随着人工智能基础设施、数据中心和通信系统对速度更快、功耗更低的光互连的需求日益增长，硅光子学正从专业研究领域走向主流半导体设计。然而，随着光子与计算引擎的距离越来越近，传统的EDA流程必须超越电子信号的范畴，验证波导、光电转换、热漂移、机械应力以及整个电光系统的性能。

随着硅光子技术在数据中心、人工智能基础设施和光通信等领域实现量产，设计光子集成电路仅仅是挑战的一部分。工程师还需要验证其在光电（EOE）系统中的性能。传统的工作流程将这些步骤割裂开来，迫使团队在光子集成电路（PIC）设计工具和系统仿真平台之间来回切换。

Keysight EDA高级副总裁 Niels Fache 表示：“从物理学的角度来看，首先要区分的是电信号和光子，而两者都受相同的第一性原理物理方程——麦克斯韦方程组——支配。” “你可以针对不同频率下的不同应用类型求解这些问题。一方面，在电子领域，我们处理的是电流和电压；另一方面，在光学领域，我们处理的是波和光子。这意味着仿真技术和方法，例如有限元法和时域有限差分法，是通用的。但是，由于它们应用于不同的应用类型，因此会存在差异。这就是为什么我们还在这些领域增加了深度专业化，因为这并非我们现有工作的自然延伸。我们可以在电路层面进行计算。但在元件层面，虽然你可能会处理像激光器这样的元件，但在电子领域并没有直接对应的元件。激光器是非常专业的元件，所以你需要处理波导或环形调制器，这些都是高度专业化的光学元件。虽然我们使用相同的物理方程，但在电子学和光学领域，它们的实现方式却截然不同。”

如今的光子器件设计流程越来越类似于电子集成电路（IC）的设计流程，但自动化程度和成熟度却不及后者。“光子电路带来了额外的挑战，因为它们的性能不仅取决于连接方式，还取决于几何形状、波长等因素，”光子物理学家兼研究员、ChipAgents董事会成员兼顾问John Bowers表示。“设计流程通常从系统级开始，工程师们会在此定义所需的带宽、光功率、波长方案、调制格式、插入损耗预算、热约束和电气接口。然后，他们会使用电路级模型来评估整体架构，最后才确定物理器件的几何形状。”

在元件层面，设计人员使用电磁和多物理场求解器开发波导、调制器、光电探测器、谐振器、耦合器、多路复用器和激光接口。“不同的结构需要使用不同的仿真方法，包括模式求解器、时域有限差分法仿真、本征模展开和有限元分析，”鲍尔斯说道。“由于使用全波电磁求解器仿真整个光子电路是不切实际的，因此每个元件都被简化为一个紧凑模型。这些模型捕捉了损耗、相位、波长响应、反射、调制特性和制造偏差等属性。然后，这些紧凑模型被组装成电路级仿真，就像电子设计中使用晶体管模型一样。”

然后，使用包含合格元件、材料参数、布局规则以及特定代工厂工艺的紧凑模型的光子工艺设计套件来实现该电路。“工程师在光子或电子-光子设计环境中进行原理图绘制、元件布局、波导布线和电气互连设计，”他继续说道。“接下来，物理验证包括常见的电子检查，例如设计规则检查和布局与原理图验证，但还需要一些额外的光子学专用检查。这些检查可能包括光路连续性、弯曲半径限制、波导间距、相位匹配、插入损耗、反射、热串扰、偏振特性和波长对准。”

电子-光子协同设计尤为重要。“一个实用的光输入/输出系统不仅包括光子器件，还包括调制器驱动器、跨阻放大器、时钟电路、监控光电二极管、加热器、控制回路和校准逻辑，”鲍尔斯指出。“因此，光子芯片、电子芯片、封装、激光器、热系统和光纤接口必须一起进行验证。”

