Photonic neuromorphic processing with coupled spiking silicon microrings

기술 요약: 결합된 스파이킹 실리콘 마이크로링을 이용한 광학 뉴로모픽 프로세싱

문제 정의
컴퓨팅 커뮤니티가 무어의 법칙 종말에 직면함에 따라, 특히 저지연 및 고에너지 효율을 요구하는 엣지 컴퓨팅 시나리오를 위해 증가하는 데이터 볼륨을 효율적으로 처리할 수 있는 대안 기술에 대한 절실한 필요성이 제기되고 있습니다. 뉴로모픽 광학은 전기-광학 변환을 최소화하면서 광 영역에서 직접 비선형 변환과 시간적 처리를 수행함으로써 유망한 해결책을 제시합니다. 리저버 컴퓨팅(Reservoir Computing, RC)은 내부 연결에 대한 온칩 학습보다는 자연적인 물리적 역학에 의존하기 때문에 이러한 작업에 적합하지만, 현재의 구현 방식은 확장성 문제를 겪고 있습니다. 단일 마이크로링 공진기(MRR) 노드는 도전적인 과제를 수행하는 데 필요한 동적 복잡성이 부족한 경우가 많으며, "블랙박스" 방식으로 대규모 결합된 MRR 어레이로 확장하는 것은 운영 파라미터 공간의 급격한 증가와 열적 크로스토크 문제를 야기합니다. 따라서 효율적인 온칩 광학 뉴로모픽 시스템의 확장을 가능하게 하기 위해, 축소된 결합 구조의 컴퓨팅 능력을 이해하는 것이 시급합니다.

방법론
본 연구는 SCISSOR(Side-Coupled Integrated Spaced Sequence of Resonators) 기반의 컴팩트하고 수동적인 비선형 광학 코어를 실험적으로 조사합니다. 이 장치는 두 개의 버스 도파로 사이에 180nm의 대칭 간격으로 에버네선트 결합된 세 개의 명목상 동일한 자가 펄스(self-pulsating) 실리콘 MRR(반경 7µm)로 구성됩니다. 비선형 역학은 이광자 흡수(Two-Photon Absorption, TPA)에 의해 구동되며, 이는 자유 캐리어 분산(Free-Carrier Dispersion, FCD)과 열 광학 효과(Thermo-Optic Effect, TOE)를 유도하여 자유 캐리어 수명(145ns)과 열 완화 시간(60280ns)이라는 뚜렷한 타임스케일을 생성합니다.

본 연구는 다음과 같은 시분할 다중화 RC 아키텍처를 채택합니다:

1. 입력 인코딩: Iris 및 Sonar 데이터셋의 데이터 포인트들을 150개의 가상 노드로 구성된 마스킹 레이어로 오프라인에서 선형 확장합니다. 이는 Mach-Zehnder 변조기(MZM)를 사용하여 연속파(CW) 가변 레이저의 진폭 레벨로 인코딩됩니다.
2. 비선형 처리: 변조된 광 신호가 SCISSOR에 주입됩니다. 장치의 고유한 역학(열적 쌍안정성, 자가 펄스 및 스파이킹)이 비선형 변환을 수행합니다. 입력 사이의 내부 메모리를 초기화하기 위해 휴지기(~2µs)를 둡니다.
3. 판독(Readout): 드롭 포트 신호가 광검출되어 샘플링됩니다. 시스템은 두 가지 모드로 평가됩니다:
   • 아날로그 RC: 샘플링된 아날로그 전압 값이 리저버 상태 역할을 합니다.
   • 디지털 RC: 아날로그 상태가 이진 값(0 또는 1)으로 임계값 처리되어, 장치의 스파이킹 역학을 활용해 희소 표현(sparse representation)을 생성합니다.
4. 특성 분석: SCICCORS의 동적 복잡성은 타켄스의 정리(Takens' theorem)를 사용하여 위상 공간을 재구성하고 밀도 지표($\rho$)를 계산함으로써 정량화됩니다. 이는 주입 파장 편차($\Delta\lambda$) 및 광 출력에 대해 매핑되어 작동 영역을 식별합니다.

