🔬 optics

Perturbative photonic matrix-vector multiplication with reduced phase-shift range

यह शोध पत्र प्रोग्रामेबल फोटोनिक मेश के लिए एक परिवर्तक प्रोग्रामिंग (perturbative programming) विधि प्रस्तुत करता है जो एक निश्चित संदर्भ विन्यास (fixed reference configuration) के समीप कार्य करके आवश्यक चरण-परिवर्तन (phase-shift) सीमा को कम करता है, जो अंतर्निहित वास्तुशिल्प ओवरहेड्स के बावजूद मैट्रिक्स-वेक्टर गुणन के लिए एक संभावित रूप से स्केलेबल मार्ग प्रदान करता है।

मूल लेखक: S. A. Fldzhyan, S. S. Straupe, M. Yu. Saygin

प्रकाशित 2026-06-02

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: S. A. Fldzhyan, S. S. Straupe, M. Yu. Saygin

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपके पास प्रकाश पाइपों (फोटोनिक सर्किट) से बनी एक विशाल, जटिल मशीन है जिसे बहुत तेज़ी से गणित करने के लिए डिज़ाइन किया गया है। विशेष रूप से, यह एक कार्य करता है जिसे "मैट्रिक्स-वेक्टर मल्टीप्लिकेशन" कहा जाता है, जो एक फैंसी तरीका है यह कहने का कि यह संख्याओं की एक सूची लेता है, उन्हें एक विशिष्ट पैटर्न में मिलाता है, और एक नई सूची बाहर निकालता है। यह वह प्रकार का गणित है जो आर्टिफिशियल इंटेलिजेंस और डेटा प्रोसेसिंग को शक्ति देता है।

समस्या यह है कि ऐसी मशीनों को बनाना एक विशाल ऑर्केस्ट्रा को ट्यून करने जैसा है जहाँ हर वाद्य यंत्र को नोट्स की एक बहुत बड़ी रेंज में समायोजित करने की आवश्यकता होती है। गणित को सही करने के लिए, लाइट पाइपों को प्रकाश की "फेज़" (phase) को बदलना होगा (सोचिए कि यह प्रकाश तरंग के समय या लय के बारे में है) एक बहुत बड़ी मात्रा में। इन समायोजनों के लिए लंबे, ऊर्जा-खपत करने वाले घटकों की आवश्यकता होती है जो गर्मी पैदा करते हैं और जैसे-जैसे प्रकाश मशीन के माध्यम से यात्रा करता है, उसे फीका (लॉस) कर देते हैं। जैसे-जैसे अधिक जटिल गणित को संभालने के लिए मशीनें बड़ी होती जाती हैं, ये आवश्यकताएं प्रबंधित करना असंभव हो जाता है।

पेपर का बड़ा विचार: "घटाव" (Subtraction) की ट्रिक

लेखक एक चतुर वर्कअराउंड प्रस्तावित करते हैं। मशीन को हर बार सटीक लक्ष्य नोट तक पहुँचने के लिए ट्यून करने के बजाय, वे इसे एक "होम बेस" या एक निश्चित संदर्भ बिंदु (fixed reference point) पर ट्यून करने का सुझाव देते हैं जो आसानी से पहुँचा जा सके।

यहाँ उपमा है:
कल्पना कीजिए कि आप एक डार्टबोर्ड पर निशाना लगाने की कोशिश कर रहे हैं जो 100 फीट दूर है।

