后摩尔定律加速器的设计方法学：以光子神经形态处理器为例

在过去十年中，随着传统数字电子学因摩尔定律和 Dennard 缩放定律的终结而持续逼近其极限，替代技术获得了发展势头。与此同时，我们正面临新的应用挑战，例如由数据急剧增长所带来的挑战。因此，注意力已从同构计算转向专用的异构解决方案。例如，受脑启发的计算已作为许多应用的可行方案重新兴起。然而，此类新处理器已将抽象范围从器件层级拓宽至应用层级。因此，能够为此类技术提供垂直设计流工具的高效抽象变得至关重要。光子学，尤其是神经形态光子学，是电子学最有前途的替代方案之一。尽管光子学的器件级工具箱以及高层神经网络平台正在迅速扩展，但弥合这一差距的工作却不多。在此，我们提出一种设计方法学，通过用光子组件的功能和性能模型扩展高层硬件无关神经网络设计工具来缓解此问题。在本文中，我们通过设计实例及相关结果详细阐述了该工具和方法学。我们表明，采用此方法可使设计人员高效地在设计空间中导航，并设计出基于替代技术的硬件感知系统。