Modeling and Analysis of Phase Instability in Photonic Processor

Sintesi Tecnica: Modellazione e Analisi dell'Instabilità di Fase in un Processore Fotonico

Definizione del Problema
Lo sviluppo di circuiti fotonici integrati per l'elaborazione di informazioni quantistiche ottiche su larga scala affronta una sfida critica: ottenere sia la riconfigurabilità che la stabilità dei segnali in uscita. Sebbene i processori fotonici in silicio, in particolare quelli che utilizzano mesh rettangolari di interferometri Mach-Zehnder (MZI) riconfigurabili, offrano scalabilità e versatilità per compiti nell'informatica quantistica e nell'apprendimento automatico, essi rimangono suscettibili al rumore ambientale. Nello specifico, il mantenimento della stabilità di fase nei segnali di input multi-porta è ostacolato dalle instabilità di fase introdotte dai sistemi di raffreddamento attivo e dalle derive termiche. Una fonte primaria di defasamento è la vibrazione meccanica nei cavi in fibra ottica che collegano la sorgente laser al dispositivo fotonico in silicio. Queste vibrazioni inducono microcurvature e distorsioni geometriche localizzate, alterando l'indice di rifrazione efficace e la lunghezza del percorso di propagazione, introducendo un rumore di fase che degrada l'accuratezza computazionale.

Metodologia
Gli autori presentano un'indagine sperimentale sull'instabilità di fase in una mesh di un processore fotonico configurabile a 8 modalità, confrontando i dati sperimentali con due distinti approcci di modellazione teorica:

1. Modello di Cammino Aleatorio Browniano: Lo studio modella le fluttuazioni di fase causate dalle vibrazioni della fibra come un processo di moto browniano stocastico. La fase $\phi(t)$ è trattata come un'evoluzione attraverso incrementi indipendenti e normalmente distribuiti nel tempo, dove la varianza della variazione di fase cresce linearmente con il tempo ($\text{var}(\phi(\Delta t)) = \sigma^2 \Delta t$). Questo approccio simula l'effetto cumulativo di perturbazioni casuali nell'indice di rifrazione e nella lunghezza del percorso.
2. Ricostruzione della Fase tramite Armoniche Oscillanti: Per catturare una visione più completa del rumore, gli autori impiegano un metodo di analisi spettrale. Estraggono la differenza di fase relativa tra i segnali di input dalle potenze di output sperimentali e applicano una Trasformata Discreta di Fourier (DFT) per analizzare le componenti in frequenza. Una Trasformata Discreta di Fourier Inversa (IDFT) viene quindi utilizzata per ricostruire l'oscillazione di fase nel dominio del tempo, garantendo che tutte le caratteristiche spettrali — inclusi il rumore browniano, la deriva termica e le risonanze meccaniche — siano considerate.

Configurazione Sperimentale
La piattaforma sperimentale consiste in una mesh di MZI a 8 modalità e spostatori di fase regolabili (TPS) su chip. Per misurare l'instabilità di fase, gli autori hanno configurato il processore per trasformare uno stato di input a due modalità (porte 4 e 8) in uno stato di output a quattro modalità (porte 1, 2, 7 e 8). Dividendo e ricombinando i segnali di input attraverso specifiche celle unitarie, le potenze di output in queste porte diventano funzioni del seno e del coseno della differenza di fase relativa ($\Delta\phi_{in}$). Questa configurazione consente l'estrazione della fase relativa continua senza i problemi di troncamento tipici dell'intervallo $[-\pi, \pi]$. I dati sono stati acquisiti a circa 125 letture al secondo per canale tramite un ADC ad alta precisione integrato con un Raspberry Pi.

Risultati Chiave

• Validazione del Modello: Lo studio ha condotto 35 esperimenti, ciascuno della durata di 300 secondi. La distribuzione statistica dei valori di fase relativa estratti dagli esperimenti ha mostrato una forte corrispondenza con la simulazione del moto browniano (discrepanza di circa il 9%). Allo stesso modo, gli spettri di frequenza derivati dalla Trasformata Discreta di Fourier dei dati sperimentali si sono allineati strettamente con gli spettri del rumore browniano simulati (discrepanza di circa il 12%).
• Ricostruzione Spettrale: Il metodo di ricostruzione della fase ha catturato con successo tutte le caratteristiche spettrali delle oscillazioni di fase, incluse le contribuzioni da fonti di rumore correlate oltre il semplice moto browniano.
• Applicazione del Controllo a Feedback: Gli autori hanno implementato uno schema di controllo a feedback auto-generato (FBC) per correggere l'instabilità di fase in ingresso. Utilizzando uno degli spostatori di fase del processore per regolare dinamicamente la differenza di fase, il sistema ha stabilizzato il pattern di interferenza. I risultati sperimentali dell'attivazione del FBC (dopo 60 secondi) hanno corrisponduto strettamente ai risultati simulati, validando l'utilità del modello nel prevedere il comportamento del sistema sotto stabilizzazione attiva.

Significatività e Rivendicazioni
L'articolo sostiene che il suo contributo primario sia la validazione dei modelli teorici per simulare l'instabilità di fase nei processori fotonici rispetto a rigorosi dati sperimentali. Dimostrando che un modello di cammino aleatorio browniano e un approccio di ricostruzione spettrale riflettono accuratamente il rumore di fase del mondo reale, il lavoro fornisce un quadro robusto per comprendere le perturbazioni ambientali nell'informatica fotonica.

Gli autori affermano che questi risultati sono essenziali per sviluppare strategie efficaci di mitigazione del rumore, come il controllo a feedback auto-generato dimostrato, che sono necessari per preservare l'integrità del calcolo fotonico. Lo studio sottolinea che affrontare l'instabilità di fase è critico per l'affidabilità e la scalabilità delle piattaforme fotoniche in silicio in applicazioni che richiedono un controllo preciso della fase, come l'elaborazione di informazioni quantistiche e le implementazioni di reti neurali. Il lavoro non pretende di risolvere tutti i problemi di stabilità, ma offre uno strumento di simulazione validato e una metodologia sperimentale per quantificare e mitigare il rumore di fase in sistemi fotonici complessi.