주요 기여

• 결합된 마이크로링 아키텍처: 본 논문은 최소한의 SCISSOR 구조(세 개의 결합된 링)가 다중 공진기 TPA 기반 상호작용으로부터 발생하는 "카오스의 가장자리(edge of chaos)" 영역과 복잡한 비주기적 역학에 접근할 수 있음을 입증하며, 이는 단일 MRR 노드의 능력을 능가합니다.
• 결합-에지(Coupling-Edge) 작동 원리: 핵심적인 기여는 "결합-에지" 작동 지점의 식별입니다. 이는 약한 결합과 강한 결합 영역 사이의 경계로, 동적 복잡성($\rho$) 및/또는 출력 광 출력의 급격한 변화가 발생하는 지점입니다. 저자들은 최대 혼돈 영역이 아닌, 바로 이 특정 경계들이 종종 가장 높은 컴퓨팅 성능을 지원한다는 것을 발견했습니다.
• 희소 디지털 표현: 본 연구는 SCISSOR의 스파이킹 역학이 디지털 RC에서 자연스럽게 희소한 리저버 상태를 생성함을 보여줍니다. 이는 매우 낮은 스파이크 수에서도 효율적인 분류를 가능하게 하여 후속 전자 프로세싱을 단순화합니다.
• 쌍안정성 활용: 본 연구는 열적 쌍안정성과 스파이킹 쌍안정성 모두가 특히 낮은 주입 전력(< 4mW)에서 컴퓨팅 성능을 향상시키는 데 기여함을 강조합니다.

결과

• Iris 데이터셋: SCISSOR 기반 RC 시스템은 150개의 가상 노드를 사용하여 아날로그 및 디지털 방식 모두에서 Iris 데이터셋에 대해 오류 없는 분류(100% 정확도)를 달iel했습니다. 특히 디지털 방식에서는 특정 구성을 통해 단 하나의 시간적 노드(스파이크)의 활성화만으로 과제를 해결할 수 있어 극도의 효율성을 보여주었습니다.
• Sonar 데이터셋: 더 까다로운 Sonar 과제(암석과 기뢰 구분)에 대해, 시스템은 97% 이상의 정확도(구체적으로 아날로그 RC에서 $0.984 \pm 0.011$)를 달성했습니다. 가장 높은 성능은 시스템이 서로 다른 수의 자가 펄스 링 사이를 전환하는 "결합-에지" 영역에서 관찰되었습니다.
• 강건성 및 재현성: 이러한 결과는 제작 파라미터가 약간 다른 두 번째 SCISSOR 장치에서도 검증되었으며, 이를 통해 결합-에지 작동 원리가 장치 간에 재현 가능하다는 것을 확인했습니다.
• 성능 대 복잡성: 연구 결과, 가장 높은 동적 복잡성(완전한 카오스, 높은 $\rho$)을 가진 영역이 반드시 최상의 분류 정확도를 보장하는 것은 아니었습니다. 대신, 결합-에지의 중간 복잡성 영역이 풍부한 비선형 역학과 구조화된 출력 사이의 최적의 균형을 제공했습니다.

의의 및 주장
저자들은 광 결합 마이크로링 공진기, 특히 SCISSOR 구성이 미래의 엣지 컴퓨팅 및 뉴로모픽 광학 시스템을 위한 효과적인 빌딩 블록 역할을 한다고 주장합니다. 본 연구는 개별 네트워크 노드의 물리적 컴퓨팅 메커니즘을 이해하는 것이 확장을 위해 필수적임을 시사합니다. "결합-에지" 영역을 최적의 작동 지점으로 식별함으로써, 이 논문은 물리 기반의 기준을 제안합니다. 이 접근 방식은 향-설계에서 철저한 파라미터 탐색의 필요성을 크게 줄여주며, 확장된 온칩 아키텍처를 훈련하고 제어하기 위한 전략을 제공합니다. 낮은 광 출력(< 8mW)과 희소 디지털 표현을 통해 높은 성능을 달 수 있는 능력은 이 기술이 효율적인 실시간 광학 추론을 위한 실행 가능한 경로임을 입증합니다.