빛의 속도를 가진 두뇌: 왜 새로운 종류의 수학이 필요한가

당신이 거대한 도서관을 정리하려고 노력하고 있다고 상상해 보십시오. 수십 년 동안 우리는 단순한 제목 목록이나 숫자의 격자처럼 하나 또는 두 개의 차원만을 가진 책들을 위해 매우 효율적인 시스템을 사용해 왔습니다. 이것이 현재 대부분의 컴퓨터가 작동하는 방식입니다. 이들은 "실수"(1, 2, 3 같은)와 "복소수"(허수의 뒤틀림을 더한 것)를 처리하는 데 매우 빠릅니다. 하지만 당신이 처리해야 할 데이터가 평면적이지 않다면 어떻게 될까요? 만약 당신이 회전하는 3D 드론을 이해하려고 하거나, 빨강, 초록, 파랑 픽셀이 동시에 서로 대화하고 있는 컬러 이미지를 이해하려고 한다면 어떨까요?

여기서 **쿼터니언(사원수)**이라는 특별한 종류의 수학이 등장합니다. 쿼터니언을 4차원 데이터를 다루기 위한 슈퍼 도구라고 생각하십시오. 일반적인 수학이 색상의 빨강, 초록, 파랑 부분을 세 개의 별개이고 외로운 정보 스트림으로 취급한다면, 쿼터니언은 이들을 하나의 통일된 팀으로 취급합니다. 이는 3D 회전(드론이 공중에서 뒤집히는 것을 상상해 보세요)이나 컬러 이미지 인식과 같은 작업에 매우 중요한데, 왜냐하면 데이터의 서로 다른 부분들 사이의 관계를 온전히 유지해주기 때문입니다. 하지만 표준 컴퓨터 칩에서 이런 종류의 수학을 수행하는 것은 마치 거대한 퍼즐 조각을 한 번에 하나씩, 하나하나 옮기며 푸는 것과 같습니다. 정확하긴 하지만, 느리고 에너지를 많이 소비합니다.

이제 퍼즐 조각을 하나씩 옮기는 대신, 퍼즐 전체를 빛의 터널을 통해 한꺼번에 쏘아 보내는 것을 상상해 보십시오. 그것이 바로 **광학 컴퓨팅(optical computing)**의 꿈입니다. 데이터를 이동시키기 위해 전기를 사용하는 대신, 이 칩들은 빛(광자)을 사용합니다. 빛은 빠르고, 열을 거의 발생시키지 않으며, 다양한 색상(파장)의 빛을 사용하면 동시에 많은 신호를 전달할 수 있습니다. 과학자들이 던져온 큰 질문은 이것입니다. "우리는 빛을 사용하여 이 특별한 '쿼터니언' 수학을 수행하고, 3D 및 컬러 데이터를 단 한 번의 번뜩이는 움직임으로 처리할 수 있는 칩을 만들 수 있을까?"

논문의 위대한 도약: 빛으로 구동되는 수학 엔진

이 논문에서 상하이 교통 대학교와 다른 기관의 연구진은 "그렇다, 우리는 할 수 있다"라고 말합니다. 그들은 최초의 **쿼터니언 광학 컴퓨팅 칩(QOCC)**을 구축했습니다. 이 칩을 빛이 힘든 일을 대신 해주는 특수 공장이라고 생각하십시오. 숫자를 하나씩 차례대로 계산하는 일반적인 프로세서 대신, 이 칩은 **파장 분할 다중화(wavelength-division multiplexing)**라는 영리한 기술을 사용합니다.

이것이 어떻게 작동하는지 재미있는 비유를 들어 설명하겠습니다. 세 명의 친구가 공장에 메시지를 보내야 한다고 상상해 보십시오. 일반적인 컴퓨터에서는 이들이 줄을 서서 메시지를 하나씩 속삭여야 합니다. 하지만 이 새로운 칩에서는 세 명의 친구(X, Y, Z 좌표 또는 빨강, 초록, 파랑 색상과 같은 데이터의 세 차원을 나타냄)가 각각 고유한 색상의 레이저 빛을 가집니다. 그들은 동시에 자신의 메시지를 공장 안으로 외칩니다. 공장 내부에서는 일련의 작은 가변형 링(마이크로 링 공진기, micro-ring resonators)들이 마치 문지기처럼 작동합니다. 문지기들이 어떻게 조정되느냐에 따라, 특정 무게를 가지고 빛을 통과시키거나 경로를 바꿉니다. 빛이 매우 빠르게 움직이고 세 가지 색상이 함께 이동하기 때문에, 칩은 세 차원을 동시에 곱하고 더하는 복잡한 수학을 수행합니다.

