Scalable Microring-Based Interconnects with Channel Equalization and Closed-Loop Stabilization

당신이 전기가 아닌 빛으로 만들어진, 매우 빠르고 똑똑한 '광학 뇌(photonic brain)'를 가지고 있다고 상상해 보세요. 이 광학 뇌는 빛을 이용해 서로 대화하는 수많은 작은 컴퓨팅 단위들(이를 'PCU'라고 부릅시다)로 구성되어 있습니다. 이 뇌를 강력하게 만들기 위해서는, 이 단위들이 빛의 줄기를 이용해 메시지를 즉각적으로 주고받아야 합니다.

하지만 문제가 있습니다. 빛은 까다롭습니다. 단위들 사이를 이동하는 동안 빛의 줄기는 엉망이 됩니다. 어떤 색깔의 빛은 더 희미해지고, 경로에 따라 밝기가 변하기도 하며, 방 안의 온도가 빛을 경로에서 벗어나게 흔들리게 만들 수도 있습니다. 일반적인 디지털 컴퓨터에서는 신호가 단순히 '켜짐' 또는 '꺼짐' 상태이기 때문에 약간의 어두워짐이 문제가 되지 않습니다. 하지만 이 빛 기반의 뇌에서는 빛의 '밝기' 자체가 곧 수학적 계산입니다. 만약 빛이 실수로 더 밝아지거나 어두워지면 수학적 계산이 틀어지게 되고, 전체 뇌가 실수를 하기 시작합니다.

이 논문의 저자들은 이 문제를 해결하기 위해 빛의 줄기를 위한 영리한 '교통 경찰'을 만들었습니다. 그들은 **광학 인터커넥트 유닛(Photonic Interconnect Unit, PIU)**이라는 장치를 개발했습니다. 이것은 고도로 정밀하고 스스로 교정 기능을 갖춘 기술적인 빛의 고속도로 교차로와 같습니다.

세 가지 마법 같은 기술

PIU는 수학적 계산을 완벽하게 유지하기 위해 세 가지 구체적인 일을 수행합니다.

1. 스위칭 패브릭 (교통 정리사):
   자동차(빛의 줄기)가 차선을 변경해야 하는 번잡한 교차로를 상상해 보세요. PIU는 차선을 바꾸는 신호등 역할을 하기 위해 **마이크로링(microrings)**이라는 아주 작은 고리들을 사용합니다. 이 고리들은 특정 색상의 빛을 포착하여 새로운 차선으로 보내거나, 그대로 통과하게 할 수 있습니다. 연구팀은 최대 네 개의 서로 다른 빛 경로를 혼합하거나 조합할 수 있는 컴팩트한 4x4 스위치를 구축했습니다. 이는 마치 어떤 차든 원하는 출구로 즉시 보낼 수 있도록 스스로 재구성되는 마법 같은 회전교차로와 같습니다.

2. 이퀄라이저 (볼륨 조절 노브):
   완벽한 교통 방향 제어가 있더라도, 어떤 빛의 줄기는 다른 것보다 더 크게(밝게) 도착합니다. 만약 한 빛 줄기가 너무 밝으면 다른 빛들을 압도하여 계산을 망치게 됩니다. PIU는 프로그래밍 가능한 볼륨 조절 노브 역할을 하는 두 번째 레이어의 마이크로링을 추가합니다. 만약 빛의 줄기가 너무 크다면, PIU는 이를 부드럽게 줄입니다. 만약 너무 작다면, (여기서는 증폭할 수 없으므로) 그냥 그대로 둡니다(대신 큰 것들을 줄여서 작은 것들과 수준을 맞춥니다). 이를 통해 모든 색상의 빛이 다음 컴퓨터 단위에 도착할 때 정확히 동일한 출력(power)을 갖도록 보장합니다.

3. 폐루프 안정화 장치 (자기 교정 파일럿):
   여기에 진짜 마법이 있습니다. 빛의 고리들은 열에 민감합니다. 방이 따뜻해지면 고리의 모양이 미세하게 변하고, 빛이 경로에서 벗어나게 됩니다. 기존 시스템들은 단순히 제어 설정을 해두고 운에 맡겼습니다. 하지만 이 새로운 PIU에는 빛을 24시간 내내 감시하는 **칩 내부의 뇌(FPGA)**가 있습니다. 이는 마치 고도를 계속 확인하고 실시간으로 조종 장치를 조정하는 파일럿과 같습니다.

