據麥姆斯咨詢介紹，人工智能（AI）以及更具體的大型語言模型（例如ChatGPT）的最新進展給數據中心帶來了壓力。人工智能模型需要大量的數據進行訓練，為了在處理單元和內存之間移動數據，高效的通信鏈路變得非常必要。

對于長距離通信，光纖幾十年來一直是首選解決方案。對于短距離數據中心內的通信，由于光纖與傳統電氣鏈路相比具有出色的性能，業界現在也開始采用光纖。

最近的技術發展現在甚至可以在非常短的距離內從電氣互連切換到光互連，例如同一封裝內的芯片之間的通信。這需要將數據流從電域轉換到光域，這發生在光收發器中。硅光子學是制造這些光收發器中使用最廣泛的技術。

通過3D堆疊實現集成，但不可忽視熱影響

封裝內的有源光子器件（例如調制器和光電探測器）仍然需要與電子驅動器連接，以便為器件供電并讀取傳入數據。通過3D堆疊技術將電子芯片（EIC）堆疊在光子芯片（PIC）之上，可實現芯片之間非常緊密的集成，并且寄生電容很低。

電子芯片與光子芯片的3D集成

近期，比利時的研究人員對這種利用3D堆疊方式實現集成的熱影響進行了研究，并在Journal of Optical Microsystems期刊上發表了相關論文進行介紹。

光子芯片的設計由環形調制器陣列組成，這些調制器以其溫度敏感性而聞名。為了在數據中心等要求苛刻的環境中工作，它們需要主動熱穩定。這是通過集成加熱器的形式實現的。出于能源效率的原因，顯然應該最小化熱穩定所需的功率。

來自魯汶大學（KU Leuven）和納米/光學研究中心imec的研究團隊通過實驗測量了將電子芯片倒裝焊接光子芯片之前和之后環形調制器的加熱器效率。結果發現加熱器效率相對下降了（-43.3%），研究團隊將其描述為“重大影響”。

此外，3D有限元模擬將這種損失歸因于電子芯片中的熱擴散。應避免這種熱擴散，因為在理想情況下，集成加熱器中產生的所有熱量都包含在光子芯片附近。倒裝焊接電子芯片后，光子器件之間的熱串擾也增加了高達+44.4%，使單獨的熱控制變得更加復雜。

量化3D光子/電子芯片集成的熱影響至關重要，但防止加熱器效率損失也同樣重要。因此，進行了熱模擬研究之后，研究人員改變了典型的設計變量，以提高加熱器效率。結果表明，通過增加微凸塊和光子芯片之間的間距以及減小互連線寬，可以最大限度地減少3D集成的熱損失。

審核編輯：湯梓紅