연구진은 이 칩이 정말로 작동하는지 확인하기 위해 세 가지 매우 다른 작업에 대해 테스트를 진행했습니다:

1. 3D 포인트 클라우드(Point Clouds): 그들은 "SJTU"라는 글자의 디지털 모델과 개의 3D 모델을 가져왔습니다. 그리고 칩에게 이 모델들을 3D 공간에서 회전시키고 크기를 조절하라고 요청했습니다. 칩은 X, Y, Z 좌표를 하나의 쿼터니언 단위로 취급하여 이를 수행했습니다. 결과는 어땠을까요? 칩은 컴퓨터가 하는 것과 똑같이 모델을 회전시켰지만, 이를 단 한 번의 빛의 통과로 해냈습니다. 최종 이미지는 컴퓨터의 예측과 거의 동일했으며, 매우 낮은 오차율(제곱평균제곱근 오차, RMSE)인 0.035 미만을 기록했습니다.
2. 컬러 이미지 회전: 그들은 컬러 이미지를 가져와 색상을 회전(빨강을 초록으로, 초록을 파랑으로 바꾸는 등)시키도록 했습니다. 칩은 색상을 별개의 채널이 아닌 연결된 팀으로 취급하기 때문에, 색상 사이의 관계를 완벽하게 보존했습니다. 다시 한번, 실험 결과는 이상적인 수학과 일치했으며 오차는 0.035 미만이었습니다.
3. 컬러 이미지 인식: 이것이 결정적인 테스트였습니다. 그들은 칩을 사용하여 신경망(AI의 한 종류)을 구동하여 비행기, 자동차, 말, 배, 트럭의 사진을 인식하게 했습니다. 칩 기반 AI는 약 **80.2%**의 정확도를 달 achievement 했는데, 이는 색상을 별도로 취급했던 기존 컴퓨터 기반 AI(약 78%)보다 더 나은 수치였습니다. 이는 색상 채널을 연결된 상태로 유지하는 것이 AI가 더 잘 "보게" 만드는 데 실제로 도움이 된다는 것을 증명합니다.

이것이 왜 중요한가 (그리고 무엇이 아닌가)

이 논문은 이 칩이 아직 무엇을 하지 못하는지에 대해서도 명확히 밝히고 있습니다. 이 칩은 당신의 노트북 전체를 대체하는 뇌가 아닙니다. 이것은 고차원 데이터 처리를 위해 특별히 설계된 전문 가속기입니다. 연구진은 3D 데이터나 컬러 이미지를 별개의 독립적인 숫자 스트림으로 취급하는 기존의 방식을 명시적으로 반박합니다. 그들은 데이터를 분리하는 것이 중요한 정보를 손실시키고 속도를 늦춘다는 것을 보여줍니다.

이 결과에 대한 신뢰도가 높은 이유는 단순히 컴퓨터 시뮬레이션에 그치지 않고, 실제로 칩을 제작하고 패키징하여 레이저와 검출기를 이용한 실제 실험을 수행했기 때문입니다. 그들은 칩의 속도를 측정하여 331.2 GOPS(초당 기가 연산)의 속도로 데이터를 처리하면서도, 연산당 단 **11.6 피코줄(picojoules)**이라는 매우 적은 에너지만을 사용한다는 것을 발견했습니다. 이는 믿기 힘들 정도로 효율적입니다.

하지만 논문은 또한 한계점도 인정합니다. 현재 설정은 빛의 신호를 지연시키기 위해 긴 광섬유 케이블과 같은 외부 장비를 사용하며, 이는 다소 부피가 큽니다. 연구진은 향후 긴 케이블 대신 나선형 도파로(spiral waveguides)를 사용하여 이를 단일 칩 안에 완전히 축소할 수 있다고 제안합니다. 또한, 현재 칩의 성능은 칩 자체가 아니라 사용된 외부 레이저와 검출기의 속도에 의해 제한된다는 점도 언급했습니다.

요약하자면, 이 논문은 우리가 마침 finally 실세계의 복잡하고 다차원적인 본질을 이해하는 빛 기반 엔진을 구축할 수 있음을 입증합니다. 이는 우리가 3D 회전과 컬러 이미지를 이전보다 더 빠르고 효율적으로 처리할 수 있음을 보여주는 개념 증명이며, 더 스마트한 드론, 더 나은 자율 주행 차량, 그리고 우리가 세상을 보는 방식 그대로(완전히 연결된 3D 컬러로) 세상을 보는 더 강력한 AI를 향한 길을 열어줍니다.