広範な相互接続GPUクラスタが必要になった。
大規模なGPUが単一の結合ユニットとして機能できるようにするため、マルチスケールAIトレーニングと推論要求は一様、超低レイテンシ、エネルギー効率のリンクがある。
しかし、従来のデジタル信号プロセッサ(DSP)を頼りに信号歪み補償を行う従来の電気・光相互接続は、これらの厳しい要求を満たすことに失敗する傾向にある。
これらの制約を克服するために,深部貯水池計算を活用し,DSPのない全光リアルタイム処理を実現する集積型ニューロモルフィック光信号プロセッサ(OSP)を提案する。
実験によりOSPは100Gbaud PAM4,1.6Tbit/sのデータセンターをCバンドの5kmの光ファイバー(Oバンドの80km以上に相当する)で相互接続し,IMDDシステムにおける色分散の基本的な制約である最先端DSPソリューションの到達範囲をはるかに超える結果を得た。
同時に、処理遅延を4桁、エネルギー消費を3桁削減する。
高いデータレートでレイテンシを増大させるDSPとは異なり、OSPはデータレートのスケーリングに関わらず、一貫性のある超低レイテンシを維持しています。
さらに、OSPは、障害補償を改善するために完全な光学情報を保持し、様々な変調フォーマット、データレート、波長に適応する。
成熟したシリコンフォトニックプロセスを用いて作製されたOSPは、シリコンフォトニックトランスシーバーとモノリシックに統合され、全光学配線のコンパクト性と信頼性が向上する。
この研究は、高度にスケーラブルでエネルギー効率が高く、高速なソリューションを提供し、次世代AIインフラへの道を開く。
関連論文リスト
- Quantum-Secured DSP-Lite Data Transmission Architectures for AI-Driven Data Centres [14.36552146021482]
本稿では,DSP-Liteデータ伝送アーキテクチャを提案する。
AI駆動型データセンタ光配線(AI-DCI)シナリオの厳格な要件をすべて満たしている。
自己ホモジンコヒーレント(SHC)システムと量子鍵分布(QKD)をマルチコアファイバベースの空間分割多重化(SDM)技術により統合することにより、セキュアで高容量でエネルギー効率のよいデータ伝送を可能にする。
論文 参考訳（メタデータ） (2025-03-13T01:25:46Z) - A Hardware-Efficient Photonic Tensor Core: Accelerating Deep Neural Networks with Structured Compression [15.665630650382226]
AIとディープニューラルネットワーク(DNN)は多くの分野に革命をもたらし、大規模なデータセットから複雑な特徴を抽出することで複雑なタスクを可能にした。
光コンピューティングは、並列性、高い計算速度、低消費電力という固有の利点のために、有望な代替手段を提供する。
構造圧縮型光ニューラルネットワーク(StrC-ONN)アーキテクチャのためのブロック循環型フォトニックテンソルコア(CirPTC)を提案する。
論文 参考訳（メタデータ） (2025-02-01T17:03:45Z) - Dynamic Spectrum Access for Ambient Backscatter Communication-assisted D2D Systems with Quantum Reinforcement Learning [68.63990729719369]
無線スペクトルは乏しくなり、D2D通信のスペクトル効率は低い。
本稿では, 周囲RF信号の後方散乱を可能にするために, 環境後方散乱通信技術をD2Dデバイスに統合することを目的とする。
我々は、より少ないトレーニングパラメータでより高速な収束率を達成することができる新しい量子強化学習(RL)アルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-10-23T15:36:43Z) - Hyperdimensional Computing Empowered Federated Foundation Model over Wireless Networks for Metaverse [56.384390765357004]
本稿では,新しい基礎モデルのための統合型分割学習と超次元計算フレームワークを提案する。
この新しいアプローチは通信コスト、計算負荷、プライバシーリスクを低減し、Metaverseのリソース制約されたエッジデバイスに適している。
論文 参考訳（メタデータ） (2024-08-26T17:03:14Z) - OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。
irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。
我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
