基于光子矩阵乘法加速的AI推理系统设计与光电协同优化 .docxVIP

PAGE2

基于光子矩阵乘法加速的AI推理系统设计与光电协同优化

摘要

随着深度神经网络模型规模急剧膨胀，传统电子计算架构在AI推理中面临能耗墙与延迟墙的双重制约。光子矩阵乘法利用光的并行传播和低损耗特性，有望打破电子瓶颈，实现超高速、低功耗的矩阵运算。本设计针对现有光子加速器光电器件协同效率低、系统吞吐量受限的问题，提出一种基于光子矩阵乘法加速的AI推理系统，并开展光电协同调度优化。

论文从需求分析出发，明确系统在推理延迟、吞吐量和能效方面的量化指标。第二章梳理光子计算、微环谐振器阵列、波分复用等关键技术，论证技术选型合理性。第三章细化功能与非功能需求，建立用例模型。第四章给出系统总体架构：采用电学控制平面与光学数据平面分离的混合架构，划分光矩阵运算、光存储、电学调度与控制等多个模块。第五章对光路校准、矩阵分块映射、光电协同流水线等核心算法进行详细设计。第六章实现原型系统，攻克光电器件同步与数据流冲突等难点。第七章通过功能测试与性能对比，验证系统在典型推理任务上吞吐量提升达2.7倍，能效比提升4.1倍。第八章总结设计成果与创新点，并指出未来面向片上光网络演进的路径。

核心创新点在于提出一种动态时隙分配与波长分配联合优化的光电协同调度策略，有效缓解了光电器件间的速度失配，显著提升了推理吞吐量。

第一章绪论

1.1研究背景

人工智能正从云端向边缘端渗透，自动驾驶、实时影像分