Cadence的杰出工程师兼 Virtuoso 平台架构师 Gilles Lamant也认为，电气设计和光子设计之间必须进行整合。 “我们经常谈到智能系统设计或系统设计，而光子学正是这一理念的组成部分，这将极大地改变我们处理光子学问题的方式。对我们而言，光子设计本身并非目的，而是系统的一部分。这与一些其他方法略有不同，例如来自大学毕业生或初创公司，甚至一些仅专注于光子集成电路（PIC）的解决方案，它们试图通过扩展其周围的系统来实现。我们是从截然不同的角度出发的。我们的客户要求我们在系统中使用光子集成电路吗？是的，你需要擅长设计光子集成电路本身，但从一开始，光子集成电路就是更大系统的一部分。这就是为什么，例如，我们在现有的电子平台之上开发了光子集成电路环境，因为它需要与同一个设计人员协同工作。它不是一个独立的平台，而是基于电子平台并依托于该电子平台。这个电子平台，从结构上看，我们今天在芯片组方面所做的很多工作，都是为了解决热问题、电磁问题和芯片组间问题。我们只是增加了一个额外的维度，那就是其中一个芯片组恰好是光子芯片组。”

从整体来看，在典型的工作流程中（这并非光子集成电路独有），设计团队从系统层面入手，例如光通道。在集成电路中，电信号会被转换成光信号，然后从一块电路板或数据中心内的一个系统传输到另一个系统，最后再将光信号转换回电信号。“设计团队希望将整个过程视为一个系统，并在系统层面进行设计，也就是使用行为模型来研究系统的行为，”是德科技的法切说道。他们可能会查看例如眼图、系统的误码率，并详细说明该系统及其各个子系统和高级组件，然后进行更详细的分析。

接着，他们将系统级需求逐个组件分解，并设计每个组件。例如，他们可能会在 GlobalFoundries 的技术节点上设计集成电路，并使用与组件制造工艺密切相关的构建模块。这些组件的模型可能来自测量数据，也可能通过仿真获得。架构师可能会深入到各个构建模块，进行基于物理的分析，或者如果他们有机会构建这些组件，则会进行测量，并将测量结果用于电路分析；在进行电路分析的过程中，他们可能会更新该构建模块的模型，并将其带回系统层面。

通常，他们采用自顶向下的方法，从系统到电路再到组件，将物理原理和测量数据联系起来。但也可能是自底向上的方法。在构建这些模型的过程中，他们可能希望将其向上推送到下一个层级，一直到系统层面，并更新模型，因为模型总是需要不断更新的。他们可能会先提出一个初步设计方案，但在实际实施过程中，最终可能会发现一些无法满足的需求。例如，他们可能会发现某个特定组件不符合最初设定的要求，因此需要回到系统层面，了解其影响，并考虑是否可以在整个系统的背景下做出其他权衡，以适应这种性能需求。

理解光子学与传统电子芯片之间的差异至关重要。“与集成电路中电子通过导线传输到有源器件不同，在光子学中，光子通过波导传输。通过仔细考虑波导的曲率，光子还可以穿过氧化物，从而实现信号的分离和传输。”西门子EDA Calibre nmDRC应用产品管理总监John Ferguson解释道，“这一切都可以快速完成，并且功耗显著降低。虽然有各种EDA工具可以帮助设计人员创建符合预期光学特性的合适曲率，但大多数工具仍然需要手动操作，并非完全自动化。”

一旦光引擎与特定的代工工艺、封装策略和系统架构绑定在一起，对光子学设计的需求就会变得更加复杂。

“光电器件的设计工作流程很大程度上取决于代工厂，因此你的工作流程取决于你与哪些代工厂合作以及你采用的架构，”硅供应商Ayar Labs的产品管理总监 Vishal Chandrasekar 表示。“我们制造的光引擎架构是将电子芯片混合键合到光子芯片上，然后将该组合封装在基板上，与 GPU 或交换机一起封装。”

Ayar Labs负责设计电子芯片和光子芯片，这些芯片基于代工厂确定的PDK（封装设计套件）。“代工厂随后进行混合键合，之后我们进行后端测试和验证等工作，” Chandrasekar说道。“我们销售光学引擎，然后下游的OSAT（外包半导体组装和测试）厂商将该光学引擎封装到带有先进封装GPU的基板上，这样就得到了带有我们光学引擎的完整GPU基板。”