論文 参考訳（メタデータ） (2024-06-07T09:20:30Z) - TeMPO: Efficient Time-Multiplexed Dynamic Photonic Tensor Core for Edge
AI with Compact Slow-Light Electro-Optic Modulator [44.74560543672329]
我々は,TMPOと呼ばれる時間多重化動的フォトニックテンソルアクセラレータを,クロス層デバイス/回路/アーキテクチャのカスタマイズにより提案する。
我々は,368.6TOPSピーク性能,22.3TOPS/Wエネルギー効率,1.2TOPS/mm$2$計算密度を実現した。
この研究は、多層共設計とドメイン固有のカスタマイズの力を示し、将来の電子フォトニクス加速器への道を開く。
論文 参考訳（メタデータ） (2024-02-12T03:40:32Z) - Analysis of Optical Loss and Crosstalk Noise in MZI-based Coherent
Photonic Neural Networks [8.930237478906266]
シリコンフォトニックベースのニューラルネットワーク(SP-NN)アクセラレーターは、電子加速器に代わる有望な代替品として登場した。
本稿ではボトムアップ手法を用いて,光損失とクロストークノイズを包括的にモデル化する。
異なるスケールのSP-NNに対して,高出力のペナルティと破滅的推論精度が最大84%低下することを示す。
論文 参考訳（メタデータ） (2023-08-07T02:01:18Z) - Efficient Parallel Split Learning over Resource-constrained Wireless
Edge Networks [44.37047471448793]
本稿では,エッジコンピューティングパラダイムと並列分割学習(PSL)の統合を提唱する。
そこで本研究では,モデル学習を高速化するために,効率的な並列分割学習(EPSL)という革新的なPSLフレームワークを提案する。
提案するEPSLフレームワークは,目標精度を達成するために必要なトレーニング遅延を著しく低減することを示す。
論文 参考訳（メタデータ） (2023-03-26T16:09:48Z) - Reinforcement Learning-based Wavefront Sensorless Adaptive Optics
Approaches for Satellite-to-Ground Laser Communication [1.8531813733282103]
光衛星間通信(OSGC)は、遠隔地における高速で安価なインターネットへのアクセスを改善する可能性がある。
従来のアダプティブ光学(AO)システムは、ファイバカップリングを改善するためにウェーブフロントセンサーを使用する。
本稿では、波面位相プロファイリングカメラではなく、低コストの二次光ダイオードと相互作用して制御ポリシーを学習することで、システムのレイテンシ、サイズ、コストを最大30～40%削減する強化学習(RL)を提案する。
論文 参考訳（メタデータ） (2023-03-13T23:03:17Z) - Single-Shot Optical Neural Network [55.41644538483948]
深層ニューラルネットワークに必要な計算資源を削減するために,「重定常」アナログ光学・電子ハードウェアが提案されている。
我々は、スケーラブルで1層当たり単発の重み付き光学プロセッサを提案する。
論文 参考訳（メタデータ） (2022-05-18T17:49:49Z) - Interleaving: Modular architectures for fault-tolerant photonic quantum
computing [50.591267188664666]
フォトニック核融合型量子コンピューティング(FBQC)は低損失フォトニック遅延を用いる。
FBQCのモジュールアーキテクチャとして,これらのコンポーネントを結合して「インターリービングモジュール」を形成するアーキテクチャを提案する。
遅延の乗法的パワーを行使すると、各加群はヒルベルト空間に数千の物理量子ビットを加えることができる。
論文 参考訳（メタデータ） (2021-03-15T18:00:06Z) - EdgeBERT: Sentence-Level Energy Optimizations for Latency-Aware
Multi-Task NLP Inference [82.1584439276834]
BERTのようなトランスフォーマーベースの言語モデルでは、自然言語処理(NLP)タスクの精度が大幅に向上する。
We present EdgeBERT, a in-deepth algorithm- hardware co-design for latency-aware energy optimization for multi-task NLP。
論文 参考訳（メタデータ） (2020-11-28T19:21:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。