Measurement and Optimal Targeting of a Hidden Scatterer in a Complex Environment Utilizing Fisher Information

소리가 붐비는 방 안에서 튕겨 나가거나, 빛이 숲의 캐노피를 통해 여과되거나, 라디오 신호가 고층 빌딩 숲을 통과하는 것과 같이 파동이 존재하는 혼돈의 세계에서는 신호가 정확히 어디로 갈지 예측하는 것이 종종 불가능합니다. 파동이 장애물로 가득 찬 복잡한 환경에 부딪히면, 파동은 수없이 많은 방향으로 산란되며 서로 간섭하여 뒤엉킨 혼란을 만들어냅니다. 수십 년 동안 과학자들은 이러한 무질서한 시스템을 내부에서 어떤 일이 일어나는지 볼 수 없는 채로, 오직 들어오는 것과 나가는 것만을 측정하는 '블랙박스'로 취급해 왔습니다. 이러한 한계는 이러한 무질서 속에서 숨겨진 물체를 찾거나 특정 지점에 에너지를 집중시키는 것을 어렵게 만들었습니다. 그러나 메릴랜드 대학교 연구진이 개발한 새로운 접근 방식은 내부를 볼 필요 없이 이 혼돈을 들여다볼 수 있는 방법을 제시합니다. 들어오는 파동과 나가는 파동 사이의 관계를 통계적 단서의 원천으로 취급함으로써, 그들은 시스템 내부의 미세하고 숨겨진 변화를 탐지할 뿐만 아니라, 시스템이 에너지를 흡수하거나 단순한 역전이 불가능한 방식으로 작동하더라도 그 변화가 일어나는 곳에 에너지를 정밀하게 집중시키는 방법을 찾아냈습니다.

나다브 샤이베(Nadav Shaibe), 자레드 에르브(Jared Erb), 스티븐 안라게(Steven Anlage)가 이끄는 연구팀은 밀봉되어 진동하는 기계 내부에서 움직이는 단 하나의 부품을 찾는 것과 같은 문제를 해결하고자 했습니다. 그들은 전자기파의 혼돈스러운 놀이터 역할을 하는 쿼터 보타이(quarter of a bow-tie) 형태의 금속 상자인 특수 마이크로파 챔버를 사용했습니다. 이 상자 내부에는 전압을 조절하여 튜닝할 수 있는 미세한 전자 부품으로 구성된 특수 표면을 배치했습니다. 이 표면은 파동이 방 안에서 튕겨 나가는 방식을 미세하게 바꿀 수 있는 변수인 '숨겨진 요소' 역할을 했습니다. 연구진은 다음과 같은 질문을 던졌습니다: 만약 이 표면에 가해지는 전압을 아주 미세하게 변화시킨다면, 상자 밖으로 나오는 파동을 듣는 것만으로도 그 변화량을 정확히 알아낼 수 있을까?

이를 위해 그들은 피셔 정보 연산자(Fisher information operator)라는 수학적 도구를 사용했습니다. 이 도구를 모든 가능한 신호 송신 방식 중에서 숨겨진 변화에 가장 민ло민하게 반응하는 특정 파동 패턴을 식별하는 방법이라고 생각하면 됩니다. 연구진은 전압을 미세하게 조정할 때 시스템의 거동이 어떻게 변화하는지를 관찰함으로써 이 연산자를 계산했습니다. 그들은 이 연산자가 정보를 담고 있는 정도에 따라 순위가 매겨진 일련의 특별한 파동 패턴들을 생성한다는 것을 발견했습니다. 가장 강력한 패턴, 즉 가장 많은 정보를 담고 있는 패턴은 '주 고유벡터(principal eigenvector)'였습니다. 이 특정 패턴을 사용하여 상자 안으로 파동을 보냈을 때, 그들은 전압 변화를 놀라운 정밀도로 측정할 수 있었습니다. 실험 결과, 그들은 수천 분의 1 볼트만큼 작은 전압 변화까지도 감지할 수 있었는데, 이는 다른 어떤 파동 패턴으로도 달성할 수 없었던 수준의 민감도였습니다.

이러한 보이지 않는 것을 측정하는 능력은 두 번째의 더 능동적인 응용 분야인 '이산 피드백 루프(discrete feedback loop)'로 이어졌습니다. 누군가 계속 밀치고 있는 동안 회전하는 팽이의 균형을 완벽하게 유지하려고 노력하는 상황을 상상해 보십시오. 연구진은 숨겨진 전압 변화를 반복적으로 측정하고, 이를 상쇄하기 위해 반대되는 조정을 적용함으로써 시스템을 안정된 상태로 유지할 수 있음을 입증했습니다. 그들은 100회 이상의 사이클을 실행하며 전압의 무작위적인 흔들림을 성공적으로 상쇄했습니다. 일부 구성에서는 전압을 1볼트 미만의 아주 작은 폭 내에서 안정적으로 유지할 수 있었으며, 이는 이 방법이 복잡한 시스템을 드리프트(drift)와 노이즈로부터 능동적으로 안정화할 수 있음을 증명했습니다. 이는 보통 너무 혼란스러워 제어가 불가능하다고 여겨지는 환경을 제어하는 데 있어 중요한 진전입니다.