पुराना तरीका: आपको डार्ट फेंकने के लिए पर्याप्त बल के साथ फेंकना होगा ताकि वह पूरे 100 फीट की यात्रा कर सके। इसके लिए एक बहुत बड़े, शक्तिशाली हाथ (एक बड़ा फेज़ शिफ्ट) की आवश्यकता होती है, जो थकाने वाला है और जिसे सटीक रूप से नियंत्रित करना कठिन है।
नया तरीका (पर्टर्बेटिव): आप पहले डार्टबोर्ड के ठीक बगल में एक दूसरा, समान डार्टबोर्ड सेट करते हैं और आप उस जगह के लिए निशाना साधते हैं जो पहले वाले से 99 फीट दूर है (आपका "रेफरेंस")। फिर आप दूसरा डार्ट फेंकते हैं जिसे केवल उस अतिरिक्त 1 फुट की यात्रा करने की आवश्यकता है ताकि वह बुल्सआई तक पहुँच सके।
जादू: 100-फुट वाले डार्ट को पूरी तरह से फेंकने के बजाय, आप 1-फुट वाला डार्ट फेंकते हैं। फिर, आप एक कंप्यूटर का उपयोग करके 99-फुट वाले थ्रो के परिणाम को 100-फुट वाले थ्रो से घटाते हैं। अंतर ठीक वही 1-फुट का समायोजन है जिसकी आपको आवश्यकता थी।

पेपर की भाषा में, वे प्रकाश को दो रास्तों में विभाजित करते हैं। एक पथ एक "स्थिर" (static) मशीन के माध्यम से जाता है जो एक निश्चित, आसान कॉन्फ़िगरेशन पर सेट है। दूसरा पथ एक "प्रोग्रामेबल" मशीन के माध्यम से जाता है जिसे उस स्थिर अवस्था से केवल छोटे, मामूली समायोजन (पर्टर्बेशन) करने की आवश्यकता होती है। जब दोनों प्रकाश किरणें पुन: संयोजित होती हैं, तो वे बड़े, स्थिर हिस्से को रद्द कर देती हैं और केवल छोटा, वांछित अंतर छोड़ देती हैं।

यह कैसे मदद करता है

छोटे समायोजन: क्योंकि मशीन को बड़े उतार-चढ़ाव के बजाय केवल छोटे बदलाव करने की आवश्यकता होती है, इसलिए इसके भौतिक घटक (फेज़ शिफ्टर्स) बहुत छोटे हो सकते हैं। छोटे घटकों का अर्थ है कम गर्मी, कम ऊर्जा का उपयोग और कम प्रकाश हानि (लॉस)।
जैसे-जैसे आप बढ़ते हैं, बेहतर होते जाते हैं: लेखकों ने पाया कि यादृच्छिक, जटिल गणित समस्याओं (जैसे कि उपयोग किए जाने वाले न्यूरल नेटवर्क) के लिए, यह "छोटा बदलाव" वाला तरीका और भी कुशल हो जाता है जब मशीन बड़ी होती है। पुराने तरीके में, सबसे बड़े समायोजन चाहे मशीन कितनी भी बड़ी हो, समान आकार के रहते थे। इस नए तरीके में, आवश्यक समायोजन वास्तव में मशीन के बड़े होने पर छोटे होते जाते हैं।
ट्रेड-ऑफ (समझौता): इसमें एक पेच है। "घटाव" की प्रक्रिया स्वयं एक फिल्टर की तरह काम करती है जो प्रकाश को धुंधला कर देती है। यह ऐसा है जैसे नया तरीका आपके हाथ की ताकत (फेज़ शिफ्टर की लंबाई) पर ऊर्जा बचाता है लेकिन चमक (सिग्नल लॉस) की थोड़ी कीमत वसूलता है।
- यदि लाइट पाइप पहले से ही बहुत अधिक लॉस वाले (धुंधले) हैं, तो यह ट्रेड-ऑफ सार्थक है क्योंकि छोटे पाइप अधिक ऊर्जा बचाने के लिए अधिक ऊर्जा बचाते हैं।
- यदि लाइट पाइप पहले से ही पूर्ण और लॉसलेस हैं, तो घटाव की लागत छोटी मशीनों के लिए बहुत अधिक हो सकती है।

यह किसके लिए है?