• 작동 방식: 시스템은 빛을 측정하고, 목표값과 비교한 뒤, 고리를 유지하기 위해 히터를 즉각적으로 미세 조정합니다.
• 결과: 온도가 22°C(작은 칩에게는 엄청난 변화입니다!) 변하더라도 신호는 매우 견고하게 유지됩니다. 시스템은 40밀리초(ms) 미만의 짧은 시간에 올바른 설정값을 찾아내며, 10.3 비트의 디지털 데이터에 해당하는 정밀도로 빛을 안정적으로 유지합니다.

실제로 효과가 있었을까요?

연구팀은 단순히 추측만 한 것이 아니라, 실제 칩을 제작하여 테스트했습니다.

• 볼륨 테스트: PIU를 사용하기 전, 빛의 줄기들은 25 dB가 넘는 무지막지한 출력 차이를 보였습니다(이는 엄청난 격차입니다). PIU가 큰 빛들을 깎아낸 후, 그 차이는 0.2 dB 미만으로 줄어들었습니다. 이는 마치 비명 지르는 사이렌 소리를 속삭임 수준으로 낮추어 조용한 대화 소리와 완벽하게 맞추는 것과 같습니다.
• 수학 테스트: 그들은 여덟 가지 서로 다른 빛의 색상을 사용하여 대학 건물의 흑백 패턴 이미지를 재구성하려고 시도했습니다. PIU의 도움 없이는 이미지가 흐릿하고 왜곡되었습니다. 하지만 PIU를 사용하자 오차율이 0.179에서 0.0193으로 떨어졌습니다. 이는 9.3배의 개선입니다. 이미지는 거의 완벽하게 보였습니다.
• 뇌 테스트: 그들은 유명한 AI 뇌인 ResNet-18이 고양이와 강아지 사진을 인식하도록 시뮬레이션했습니다.
  • PIU가 없을 때: 실제 하드웨어에서 발견되는 무질서하고 불균형한 빛 조건들을 시뮬레이션했을 때, AI는 혼란을 느껴 정답률이 **54.33%**에 그쳤습니다.
  • PIU가 있을 때: 평준화(equalization)와 안정화(stabilization)를 적용하자, AI의 정확도는 **94.6%**로 급증했습니다. 이는 하드웨어가 완벽할 때와 동일한 수준입니다.

이 기술이 해결하지 못하는 것 (주의사항)

이 논문이 말하고자 하는 바가 '아닌' 내용도 명확히 알아야 합니다.

• 이 기술이 광학 컴퓨팅의 모든 문제를 해결한다고 말하는 것이 아닙. 저자들은 현재 시스템이 4x4 스위치이며, 더 큰 시스템에는 더 복렴한 설정이 필요할 것이라고 인정했습니다.
• 단순히 증폭기(볼륨 부스터 같은 것)를 추가하는 것만으로는 충분하다고 주장하는 것이 아닙니다. 그들은 단순한 부스터로는 색상 간의 '차이'를 해결할 수 없으며, 색상들의 균형을 맞추기 위해 이 특수한 '트리밍(trimming)' 이퀄라이저가 반드시 필요하다고 명시적으로 주장합니다.
• **94.6%**의 정확도는 실제 측정값을 가이드로 사용한 컴퓨터 시뮬레이션의 결과입니다. 이는 이 시스템이 실제 AI에서 이 정도로 잘 작동할 것임을 시사하지만, 아직 이 기술을 탑وع한 거대한 AI 컴퓨터 자체를 실제로 구축한 것은 아닙니다.

결론

저자들은 빛 기반 컴퓨터를 단순히 연결하고 잘 되기를 바라는 것만으로는 부족하다는 것을 보여주었습니다. 빛이 깨끗하고 균형 잡힌 상태를 유지하려면 '컨디셔닝 레이어(conditioning layer)'가 필요합니다. 스마트한 스위치, 볼륨 트리머, 그리고 자기 교정 파일럿을 결합함으로써, 그들은 빛의 신호를 순수하게 유지하는 장치를 만들어냈습니다. 이는 복잡한 수학 계산을 수행할 때 자신의 신호 때문에 혼란에 빠지지 않는, 거대하고 다중 코어인 광학 컴퓨터를 구축하기 위한 결정적인 단계입니다.