PhD Silicon Photonics for Scalable Energy-Efficient AI Hardware Accelerators

Название: CENTRALE LYON - PhD Кремниевая фотоника для масштабируемых энергоэффективных аппаратных ускорителей ИИ Местоположение: Экулли, Овернь-Рона-Альпы, Франция

Быстрое расширение приложений искусственного интеллекта (ИИ) в облачных и граничных средах стимулирует потребность в высокоэффективном оборудовании, способном поддерживать все более сложные рабочие нагрузки. Среди них умножение матриц – особенно общее умножение матриц (GEMM) – остается доминирующим вычислительным ядром в современных моделях ИИ, включая глубокие нейронные сети и архитектуры трансформеров. Традиционные электронные ускорители, хотя и сильно оптимизированы, сталкиваются с растущими проблемами, связанными с энергопотреблением, перемещением данных и масштабируемостью. Кремниевая фотоника стала многообещающей технологией для устранения этих ограничений, обеспечивая высокопроизводительные, низколатентные и потенциально энергоэффективные вычисления посредством обработки оптических сигналов. В частности, последние достижения в области фотонных вычислений с использованием материалов с изменяющимся фазовым состоянием (PCM) открывают новые возможности для реализации реконфигурируемых и энергонезависимых вычислительных примитивов непосредственно в оптической области. Этот PhD является частью программы CAMELIA (агентства ASIC и Numérique) в рамках целевого проекта LEAF и направлен на изучение гибридной фотонно-электронной вычислительной парадигмы для ускорения ИИ. Центральная цель – разработка и оценка кремниевых фотонных архитектур для эффективных операций GEMM, основываясь на недавних работах, демонстрирующих реконфигурируемую фотонную архитектуру GEMM на основе PCM и стохастических вычислений. Предлагаемое исследование будет сосредоточено на расширении этого блочного подхода к фотонной GEMM для крупномасштабных матричных операций в реалистичных условиях. Ключевые проблемы включают управление ограничениями, связанными с PCM, такими как ограниченная точность и эффекты квантования, смягчение шума и изменчивости, а также решение проблем задержки интерфейса между фотонной и электронной областями. Важным аспектом PhD будет разработка методологий оценки на системном уровне и бенчмаркинга в рамках комплексной оптимизации проектирования и технологии (DTCO/SDTCO). Цель состоит в том, чтобы предоставить количественные и объективные метрики для принятия решений, включая анализ масштабируемости, вычислительную пропускную способность и энергоэффективность для целевых рабочих нагрузок ИИ. Эти оценки будут поддерживать как промежуточное исследование проектирования, так и потенциальную экспериментальную проверку изготовленных демонстраторов в рамках более широкой программы. Кроме того, PhD будет посвящен проблемам проектирования электронных схем, связанных с фотонными ускорителями, включая интерфейсные схемы для управления, программирования элементов PCM, оптико-электронного считывания и преобразования сигналов. Эти аспекты имеют решающее значение для обеспечения практической интеграции фотонных вычислительных блоков в гетерогенные аппаратные системы ИИ. Ожидаемым результатом является набор новых архитектур, моделей и инструментов оценки, которые прояснят потенциал и ограничения кремниевой фотоники для ускорителей ИИ следующего поколения, а также предоставят рекомендации для масштабируемых и энергоэффективных реализаций. Предпосылки: Кандидат должен иметь или получить степень магистра в области электроники, фотоники или компьютерной инженерии. Ожидается наличие прочной базы в области компьютерной архитектуры, интегральных схем или фотонных систем. Знание аппаратных ускорителей ИИ, встроенных вычислений (in-memory computing) или кремниевой фотоники будет плюсом. Среда: PhD будет проводиться в лаборатории INL в рамках программы CAMELIA, в составе проекта LEAF, в сотрудничестве ведущих академических и институциональных партнеров в области аппаратного обеспечения ИИ и фотоники. Даты начала: Осень 2026