Silicon Photonics芯片吸引着公司和研讨人员的首要原因是成本低，功耗低，其间Si是导光的杰出资料。跟着CMOS晶体管尺度逐步减小，光学器材却无法持续减缩，成了研讨人员极端重视的一个研讨方向。
在本年的Hotchips上，波士顿的Lightmatter公司为咱们带来了他们的新式硅光子芯片—Lightmatter Mars。
它具有multi-chip解决方案，其作业负载可扩展到数据中心规划。
光子怎么加快芯片进程？
Lightmatter发言人介绍，与传统芯片比较，它具有两种优势：
最显着的便是核算速度，光子人工智能芯片的核算速度大约是电子芯片的三个数量级，约1000倍，单个电子芯片的核算速度大约是7.8TFlops，而光子人工智能芯片的核算速度大约是3200TFlops。第二个优势是功耗，光子人工智能芯片的功耗仅为电子芯片的百分之一，单位电子芯片和耗电量大约300W，对应的光子人工智能芯片的耗电量只要4W乃至是微瓦MAC核算。
比照不同芯片在同一情境下是否具有优势，要考虑功能功耗比、单位美元供给算力两方面。功能功耗比是指耗费单位瓦特供给的功能，重在着重触及多少电费，单位美元供给算力则重在着重芯片的生产成本。在这两方面，光子人工智能芯片比电子芯片更有优势。
再回到这款Mars芯片上，Mars选用纳米光电机械体系NOEMS，运转速度在100兆赫vs 10s kHz，Mars运用的是机械解决方案，Cdyn十分低
高速数据光子芯片在边际核算中的体现
据介绍，它比电子芯片快3个数量级，sq(面积)功率量达到了：64 DAC X 64 ADC = 4096 MAC，Lightmatter的芯片包含一个名为Mach-Zehnder干涉仪的光学元件，而不是一种更常见的累加器或MAC单元。这种交换旨在躲避当时市面上的芯片面对的约束。
此外，经过不同色彩的光，每个元素能够选用多个数据点——并行处理，比如光纤相同。
Mars SoC
Mars SoC选用14nm ASIC
光子芯片与ASIC堆叠在一起，激光能量从外部进入芯片，SRAM接近核算区域，大大降低了功耗
功率体现
最大的功率是在数据移动部分
Mars支撑ML frameworks – Pytorch, TensorFlow, ONNX
Lightmatter 这款用于 I 的硅光子处理器，将硅光技能用于高速核算傍边。可见Lightmatter具有很强的技能布景。
硅光子学的研讨存在一些危险，它不像传统的半导体技能那样安稳。但鉴于国际开端遭到规范核算体系的约束，因而对芯片核算才能的需求在未来只会增