पेपर विशेष रूप से सघन मैट्रिसेस (dense matrices) पर केंद्रित है, जो एक पूर्ण स्प्रेडशीट की तरह हैं जहाँ लगभग प्रत्येक सेल में एक संख्या होती है। यह वह प्रकार का गणित है जिसका उपयोग मशीन लर्निंग और एआई में किया जाता है। लेखक नोट करते हैं कि बहुत सरल, स्पार्स पैटर्न (जैसे कि केवल कुछ संख्याओं को इधर-उधर बदलना) के लिए, यह ट्रिक उतनी अच्छी तरह काम नहीं करती है।

सारांश में

पेपर एक विधि पेश करता है जिससे प्रकाश-आधारित कंप्यूटरों को स्केलेबल बनाया जा सके। मशीन को एक बड़े, ऊर्जा-गहन प्रयास के साथ पूरा काम करने के लिए मजबूर करने के बजाय, यह मशीन को एक छोटा, आसान काम करने के लिए कहता है और फिर एक ज्ञात "बेसलाइन" को घटा देता है ताकि अंतिम उत्तर प्राप्त किया जा सके। यह अनुमति देता है कि हार्डवेयर को छोटे, अधिक कुशल घटकों के साथ बनाया जा सके, बशर्ते कि गणित की समस्या इतनी जटिल हो कि ट्रेड-ऑफ सार्थक हो।

तकनीकी सारांश: कम चरण-शिफ्ट रेंज के साथ विचलित फोटोनिक मैट्रिक्स-वेक्टर गुणन (Perturbative Photonic Matrix-Vector Multiplication)

समस्या विवरण
प्रोग्राम करने योग्य फोटोनिक मेश (meshes) एनालॉग मैट्रिक्स-वेक्टर गुणन (MVM) के लिए एक आशाजनक मंच प्रदान करते हैं, जो रैखिक बीजगणित और मशीन लर्निंग वर्कलोड के लिए आवश्यक है। हालाँकि, उनकी स्केलेबिलिटी सार्वभौमिक इंटरफेरोमीटर सर्किट में आवश्यक बड़े चरण-शिफ्ट (phase-shift) रेंज द्वारा सीमित है। पारंपरिक आर्किटेक्चर, जैसे कि माक-ज़ेंडर इंटरफेरोमीटर (MZI) पर आधारित, आमतौर पर $[0, \pi]$ या $[0, 2\pi]$ तक फैले मॉड्यूलेशन रेंज को मानते हैं, जो सर्किट के आकार से स्वतंत्र होता है। यह आवश्यकता डिवाइस फुटप्रिंट, ट्यूनिंग पावर और संचित ऑप्टिकल लॉस (optical loss) पर महत्वपूर्ण दंड लगाती है, विशेष रूप से उन वातावरणों में जहाँ थर्मल बजट सख्त होता है। जबकि हार्डवेयर सुधार (सामग्री, डिवाइस डिज़ाइन) और आर्किटेक्चरल अनुकूलन (जैसे 3-MZI आधारित चरण-कुशल मेश) प्रस्तावित किए गए हैं, मौलिक चुनौती मैट्रिक्स आयाम के साथ चरण आवश्यकताओं के बढ़ने की बनी हुई है।

कार्यप्रणाली (Methodology)
लेखक एक विचलित प्रोग्रामिंग विधि (perturbative programming method) का प्रस्ताव करते हैं जो परिचालन प्रतिमान (operational paradigm) को एक लक्षित मैट्रिक्स के प्रत्यक्ष वैश्विक कार्यान्वयन से बदलकर एक निश्चित संदर्भ विन्यास (fixed reference configuration) के निकट संचालन की ओर ले जाता है।