从验证的角度来看，如果波导构建正确，则可以根据波导长度确定光信号时序。“执行传统的验证，例如 DRC 和 LVS，仍然是必要的，但历来都面临着一些挑战，”Ferguson 说。“这些设计依赖于波导，而且在大多数设计中，每个波导都位于同一 GDS 或 OASIS 层上，这使得区分它们变得困难。特别是，波导的作用类似于导线，可以传输信号，但也可以类似于有源器件，产生或修改信号。区分代表器件的结构和代表导线的结构可能具有挑战性。此外，与导线中的电子不同，光子可以彼此穿过而几乎不受影响。这导致波导相互交叉的设计。这里的挑战是如何识别这些交叉实际上并不代表短路。”

对于设计评审中心（DRC）而言，问题在于使用GDSII或OASIS等签核标准意味着曲线的表示变得困难，因为曲线会被栅格化为网格点。“换句话说，DRC工具无法看到预期的曲线，”弗格森指出，“相反，它们看到的是一个扭曲的版本，其中可能存在许多宽度和间距违规。这使得设计团队不得不费力地辨别哪些错误是真实的，哪些是由扭曲造成的。因此，亟需新的方法来更准确地捕捉预期的结构，或者找到逆向工程栅格化的方法，以消除由此产生的意外错误。”

从芯片间光学如何影响多芯片和多器件系统设计的角度来看，Baya Systems产品副总裁Kent Orthner指出，光子学设计仍然是一个分流程的过程。“专业的光子学工具负责处理光学部分本身，从电磁仿真到波导布局和S参数提取，然后将这些工作交给电气和系统仿真部门，以处理周围的电子器件。”

Baya 并非位于光子器件设计层面，而是位于系统集成层面。“我们考虑的是系统层面的影响，”Orthner 说道。“随着光器件从分立元件演变为封装内的芯片，问题的重心也从‘I/O 是否正常工作？’转移到‘数据如何在光域和电域之间相干传输？’。集成层面正是下一系列难题的所在。”

目前，功能验证流程仍不成熟。“在数字设计中，我们可以询问设计在所有可达状态下是否满足其规范，并用数学证明来回答，” Axiomise首席执行官 Ashish Darbari 表示。“光子学领域没有类似的机制；验证意味着模拟少数几个工作点，这只是确认，而非证明。弥合这一差距将是未来五年光子工具领域最大的机遇。”

Synopsys的首席产品营销经理 Raha Vafaei观察到，在设计和验证流程中，光子学正从独立的 PIC 设计转向多芯片、多物理场系统设计。 “设计团队仍然需要基于物理的光子仿真来设计器件，获取精确、紧凑的模型和行为模型对于电路级和系统级建模仍然至关重要。在实现方面，光子感知实现、DRC、LVS 式验证等仍然非常重要，但封装感知分析和系统级验证也变得日益重要。如果将物理精确的多物理场仿真与系统感知建模和分析相结合，就能提高生产效率，并更早地进行架构权衡。这同样依赖于这样一个事实：在进行电路系统级建模时，能够在各个抽象层级上保持光子行为模型的精度，并将系统级分析和多物理场分析结合起来。这样，在将所有部件组装集成时，就不会遇到后期意外情况。最终，您将拥有光子芯片、电子芯片和封装。”设计方面，冷却系统、电源供应等都已到位。当所有部件组装在一起时，你肯定不希望满心欢喜地认为“我们已经完美地完成了这些工作”，结果组装完成后却发现系统无法正常工作。因此，对于共封装光学器件而言，问题不再是光子电路本身是否有效，而是组装完成的完整电光系统能否在规模化生产中稳定可靠地运行。令人兴奋的是，我们将光子学和多物理场方面的深厚专业知识与EDA的高效性和可靠性以及系统分析能力相结合，从而使人们能够摆脱孤立的设计步骤，转向更集成化的共封装光学器件和系统设计路径，就像我们刚才讨论的那样。

最初，网络中的光子元件是一个可插拔模块，方便机架内或机架间服务器的连接。“它正朝着近封装光学器件发展，然后是共封装光学器件，”Synopsys 产品管理高级总监 Priyank Shukla 表示。“如今，光学器件与计算的联系越来越紧密，除了光子部分之外，还需要进行更多验证。它涉及电光器件，而这正是我们未来发展中需要弥合差距的另一个关键所在。”

