Photonics for Sustainable Computing

要約

フォトニック集積回路は、光トランシーバー、LIDAR、バイオセンシング、フォトニック量子コンピューティング、機械学習 (ML) などのさまざまなアプリケーションで使用されています。
特に、ML モデルのサイズが指数関数的に増加する中、フォトニクス ベースのアクセラレータは、CMOS ベースのアクセラレータよりも数桁高いエネルギー効率で ML 推論を実行できるため、持続可能なソリューションとして特別な注目を集めています。
しかし、最近の研究では、ハードウェアの製造とインフラストラクチャがコンピューティング デバイスの二酸化炭素排出量に大きく寄与しており、使用中に発生する排出量を上回っていることが示されています。
たとえば、製造プロセスは、2019 年の Apple の総炭素排出量の 74% を占めています。このことから、フォトニクスの具体化された (製造) 炭素コストと運用上の炭素コストの両方を考慮すると、それは実際に実行可能な手段なのかという疑問が生じます。
持続可能な未来?
そこで、この論文では、フォトニクス チップのカーボン フットプリント モデルを構築し、ディープ ニューラル ネットワーク推論用のフォトニクス ベースのアクセラレータである ADEPT のケーススタディを実施することにより、フォトニクス ベースのアクセラレータの持続可能性を調査します。
私たちの分析によれば、フォトニクスはその高いエネルギー効率と 28 nm CMOS よりも単位面積あたりの製造炭素コストが少なくとも 4 倍 $\1 低いため、動作時および具体的な二酸化炭素排出量の両方を削減できることがわかりました。

要約(オリジナル)

Photonic integrated circuits are finding use in a variety of applications including optical transceivers, LIDAR, bio-sensing, photonic quantum computing, and Machine Learning (ML). In particular, with the exponentially increasing sizes of ML models, photonics-based accelerators are getting special attention as a sustainable solution because they can perform ML inferences with multiple orders of magnitude higher energy efficiency than CMOS-based accelerators. However, recent studies have shown that hardware manufacturing and infrastructure contribute significantly to the carbon footprint of computing devices, even surpassing the emissions generated during their use. For example, the manufacturing process accounts for 74% of the total carbon emissions from Apple in 2019. This prompts us to ask — if we consider both the embodied (manufacturing) and operational carbon cost of photonics, is it indeed a viable avenue for a sustainable future? So, in this paper, we build a carbon footprint model for photonic chips and investigate the sustainability of photonics-based accelerators by conducting a case study on ADEPT, a photonics-based accelerator for deep neural network inference. Our analysis shows that photonics can reduce both operational and embodied carbon footprints with its high energy efficiency and at least 4$\times$ less fabrication carbon cost per unit area than 28 nm CMOS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google