मुख्य अवधारणा: सर्किट को एक संदर्भ सेटिंग $x^{(0)}$ और संगत ट्रांसफर मैट्रिक्स $A(0)$ के साथ बायस (bias) किया जाता है। लक्षित रूपांतरण $W$ को पूर्ण मैट्रिक्स को प्रोग्राम करके नहीं, बल्कि एक छोटा विचलन (perturbation) $\epsilon W$ लागू करके प्राप्त किया जाता है, जिससे कुल ट्रांसफर मैट्रिक्स $A(x) = A(0) + \epsilon W$ हो जाता है।
कार्यान्वयन: सिस्टम दो समानांतर मल्टीमोड सर्किट का उपयोग करता है: एक प्रोग्राम करने योग्य सर्किट $A(x)$ और एक स्थिर संदर्भ सर्किट $A(0)$ । इनपुट एम्प्लीट्यूड को समान रूप से विभाजित किया जाता है, दोनों सर्किटों से गुजारा जाता है, और फिर इंटरफेरोमेट्रिक रूप से पुनर्संयोजित किया जाता है। आउटपुट $a^{(out)} = \frac{1}{2}(A(x) - A(0))a^{(in)}$ के समानुपाती होता है।
संदर्भ चयन: विचलित शासन (perturbative regime) की उपयोगिता को अधिकतम करने के लिए, संदर्भ पैरामीटर $x^{(0)}$ को सुलभ विचलनों के स्थानीय आयतन (local volume) को अधिकतम करने के लिए चुना जाता है, जिसे पैरामीटर से ट्रांसफर मैट्रिक्स के मैपिंग के जैकोबियन डिटरमिनेंट (Jacobian determinant) द्वारा मापा जाता है। 3-MZI मेश के लिए, यह एक एंटी-डायगोनल संदर्भ मैट्रिक्स देता है, जिसे ऑप्टिकल लॉस को कम करने के लिए ऑप्टिकल के बजाय इलेक्ट्रॉनिक रूप से घटाया जा सकता है।
आर्किटेक्चर: इस विधि को दो प्राथमिक आर्किटेक्चर पर लागू किया गया है:
1. सार्वभौमिक यूनिटरी मेश (Universal Unitary Meshes): विशेष रूप से क्लेमेंट्स डिज़ाइन (मानक MZI) और चरण-कुशल 3-MZI डिज़ाइन।
2. गैर-यूनिटरी निर्माण (Non-Unitary Constructions): "दो-यूनिटरी" अपघटन पर आधारित, जहाँ एक गैर-यूनिटरी मैट्रिक्स को दो यूनिटरी के योग के रूप में व्यक्त किया जाता है ( $A = \frac{1}{2}(U_1 + U_2)$ )।

मुख्य योगदान और परिणाम

चरण वितरण संकुचन (Phase Distribution Contraction): रैंडम डेंस मैट्रिसेस (Ginibre ensemble) का उपयोग करके किए गए संख्यात्मक सिमुलेशन दर्शाते हैं कि विचलित प्रोग्रामिंग, पारंपरिक प्रत्यक्ष प्रोग्रामिंग की तुलना में आवश्यक चरण परिवर्तनों के प्रसार को काफी कम कर देती है।
- पारंपरिक शासन में, जबकि मैट्रिक्स आकार $N$ बढ़ने के साथ अधिकांश चरण वितरण संकुचित होता है, चरम पूँछ (extreme tails/maximum phase excursions) विस्तृत बनी रहती है।
- विचलित शासन में, संपूर्ण चरण वितरण, जिसमें चरम पूँछ भी शामिल है, मैट्रिक्स आकार बढ़ने के साथ $O(1/\sqrt{N})$ के रूप में संकुचित होता है। यह 3-MZI आर्किटेक्चर के लिए विशेष रूप से प्रभावी है।
ट्रेड-ऑफ विश्लेषण (हानि बनाम रेंज): लेखक कम चरण रेंज और घटाव आर्किटेक्चर (subtraction architecture) के अंतर्निहित ओवरहेड के बीच के ट्रेड-ऑफ को परिमाणित करते हैं।
- घटाव योजना एक निश्चित क्षीणन कारक (attenuation factor) $\epsilon/2$ पेश करती है, जिसके परिणामस्वरूप दो-यूनिटरी निर्माण के लिए लगभग 16.7 dB का न्यूनतम अंतर्निहित इंसर्शन लॉस होता है (जहाँ $\epsilon_{max} \approx 0.29$ )।
- हालाँकि, यदि चरण शिफ्टर का भौतिक लॉस उनके मॉड्यूलेशन लेंथ (जैसे सिलिकॉन फोटोनिक्स या कम अनुकूलित प्लेटफॉर्म में) के साथ स्केल करता है, तो आवश्यक चरण विचलन में कमी पर्याप्त मैट्रिक्स आयामों पर इस निश्चित ओवरहेड की भरपाई कर सकती है।
एन्सेम्बल निर्भरता (Ensemble Dependence): चरण-रेंज में कमी सार्वभौमिक नहीं है। यह सघन, उच्च-एन्ट्रॉपी मैट्रिसेस (जो न्यूरल नेटवर्क में सामान्य हैं) के लिए अत्यधिक प्रभावी है। इसके विपरीत, अत्यधिक संरचित स्पार्स मैट्रिसेस (जैसे ऑप्टिकल स्विचिंग में उपयोग किए जाने वाले परम्यूटेशन मैट्रिसेस) के लिए, विचलित दृष्टिकोण $1/\sqrt{N}$ की एसिम्प्टोटिक (asymptotic) कमी प्रदान नहीं करता है; चरण रेंज आकार-स्वतंत्र स्थिरांक द्वारा सीमित रहती है।

