Scalability of Silicon Photonic WDM Receivers for Low-Power Optical I/O
Notice bibliographique
Résumé
Optical input/output (I/O) must be carefully designed to scale up bandwidth of intra-data center electrical switches, while reducing energy consumption and cost. Innovative receiver architectures are key to achieving these goals. Both cascaded microring resonators (MRRs) and arrayed waveguide gratings (AWGs) can handle multiple wavelengths. For a fixed number of channels, wavelength de-interleavers can lower loss and crosstalk, and also yield more compact solutions. We present a comprehensive model to analyze six receiver architectures; we consider MRR vs. AWG, 1-stage or 2-stage de-interleaver vs. no de-interleaver. We target a 6.4 Tbps per-fiber bit rate and optimize receiver energy efficiency. We sweep combinations of data rate, channel count, and channel spacing. For each receiver under test simulation, we quantify energy consumption per bit and bandwidth density (compactness). Assuming non-return-to-zero (NRZ) modulation, we find that MRR-based receivers can achieve the 6.4 Tbps per fiber target with energy consumption at (or close to) sub-pJ/bit, while AWG-based receivers can only achieve up to 3.2 Tbps per fiber. The MRR-based receivers are generally more energy efficient and have a higher bandwidth density. Area bandwidth density up to 2.9 Tbps/<inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><tex-math notation="LaTeX">$\text{mm}^{2}$</tex-math></inline-formula> can be achieved by AWGs, and shoreline bandwidth density up to 21 Tbps/mm can be realized by MRRs. Finally, we review promising ways to further enhance the per-fiber bit rate and lower the energy consumption per bit.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».