Scalable native signed optical computing enabled by dual-wavelength incoherent multiplexing

기술 요약: 이중 파장 비간섭 다중화를 통한 확장 가능한 네이티브 부호 광 컴퓨팅

문제 제기
비간섭 광 신경망 (PNN) 은 엄격한 위상 안정화 요구 사항을 제거함으로써 간섭성 아키텍처보다 견고성과 확장성 측면에서 이점을 제공하지만, 근본적인 한계에 직면해 있습니다. 즉, 광 세기는 본질적으로 음수가 될 수 없습니다. 따라서 기존 대부분의 비간섭 곱셈 - 누적 (MAC) 시스템은 음이 아닌 신호 표현으로 제한됩니다. 현대 기계 학습에서 효율적인 최적화와 수렴에 필수적인 부호 (양극성) 입력과 가중치를 지원하는 것은 이전에는 공간적으로 분리된 차분 부호화, 시간 다중화, 또는 복잡한 비선형 전달 함수와 같은 하드웨어 집약적인 솔루션을 필요로 했습니다. 이러한 접근 방식들은 일반적으로 시스템 크기에 비례하여 증가하는 하드웨어 오버헤드를 수반하거나 추가 컴퓨팅 사이클을 요구하여 대규모 텐서 연산을 위한 통합 밀도와 확장성을 제한합니다.

방법론
저자들은 박막 리튬 나이오베이트 (TFLN) 플랫폼에 구현된 확장 가능한 이중 파장 비간섭 컴퓨팅 아키텍처를 제안합니다. 핵심 혁신은 두 개의 스펙트럼적으로 분리된 광 캐리어 ($\lambda_1$ 및 $\lambda_2$) 를 사용하여 상보적인 신호 성분을 인코딩하는 네이티브 부호 계산 방식입니다.

• 인코딩 메커니즘: 양극성 입력 $X_i \in [-1, 1]$은 두 개의 음이 아닌 성분인 $x_i^+$와 $x_i^-$로 분해되며, 이때 $X_i = x_i^+ - x_i^-$가 성립합니다. 이러한 성분들은 고속 전기 - 광 변조기를 통해 두 개의 서로 다른 파장에 인코딩됩니다.
• 공유 경로 계산: 두 파장 채널은 파장 다중화기 역할을 하는 불균형 마하 - 젠더 간섭계 (MZI) 를 포함하는 공유 물리적 경로를 통과합니다. 이는 두 파장을 공유 가중치 단위 (또 다른 불균형 MZI) 로 유도합니다.
• 상보적 가중치: 가중치 MZI 는 두 파장에 대한 전송 가중치인 $w_i^+$와 $w_i^-$가 상보적 응답 ($w_i^+ + w_i^- = 1$) 을 보이도록 설계됩니다.
• 차분 검출: 가중치 MZI 의 상보적 출력 포트에서 광 세기의 차이를 취함으로써, 시스템은 $(w_i^+ - w_i^-)(x_i^+ - x_i^-) = W_i X_i$를 계산합니다. 이는 단일 비간섭 세기 계산 프레임워크 내에서 진정한 4 분면 광 곱셈을 실현합니다.
• 보정: 시스템은 상보적 파장 ($\lambda_1 = 1550$ nm 및 $\lambda_2 = 1548.4$ nm) 을 식별하기 위한 보정 절차를 적용하며, 전송 세기를 균형시키기 위해 저주파 삼각파 변조를 사용하여 차분 검동 중 오프셋 오차를 최소화합니다.

주요 기여

1. 네이티브 부호 아키텍처: 이 연구는 가중치 단위를 복제하거나 간섭성 위상 안정화가 필요 없이 네이티브로 부호 입력과 부호 가중치를 모두 지원하는 방법을 입증합니다.
2. 일정한 하드웨어 오버헤드: 행렬 크기에 따라 하드웨어 복잡도가 증가하는 이전 방법들과 달리, 이 스펙트럼 다중화 전략은 시스템 차원에 관계없이 곱셈 - 누적 연산당 부호 계산을 위한 추가 하드웨어 오버헤드가 일정하게 유지되도록 보장합니다.
3. TFLN 구현: 아키텍처는 포토리소그래피 보조 화학 - 기계적 식각 (PLACE) 을 사용하여 TFLN 플랫폼에서 구현되었으며, 낮은 전파 손실 (0.03 dB/cm) 과 높은 제조 균일성을 달성했습니다.

실험 결과

• 소자 성능: 제작된 변조기는 3-dB 전기 - 광 대역폭이 40 GHz 를 초과하며 $V_\pi \cdot L$이 2.25 V·cm 인 것을 보입니다. 가중치 MZI 는 30 dB 를 초과하는 소거비를 달성하며 두 파장 채널 간의 필요한 상보적 변조 동작을 입증합니다.
• 곱셈 충실도: 무작위 양극성 입력과 가중치를 사용하여 동적 4 분면 광 곱셈이 테스트되었습니다. 시스템은 곱셈 출력에 대해 1.27% 의 표준 편차 오차를 달성했으며, 전체 4 분면 범위에서 유의미한 오차 누적이 관찰되지 않았습니다.
• 시스템 수준 검증:
  • Moons 데이터셋: 광 시스템은 비선형 "Moons"데이터셋에서 95.1% 의 분류 정확도를 달성하여 이상적인 전자적 기준선의 95.4% 정확도와 밀접하게 일치했습니다.
  • MNIST 데이터셋: 손글씨 숫자 인식의 경우, 시스템은 91.63% 의 정확도를 달성하여 이상적인 전자 모델의 92.81% 정확도에 근접했습니다.
  • 학습 역학: 수치 시뮬레이션과 실험 데이터는 음이 아닌 제약 조건에 비해 양극성 (중심화된) 입력이 학습 수렴과 최종 정확도를 크게 향상시킨다는 것을 확인했습니다.

의의 및 주장
이 논문은 네이티브 양극성 처리가 가능한 확장 가능한 비간섭 광 컴퓨팅 시스템으로 나아가는 실용적인 경로를 확립합니다. 부호 연산을 위해 복제된 하드웨어 경로나 복잡한 시간 인코딩의 필요성을 제거함으로써, 제안된 아키텍처는 광 신경망의 확장성에서 중요한 병목 현상을 해결합니다. 저자들은 이 접근 방식이 TFLN 플랫폼의 초고대역폭과 결합되어 향후 대규모 광 신경망을 위한 컴팩트하고 견고한 하드웨어 기반을 제공한다고 주장합니다. 이 연구는 이 스펙트럼 인코딩 전략이 시스템 아키텍처를 근본적으로 변경하거나 부호 계산을 위한 채널당 하드웨어 비용을 증가시키지 않고도 하이브리드 스펙트럼 및 공간 다중화를 통해 추가 확장을 가능하게 함을 시사합니다.