연구진은 그다음으로 다른 질문을 던졌습니다: 만약 숨겨진 물체에 가장 민감하게 반응하는 파동 패턴을 알고 있다면, 그 동일한 패턴을 사용하여 해당 물체에 직접 에너지를 집중시킬 수도 있을까? 복잡한 매질에서는 파동이 사방으로 산란되기 때문에 에너지를 집중시키는 것이 매우 어렵습니다. 그러나 연구진은 숨겨진 전압을 드러내는 바로 그 파동 패턴이 변화가 일어나는 표면에 에너지를 집중시키는 완벽한 열쇠 역할도 한다는 것을 발견했습니다. 이를 증명하기 위해 그들은 원형 마이크로파 챔버를 사용하고 튜닝 가능한 표면을 다양한 위치에 배치했습니다. 특수 파동 패턴을 보냈을 때, 표면은 매우 많은 집중된 전력을 흡수하여 비선형적으로 행동하기 시작했는데, 이는 에너지가 강렬하게 집중되었다는 신호입니다. 반면 다른 파동 패턴을 사용했을 때는 표면이 선형적인 상태를 유지하며 차분하게 반응했습니다. 이는 이 방법이 방의 정확한 구조를 알 필요도, 신호를 안내할 비콘이 있을 필요도 없이 혼돈스러운 방 안의 특정 지점을 타겟팅할 수 있음을 보여주었습니다.

이 연구의 가장 주목할 만한 점 중 하나는 시스템이 완벽하게 가역적이거나 손실이 없어야 할 필요가 없다는 것입니다. 파동을 집중시키거나 무질서 속에서 이미징하는 많은 전통적인 방법들은 시스템이 대칭적으로 동작해야 함을, 즉 파동이 이론적으로 시간을 거슬러 경로를 되짚어 갈 수 있어야 함을 요구합니다. 그러나 이 새로운 접근 방식은 시스템이 에너지를 흡수하거나 파동이 진행 방향에 따라 다르게 행동할 때도 작동합니다. 연구진은 대칭성을 깨뜨리는 구성 요소를 도입하여 이를 테스트했으며, 방법은 여전히 성공적이었습니다. 이는 이 기술이 생체 조직이나 손실이 많은 통신 네트워크와 같이 에너지를 흡수하거나 환경이 완벽하게 균일하지 않은 실제 시나리오에 적용될 수 있음을 시사합니다.

또한 이 연구는 방법의 한계를 명시했습니다. 연구진은 이 기술을 사용하려면 숨겨진 매개변수를 최소 두 가지 상태 사이에서 전환하여 시스템이 어떻게 변하는지 관찰할 수 있어야 한다고 언급했습니다. 또한, 이 방법은 변화를 감지하는 데는 탁월하지만, 여러 가지 요소가 동시에 변하는 경우 서로 다른 종류의 변화를 구별하지 못할 수도 있다고 지적했습니다. 만약 시스템이 두 가지 서로 다른 요인에 의해 동시에 변화한다면, 이 방법은 변화의 원인을 잘못 판단할 수 있습니다. 저자들은 머신 러닝을 활용한 향후 연구가 이러한 복잡한 시나리오를 풀어내는 데 도움이 될 수 있다고 제안했습니다. 나아가, 그들은 최적의 파동 패턴을 식별할 수는 있었지만, 실험을 실행하기 전에 시스템이 제공할 정보의 양을 정확히 예측할 수 있는 이론적 방법은 아직 갖추지 못했으며, 신호가 충분히 강한지 확인하기 위해 경험적 테스트에 의존해야 했다고 밝혔습니다.

궁극적으로 이 연구는 복잡한 시스템의 숨겨진 세부 사항을 조사하는 새로운 방법을 제공합니다. 파동의 산란을 단순한 노이즈가 아닌 풍부한 데이터의 원천으로 취급함으로써, 연구팀은 미세한 변화를 측정하고 에너지를 정밀하게 집중시키는 것이 가능하다는 것을 보여주었습니다. 그들의 작업은 추상적인 통계 이론과 실용적인 공학 사이의 간극을 메우며, 불완전하고 무질서한 현실 세계에서 작동하는 도구를 제공합니다. 민감한 장비를 안정화하든, 숨겨진 물체를 찾든, 혹은 복잡한 환경을 통해 무선으로 전력을 전달하든, '올바른 질문'을 던지기 위한 '올바른' 파동 패턴을 찾는 능력은 우리가 둘러싼 복잡한 세상과 상호작용하는 방식에 있어 조용하지만 강력한 진보를 나타냅니다.