鲁汶大学和imec表示，μbumps和光子器件之间的间距更宽，可以减少3D集成的热量问题。
人工智能的最新进展，更具体地说，是 ChatGPT 等大型语言模型，给数据中心带来了压力。人工智能模型需要大量的数据来训练，为了在处理单元和内存之间移动数据，高效的通信链路变得必要。
几十年来，对于长距离通信，光纤一直是首选解决方案。对于短距离数据中心内通信，由于光纤与传统电气链路相比具有出色的性能，因此业界现在也开始采用光纤。
最近的技术发展现在甚至可以在非常短的距离内实现从电气互连到光互连的转换，例如同一封装内芯片之间的通信。
这需要将数据流从电域转换到光域，这发生在光收发器中。硅光子学是制造这些光收发器使用最广泛的技术。
芯片内部的有源光子器件，如调制器和光电探测器，仍然需要与电子驱动器连接，以便为器件供电和读取输入数据。通过3D堆叠技术将电子芯片堆叠在光子芯片的正上方，实现了低寄生电容元件的紧密集成。
比利时的研究人员已经研究了这种 3D 集成的热影响，并在 SPIE 光学微系统杂志上进行了描述并发表了最新文章。
光子芯片的设计由一系列环形调制器组成，这些调制器以其温度灵敏度而闻名。为了在数据中心等要求苛刻的环境中运行，它们需要主动热稳定。这是以集成加热器的形式实现的。出于能源效率的原因，显然应将热稳定所需的功率降至最低。
来自鲁汶大学和纳米/光电研究中心imec的研究团队在PIC上倒装芯片键合之前和之后通过实验测量了环形调制器的加热器效率。发现效率相对损失了 -43.3%，该团队将其描述为“重大影响”。
此外，3D 有限元仿真将这种损耗归因于 EIC 中的热扩散。应避免这种热扩散，因为在理想情况下，集成加热器中产生的所有热量都包含在光子器件附近。键合EIC后，光子器件之间的热串扰也增加了高达+44.4%，使单个热控制复杂化。
量化 3D 光子电子集成的热影响至关重要，但防止加热器效率损失也很重要。出于这个原因，进行了热模拟研究，其中更改了典型的设计变量，以提高加热器效率。结果表明，通过增加μbumps和光子器件之间的间距并减小互连线宽，可以最大限度地减少3D集成的热损失。
