Energy-efficient programmable integrated photonics via optimized Euler rotations

तकनीकी सारांश: अनुकूलित यूलर रोटेशन के माध्यम से ऊर्जा-कुशल प्रोग्रामेबल इंटीग्रेटेड फोटोनिक्स

समस्या विवरण
प्रोग्रामेबल इंटीग्रेटेड फोटोनिक्स (PIP) ऑप्टिकल सिग्नल प्रोसेसिंग और कंप्यूटिंग के लिए एक महत्वपूर्ण प्लेटफॉर्म के रूप में उभरा है, जो ट्यूनेबल इंटरफेरोमीटर के मेश के माध्यम से पुन: कॉन्फ़िगर करने योग्य $N \times N$ यूनिटरी मैट्रिक्स रूपांतरणों को सक्षम करता है। जबकि ये सिस्टम उच्च बैंडविड्थ और कम विलंबता (latency) प्रदान करते हैं, उनकी स्केलेबिलिटी तेजी से ऊर्जा खपत द्वारा बाधित हो रही है। जैसे-जैसे बिल्डिंग ब्लॉक्स (BBs) की संख्या सैकड़ों या हजारों तक बढ़ती है, फेज शिफ्टर्स के लिए आवश्यक संचयी भौतिक क्रियान्वयन (physical actuation) एक महत्वपूर्ण ऊर्जा बाधा उत्पन्न करता है। पिछले अनुकूलन रणनीतियों ने सिस्टम-स्तरीय दृष्टिकोणों पर ध्यान केंद्रित किया है, जैसे कि अप्रासंगिक घटकों को हटाना (pruning) या मेश में फेज आवश्यकताओं को पुनर्वितरित करना। हालाँकि, ये विधियाँ इस बात पर ध्यान केंद्रित करती हैं कि रूपांतरण कैसे वितरित किए जाते हैं, न कि इस पर कि उन्हें भौतिक रूप से कैसे लागू किया जाता है। एक मौलिक स्वतंत्रता (degree of freedom) अनछुए रूप से शेष है: व्यक्तिगत $2 \times 2$ यूनिटरी रूपांतरणों के भौतिक कार्यान्वयन में निहित गणितीय विसंगति (mathematical degeneracy)। समान यूलर रोटेशन में एक ही यूनिटरी मैट्रिक्स के समतुल्य अपघटन (decompositions) ब्लॉच स्फीयर (Bloch sphere) पर अलग-अलग प्रक्षेपवक्र (trajectories) का अनुसरण कर सकते हैं, जिसके परिणामस्वरूप काफी भिन्न कुल फेज संचय (phase accumulations) और फलस्वरूप, भिन्न ऊर्जा लागत होती है।

कार्यप्रणाली
लेखक एक ज्यामितीय ढांचे (geometric framework) को पेश करते हैं जो बुनियादी BB स्तर पर ऊर्जा खपत का विश्लेषण और न्यूनीकरण करता है और इसे अनिश्चित $N \times N$ मैट्रिसेस तक विस्तारित करता है।

1. ज्यामितीय प्रतिनिधित्व: एक BB के भीतर ऑप्टिकल फील्ड को ब्लॉच स्फीयर पर एक अवस्था (state) के रूप में मॉडल किया गया है। एक $2 \times 2$ यूनिटरी रूपांतरण को इनपुट अवस्था को आउटपुट अवस्था से जोड़ने वाले एक रोटेशन के रूप में व्याख्यायित किया जाता है। इस रोटेशन को कार्तीय अक्षों ($\hat{x}$ और $\hat{z}$) के चारों ओर बुनियादी रोटेशन के अनुक्रम में विघटित किया जाता है, जो निश्चित बीम स्प्लिटर और ट्यूनेबल फेज शिफ्टर्स के अनुरूप हैं।
2. यूलर अपघटन और विसंगति (Degeneracy): एक यूनिवर्सल BB के ट्रांसफर मैट्रिक्स को यूलर रोटेशन में विघटित किया जाता है: $T_{2\times2}(\alpha, \beta, \gamma) = \hat{R}_z(\gamma)\hat{R}_x(-\pi/2)\hat{R}_z(\beta)\hat{R}_x(-\pi/2)\hat{R}_z(\alpha)$। लेखक प्रदर्शित करते हैं कि लक्ष्य यूनिटरी मैट्रिक्स और यूलर कोणों $(\alpha, \beta, \gamma)$ के सेट के बीच मैपिंग अद्वितीय नहीं है। कोणों के कई समतुल्य सेट एक ही रूपांतरण उत्पन्न कर सकते हैं लेकिन ब्लॉच स्फीयर पर अलग-अलग ज्यामितीय पथों का अनुसरण करते हैं।
3. ऊर्जा मीट्रिक: कुल फेज संचय, जिसे $|\alpha| + |\beta| + |\gamma|$ के रूप में परिभाषित किया गया है, ऊर्जा खपत के प्रॉक्सी (proxy) के रूप में कार्य करता है। अनुकूलन का लक्ष्य उन यूलर कोणों के सेट का चयन करना है जो इस योग को न्यूनतम करता है, जिससे सबसे छोटे रोटेशन प्रक्षेपवक्र की पहचान की जा सके।
4. भौतिक कार्यान्वयन बाधाएं: अध्ययन दो हार्डवेयर विन्यासों के बीच अंतर करता है:
   • डुअल-फेज-शिफ्टर कार्यान्वयन: समानांतर वेवगाइड्स में दो स्वतंत्र रूप से संचालित फेज शिफ्टर्स का उपयोग करने से सकारात्मक और नकारात्मक दोनों रोटेशन कोण ($\alpha = \alpha_2 - \alpha_1$) तक पहुंच प्राप्त होती है, जिससे ब्लॉच स्फीयर पर क्लॉकवाइज और काउंटर-क्लॉकवाइज दोनों रोटेशन संभव होते हैं।
   • सिंगल-फेज-शिफ्टर कार्यान्वयन: एक एकल फेज शिफ्टर का उपयोग रोटेशन को एक ही चिह्न (जैसे, केवल सकारात्मक) तक सीमित करता है, जो अप्राप्य दिशाओं के लिए पूरक रोटेशन ($2\pi - \alpha$) का उपयोग करने के लिए मजबूर करता है, जिससे कुल फेज संचय बढ़ जाता है।
5. सत्यापन: ढांचे को निम्नलिखित के माध्यम से सत्यापित किया गया है:
   • प्रायोगिक: एक यूनिवर्सल $2 \times 2$ प्रोसेसर और एक बहुउद्देश्यीय हेक्सागोनल मेश (Smartlight) को लागू करने वाले सिलिकॉन-ऑन-इन्सुलेटर (SOI) चिप का निर्माण।
   • संख्यात्मक: उच्च-आयामी मैट्रिसेस (N अप तक 500), फीडफॉरवर्ड न्यूरल नेटवर्क (MNIST वर्गीकरण), और फोटोनिक क्वांटम गेट्स (CH, FSim, RZX) के सिमुलेशन।