光子学设计的最后阶段包括跨工艺和温度角的统计分析、封装级光学和热仿真、流片、制造以及硅后表征。“测量结果随后用于改进组件模型和代工厂的PDK，以用于未来的设计，”Bowers说道。“人工智能为提升光I/O设计流程的自动化水平提供了重要契机。如今，工程师们常常需要在系统仿真、电磁求解器、布局工具、热模型、验证环境和测试数据之间手动切换。而智能体人工智能平台将能够协调这些工作流程，连接目前分散在不同学科领域的信息。未来，我们期待看到一个更加自动化的电子光子设计环境，其中人工智能代理能够持续地生成、仿真、验证、诊断和优化整个光I/O系统。”

目前，工程团队正在沿用几十年的电子设计基础设施，但同时引入新的模型、求解器、设计规则和验证方法，以更好地理解光的物理特性。“例如，标准的 SPICE 仿真器可以模拟电压和电流；而光子仿真器则必须能够表示波长、光相位、偏振、传播损耗、反射、干涉、谐振以及通常存在的双向信号流，”鲍尔斯指出。

弗格森也认同，业界目前主要致力于利用现有基础设施。“在某些情况下，可以使用传统的定制布局工具完成设计布局；而在其他情况下，则需要启用专用工具。传统的设计规则检查 (DRC) 和逻辑可靠性检查 (LVS) 工具以及一些额外的辅助功能也发挥着作用。此外，我们还在探索诸如波导级寄生参数提取等方法，并有可能进一步扩展到 PERC 式可靠性分析。”

尽管现有的电子设计工具非常重要且已被广泛应用，但它们本身并不足以满足需求。“如果你要设计光子学和光学器件及系统，或许可以这样简单地理解：在电子学领域，导线主要是一种带有寄生效应的连接，”Vafaei说道。“但在光子学领域，相当于导线的通常是波导，它引导光在整个器件中传播。它不仅仅是一种连接，更是器件本身的一部分。它的几何形状、性能以及所有因素都会影响器件的功能——不仅仅是性能的裕度，而是器件的实际功能。这意味着光学器件的建模有其自身的要求。使用电子仿真器，你可以利用紧凑的行为模型进行电光协同仿真，但至关重要的是，这些模型必须使用专门的光子学仿真工具进行创建和验证。”

在组件层面，创建这些模型时，会捕捉光学器件所需的特定信息，例如光学模式、波长响应、相位偏振和工艺偏差。“然后，您可以将这些精简模型导入到仿真器中，”Vafaei解释道。 “即使在电路层面，进行光子学感知电路仿真也至关重要，因为其中存在非线性效应和复杂的情况。如果拥有专门的光子电路仿真器，就能提供更高的精度和完整性，因为 Spice 和 Verilog 只是简化的行为模型。最高效的流程并非将光子工具强行移植到电子工具中，而是将它们紧密连接起来，使这些仿真器、EDA 和多物理场基础设施都能提供光子学原生的精度。这样，客户就不必在光子学的精度和 EDA 的效率之间做出选择，而是可以在一个统一的流程中获得两者，该流程涵盖从器件到紧凑建模，再到电路级电光协同仿真和实现，直至封装和系统级多物理场分析和最终验收。”

工程团队经常会将原本设计为互通的工具拼凑在一起。“光子EDA工作的大部分内容都是搭建粘合剂，”Axiomise公司的Darbari说道。“像Lumerical FDTD这样的电磁求解器可以处理元件物理特性，但速度太慢，无法进行系统级设计，因此它们的输出会被压缩成紧凑的模型，以便像INTERCONNECT这样的电路仿真器能够快速运行。布局设计则在像OptoDesigner这样的驾驶舱软件中完成。热分析从早期布局规划阶段就开始与光学仿真同步进行，因为未经补偿的硅环形谐振器每摄氏度会发生大约70到80皮米的漂移，即使在室温下正确的设计也可能在自热作用下失效。”

