Approaching physical limits of latent dimensionality in optical computing

기술 요약: 광학 컴퓨팅에서 잠재 차원성의 물리적 한계에 대한 접근

문제 제기
인공지능 (AI) 의 급속한 발전은 데이터 센터 및 엣지 애플리케이션에서의 에너지 수요 급증으로 인해 제약을 받고 있습니다. 광자 프로세서는 전자식 컴퓨팅에 대한 유망한 저손실 병렬 대안을 제공하지만, 통합 밀도라는 치명적인 확장성 병목 현상에 직면해 있습니다. 마하 - 젠더 간섭계 (MZI) 메쉬와 같은 기존 아키텍처는 낮은 조작 효율성과 가변 소자의 발자국으로 인해 전자식 아날로그 회로에 비해 칩 면적이 약 100 배 더 큽니다. 또한, 역설계 및 구조적 패턴화 프로세서는 밀도를 개선했지만 정의된 물리적 한계가 부재합니다. 광학 프로세서가 얼마나 밀집될 수 있는지에 대한 이론적 상한이 없으면, 설계자들은 현재 아키텍처가 물리적 천장에 근접했는지 아니면 추가적인 수 배의 개선이 가능한지 판단할 수 없습니다.

방법론
저자들은 경계된 광학 영역의 잠재 차원성과 통합 밀도 한계 사이의 근본적인 관계를 조사함으로써 이에 대응합니다.

• 이론적 프레임워크: 본 연구는 특정 구조와 무관하게 경계된 광학 영역 내에서 이론적으로 달성 가능한 최대 정보 처리 차원성을 '잠재 차원성'으로 정의합니다. 정보 이론과 유효 매질 이론을 사용하여 저자들은 잠재 차원성이 동일한 단면을 차지하는 최대 굴절률을 가진 균질 물질이 지원하는 모드 수에 해당함을 유도했습니다. 저자들은 단위 행렬 광학 프로세서에 대한 근본적 한계 (식 2) 를 수립하여 통합 밀도를 유효 굴절률 교란 ($\Delta n$), 파장 ($\lambda$), 그리고 단위 행렬의 크기와 연결했습니다.
• 설계 전략: 이 한계에 근접하기 위해 저자들은 잠재 차원성을 작업의 정보 차원성과 일치하도록 압축하는 다모드 광학 프로세서를 제안합니다. 이산적 저차 모드나 큰 회절 블록을 사용하는 기존 프로세서와 달리, 이러한 장치는 단일 다모도 도파관의 전체 단면을 활용합니다.
• 구현: 프로세서는 역설계 나노광학 매체를 사용하여 실리콘 - 온 - 절연체 (SOI) 플랫폼에서 구현되었습니다. 설계 과정은 제조 제약이 있는 역설계 방법을 사용하며, 두 단계로 구성됩니다: 연속 단계 (굴절률 변화) 와 이산 단계 (최소 특징 크기 130 nm 로 실제 물질 값에 제약).
• 동작: 입력 벡터는 서로 다른 차수의 모드의 위상 프로파일에 인코딩되며, 출력 정보는 강도 분포에서 디코딩됩니다. 계산 작업은 제어된 모드 간 결합을 통해 구현됩니다. 시스템은 간섭 기반 효과와 강도 검출을 활용하여 선형 광학 회로 내에서 약간의 비선형성을 달성합니다.

주요 기여

1. 이론적 한계 정의: 이 논문은 잠재 차원성에 기반하여 광학 프로세서의 통합 밀도에 대한 물리적 한계를 수립함으로써 광학 컴퓨팅 능력을 평가하는 보편적 지표를 제공합니다.
2. 초소형 프로세서 구현: 저자들은 전체 단면 모드 용량을 활용하여 이 이론적 한계에 근접하는 다모드 프로세서를 설계 및 제작했습니다.
3. 실험적 검증: 아키텍처는 세 가지 고유한 작업에서 검증되었습니다:
   • 아리스 꽃 분류: 2.2 µm × 8 µm 프로세서.
   • 손글씨 숫자 인식: 64 픽셀 입력을 처리하는 20.6 µm × 44.8 µm 프로세서.
   • 생성 모델링: 이미지 합성을 위한 확산 모델 구현.
4. 온칩 보상: 통합 위상 시프터와 마하 - 젠더 변조기를 사용하여 제조 결함 및 위상 잡음을 보상하는 워크플로우가 시연되었으며, 추론 단계 중 디지털 개입 없이 완전한 아날로그 추론이 가능해졌습니다.

결과

• 아리스 분류: 2.2 µm × 8 µm 프로세서는 온칩 보상 후 테스트 데이터셋에서 86.7% 의 정확도를 달성했습니다 (시뮬레이션에서는 100%). 통합 밀도는 0.28에 달하여 이론적 한계인 0.29에 근접했습니다.
• 손글씨 숫자 인식: 더 큰 프로세서 (20.6 µm × 44.8 µm) 는 64 픽셀 데이터셋에서 92.9% 의 정확도를 달성했으며, 통합 밀도는 0.07로 이론적 한계인 0.08에 근접했습니다. 이 설계는 동일한 데이터셋을 사용한 이전 구현에 비해 더 높은 통합 밀도와 약간 향상된 정확도를 보여주었습니다.
• 생성 확산 모델: 저자들은 광학 탈잡음 확산 확률 모델 (DDPM) 을 구현했습니다. 생성된 이미지는 프리체트 인셉션 거리 (FID) 가 대부분 100 미만으로 나타났습니다. 학습 세트를 보강할 때 (75% 원본, 25% 생성) 원본 데이터만 사용한 경우와 비교하여 분류 정확도는 0.4% 만 감소했습니다. 완전히 생성된 데이터셋은 94.1% 의 정확도를 달성했으나, 저자들은 이것이 도메인 이동의 영향을 받을 수 있다고 지적했습니다.
• 확장성: 결과는 에칭 패턴이 열 조율 메커니즘이 부과하는 통합 밀도 천장을 넘어서는 장치를 가능하게 함을 나타내지만, 현재 열 조율 장치와 물리적 한계 사이에는 여전히 간극이 존재합니다.

의의 및 주장
이 논문은 잠재 차원성의 파동 물리학적 기원에 기반한 설계를 통해 광학 컴퓨팅 아키텍처를 위한 '부족한 이론적 기준점'을 제공한다고 주장합니다. 저자들은 광학 프로세서가 성능을 희생하지 않고 물리적 밀도 한계에 근접할 수 있음을 보여줌으로써 확장성 장벽을 해결했다고 논합니다. 잠재 차원성을 정보 차원성으로 압축함으로써 공간 효율적인 AI 하드웨어의 실현 가능성을 입증했습니다. 이 연구는 밀도 측면에서 이 한계에 근접하는 것이 유리하지만, 모드 분산 및 잡음 제어와 관련하여 실용적인 절충안이 존재함을 시사합니다. 저자들은 이러한 제약 조건을 이해하는 것이 고성능 광학 AI 시스템의 잠재력을 완전히 unlocking 하는 데 필수적이며, 근접 물리적 한계 아키텍처를 시연함으로써 미래 광학 AI 를 향한 주요 경로를 제시한다고 결론지었습니다.