महत्व और दावे
यह शोध पत्र पहचानता है कि विचलित प्रोग्रामिंग अधिक स्केलेबल प्रोग्राम करने योग्य फोटोनिक मैट्रिक्स प्रोसेसर की दिशा में एक सशर्त लेकिन संभावित रूप से उपयोगी मार्ग है।

पूरक रणनीति: इस दृष्टिकोण को एक एल्गोरिथमिक अनुकूलन के रूप में प्रस्तुत किया गया है जो हार्डवेयर-संचालित रणनीतियों (बेहतर सामग्री, कुशल डिवाइस डिज़ाइन) और आर्किटेक्चरल अनुकूलन (चरण-कुशल मेश) के पूरक के रूप में कार्य करता है।
डिज़ाइन ट्रेड-ऑफ: यह एक नया डिज़ाइन प्रतिमान पेश करता है: बड़े-रेंज वाली वैश्विक प्रोग्रामेबिलिटी को एक सावधानीपूर्वक चुने गए संदर्भ रूपांतरण के आसपास कैलिब्रेटेड, छोटे-सिग्नल प्रोग्रामेबिलिटी से बदलना।
व्यावहारिक सीमाएँ: लेखक इस बात पर जोर देते हैं कि इस विधि की उपयोगिता निम्नलिखित द्वारा सीमित है:
- फैब्रिकेशन और कैलिब्रेशन सटीकता: स्थिर और प्रोग्राम करने योग्य भुजाओं (arms) को इतना अच्छी तरह से मेल खाना चाहिए कि अनियंत्रित विभेदक त्रुटियाँ (differential errors) विचलित सिग्नल को बाधित न करें।
- लॉस रिजीम (Loss Regimes): यह विधि तब सबसे अधिक फायदेमंद होती है जब चरण शिफ्टर का लॉस मॉड्यूलेशन रेंज के सापेक्ष महत्वपूर्ण होता है। अत्यंत कम-लॉस वाले प्लेटफॉर्म के लिए, निश्चित घटाव ओवरहेड छोटे-से-मध्यम मैट्रिक्स आकारों के लिए लाभों से अधिक हो सकता है।
- मैट्रिक्स संरचना: लाभ सघन, उच्च-एन्ट्रॉपी वर्कलोड के लिए विशिष्ट हैं और स्पार्स या अत्यधिक संरचित रूपांतरणों तक स्वतः विस्तारित नहीं होते हैं।

निष्कर्षतः, यह कार्य प्रदर्शित करता है कि एक निश्चित संदर्भ बिंदु के निकट संचालित होकर, फोटोनिक प्रोसेसर सघन वर्कलोड के लिए मैट्रिक्स आकार के साथ अनुकूल रूप से स्केल होने वाली आवश्यक प्रोग्राम करने योग्य चरण विचलन (phase excursion) में कमी प्राप्त कर सकते हैं, बशर्ते कि सिस्टम अंतर्निहित घटाव हानि को सहन कर सके और उच्च अंशांकन (calibration) सटीकता बनाए रख सके।

इसी तरह के और पेपर