人工智能以及更具体的大型语言模型(例如ChatGPT)的最新进展给数据中心带来了压力。人工智能模型需要大量数据进行训练，为了在处理单元和内存之间移动数据，高效的通信链路变得必要。

对于长距离通信，光纤几十年来一直是首选解决方案。对于短距离数据中心内通信，由于光纤与传统电气链路相比具有出色的性能，业界现在也开始采用光纤。最近的技术发展现在甚至可以在非常短的距离内从电气互连切换到光学互连，例如同一封装内的芯片之间的通信。

这需要将数据流从电域转换到光域，这发生在光收发器中。硅光子学是制造这些光收发器中使用最广泛的技术。

芯片内的有源光子器件(调制器和光电探测器)仍然需要与电子驱动器连接，以便为器件供电并读取传入数据。通过3D堆叠技术将电子芯片(EIC)堆叠在光子芯片(PIC)之上，实现了元件的非常紧密的集成，并且寄生电容很低。

最近发表在《光学微系统杂志》上的研究调查了这种3D集成的热影响。

光子芯片的设计由环形调制器阵列组成，这些调制器以其温度敏感性而闻名。为了在数据中心等要求苛刻的环境中运行，它们需要主动热稳定性。这是通过集成加热器的形式实现的。出于能源效率的原因，显然应该最小化热稳定所需的功率。

比利时鲁汶大学和Imec的研究团队通过实验测量了将EIC倒装焊接到PIC之前和之后环形调制器的加热器效率。发现效率相对损失-43.3%，这是一个重大影响。

此外，3D有限元模拟将这种损失归因于EIC中的热扩散。应避免这种热扩散，因为在理想情况下，集成加热器中产生的所有热量都包含在光子器件附近。粘合EIC后，光子器件之间的热串扰也增加了高达+44.4%，使单独的热控制变得复杂。

量化3D光子电子集成的热影响至关重要，但防止加热器效率损失也同样重要。因此，进行了热模拟研究，其中改变了典型的设计变量，以提高加热器效率。结果表明，通过增加微凸块和光子器件之间的间距以及减小互连线宽，可以最大限度地减少3D集成的热损失。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：