设计空间探索仍然依赖于预先设定的波长、温度和工艺参数扫描。“这正是形式化方法出现之前数字验证的现状，”他说道，“模拟你能想到的所有情况，然后祈祷在你没想到的情况下不会出现错误。而如今，我们可以将形式化的严谨性应用于光子学相关的数字逻辑，例如电子集成电路中的校准状态机和调谐回路，因为一个运行异常的调谐回路与一个劣质的光学元件一样，都会破坏链路。”

在物理层面上的差异 所有这些都在物理层面上至关重要。正如鲍尔斯解释的那样，“在物理层面上，根本区别在于，传统的硅电子器件控制电子的运动，而硅光子器件控制电磁波（即光子）的传播。光学设计遵循麦克斯韦方程组和波动行为。设计者不仅要考虑光功率，还要考虑波长、相位、偏振、折射率、干涉、反射、散射、色散和传播损耗。”

由于波导采用硅材料，其制造需要大量的蚀刻工艺。“与传统的集成电路环境不同，光子设计依赖于有源元件，因此无法受益于尺寸缩小，”弗格森说道。“这意味着光子芯片通常尺寸较大。但好处是，与传统设计相比，光子芯片的元件总数可以更少，例如，几乎不需要通孔和堆叠金属。”

还有其他因素需要考虑。“数字设计控制的是一个二阶系统，只有开或关，0或1两种状态，”Darbari指出。“数字验证之所以存在，是因为这种抽象使我们能够进行离散推理。而光学设计则没有这种抽象。波导中的光是一个连续场，所有重要的参数（相位、振幅、偏振、波长）都是模拟的。氧化物包层（n ≈ 1.45）中的硅芯（n ≈ 3.45）通过全内反射来限制光——本质上就像一根导线，只不过物理作用是由绝缘层完成的。其后果显而易见。温度漂移的程度就可能使环形调制器的谐振频率偏离其WDM槽位。NAND门在室温升高时仍能保持NAND门的功能，但环形调制器可能会发生功能性故障。而且，硅是间接带隙材料，没有高效的原生光源，因此几乎所有系统都依赖于外部或混合键合的III-V族激光器。”

因此，电子设计关注的是离散电荷状态的切换。而光学则是一个连续的模拟领域，受波长和相位控制，仅温度就能改变器件特性，没有晶体管式的抽象结构可以掩盖其本质，Baya Systems公司的Orthner说道。

简而言之，数字设计将物理过程抽象化，以便验证逻辑。“光子设计则不然，因为物理过程本身就是逻辑。正因如此，光学行为与数字契约交汇的边界需要我们用最严谨的规范来加以定义，”达巴里说道。

Cadence 公司的 Lamant 表示，光子学设计面临的下一个挑战是规模化。 “数据通信正在大力提升带宽，我们看到大多数数据通信人工智能应用都具有非常高的基数和大量的通道，因为它们需要在不同位置复制数据。扩展的一个方面是如何在设备表面集成更多功能。这涉及到深度波分复用以及各种复杂的技术，而这并非EDA（电子设计自动化）的挑战。从EDA的角度来看，光子芯片过去往往由充满热情的设计师手工打造，有点像20年前的射频设计师。如今，指望光子芯片的每个比特都由设计师精心打造已经不现实了，因此自动化应运而生，人工智能可以提供帮助。但光子设计的核心自动化是必不可少的。我们很少听到关于光子布局和光子布线的讨论。所有这些都极具挑战性，因为它们与电子设计截然不同。它们确实与电子设计完全不同。光子设计的尺寸正在不断增大，因此绝对需要更高的自动化水平。”

光子学设计未来需要的不仅仅是更强大的单点工具，而是一个更完善的流程，能够将精确的模型从器件物理层面贯穿到电路、封装和系统级的最终验证。随着这些设计规模的扩大，以及它们与人工智能、数据中心和共封装光学架构的深度融合，挑战也从验证单个光子元件的有效性，转变为确保整个电光系统在大规模应用中能够稳定运行。正是在这种情况下，自动化——以及最终的智能人工智能——可能变得至关重要，它们能够帮助团队整合光子学所需的物理原理、验证方法和多物理场分析