मुख्य परिणाम

• 2×2 यूनिटरी प्रोसेसर: 2,000 यादृच्छिक (random) $2 \times 2$ रूपांतरणों पर प्रायोगिक सत्यापन ने पुष्टि की कि न्यूनतम-ऊर्जा यूलर प्रक्षेपवक्र का चयन बिजली की खपत को काफी कम कर देता है। इसके अलावा, डुअल-फेज़-शिफ्टर कार्यान्वयन का उपयोग करने से सिंगल-फेज़-शिफ्टर आर्किटेक्चर की तुलना में और भी अधिक बचत हुई, जो उच्च-ऊर्जा पूरक रोटेशन के लिए मजबूर हैं।
• स्केलेबिलिटी: उच्च-आयामी मैट्रिसेस के लिए संख्यात्मक अनुमान दिखाते हैं कि गैर-इष्टतम कार्यान्वयन बढ़ने के साथ शक्ति की खपत में तेजी से वृद्धि करते हैं। $500 \times 500$ मैट्रिक्स के लिए, अनुकूलित कार्यान्वयन उच्चतम-शक्ति विन्यास की तुलना में लगभग 413 W की कुल बिजली खपत को कम करता है।
• न्यूरल नेटवर्क: फीडफॉरवर्ड न्यूरल नेटवर्क सिमुलेशन (3 हिडन लेयर्स, 16–256 न्यूरॉन्स) में, अनुकूलित रणनीति ने गैर-अनुकूलित विन्यासों की तुलना में $\times 5.5$ से $\times 8.2$ के कारक तक बिजली की खपत को कम किया, जिसमें बचत नेटवर्क की आयामिता (dimensionality) के साथ बढ़ती गई।
• क्वांटम गेट्स: दो-क्यूबिट गेट कार्यान्वयन (4×4 यूनिटरी मैट्रिसेस) के लिए, दृष्टिकोण ने $\times 1.4$ से $\times 2.8$ तक बिजली की कमी प्रदान की, जो क्वांटम फोटोनिक प्रोसेसर के लिए इसकी प्रयोज्यता को प्रदर्शित करती है।
• हेक्सागोनल मेश: अनुकूलन रुझान बहुउद्देश्यीय हेक्सागोनल मेश आर्किटेक्चर में भी संरक्षित रहे, जो समर्पित फीडफॉरवर्ड डिजाइनों से परे इस पद्धति की प्रयोज्यता की पुष्टि करते हैं।

महत्व और दावे
यह शोध दावा करता है कि यह शास्त्रीय और क्वांटम दोनों अनुप्रयोगों के लिए अधिक ऊर्जा-कुशल बड़े पैमाने के PIP प्रोसेसर की ओर एक सामान्य मार्ग स्थापित करता है। यूलर रोटेशन की गणितीय विसंगति का लाभ उठाकर, लेखक सर्किट टोपोलॉजी को बदले बिना या नई सामग्रियों की आवश्यकता के बिना ऊर्जा खपत को कम करने के लिए एक भौतिक रूप से ठोस तरीका प्रदान करते हैं। यह ढांचा विशिष्ट फेज-शिफ्टर तंत्र (जैसे, थर्मो-ऑप्टिक, इलेक्ट्रो-ऑप्टिक, MEMS) के संबंध में तकनीक-अज्ञेय (technology-agnostic) है, बशर्ते कि हार्डवेयर आवश्यक रोटेशन दिशाओं तक भौतिक रूप से पहुँच सके (जिसके लिए अक्सर डुअल एक्चुएशन की आवश्यकता होती है)। यह कार्य सुझाव देता है कि जैसे-जैसे PIP प्रोसेसर हजारों बिल्डिंग ब्लॉक्स तक स्केल होंगे, व्यक्तिगत BB के प्रक्षेपवक्र को अनुकूलित करना ऊर्जा-घनत्व सीमाओं को पार करने और अगली पीढ़ी के ऑप्टिकल कंप्यूटिंग और सिग्नल प्रोसेसिंग सिस्टम को सक्षम करने के लिए एक महत्वपूर्ण कारक बन जाएगा।