AI 硬件与加速器
突破级
有讲解视频
收录解读
这篇论文处理的是 photonic AI accelerator 里最容易停留在器件层演示的问题：很多工作有单点器件亮点，但缺乏足够清晰的 AI compute architecture 设计。SKYLIGHT 的贡献在于把拓扑、波长路由、累加、编程方式和 3D stack 统一设计成面向实时 AI inference 的 tensor core，而不是做又一个局部 photonic primitive。
它提出了 3D Si/SiN crossbar、非 MRR 的热稳健 WDM 组件、多端口 PD 的分层累加，以及可光编程的 PCM 权重，形成一个 hundred-channel 级的 3D photonic in-memory tensor core。更关键的是，论文没有只停留在算力数字上，而是把硬件非理想性、低比特量化、模拟噪声和局部学习都纳入系统级评估。
按本仓库标准，这篇论文清楚地跨过了“纯器件新奇性”门槛，因为它提供的是可复用的 AI-hardware co-design blueprint，尤其对 photonic accelerator、in-memory compute、以及未来大规模低功耗 AI inference 体系有明确结构性参考价值。
它还不是更高一级，因为 photonic accelerator 路线整体仍在早期，很多结果来自系统建模与特定任务评估；它展示了很强方向性，但还没有把 AI 训练/推理主流设计空间真正改写。