Self-configuring complex-valued photonic convolution accelerator based on cascaded Mach–Zehnder interferometers

기술 요약: 자기 구성형 복소수 값 광학 컨볼루션 가속기

문제 정의
복소수 값 합성곱 신경망(CVNN)은 진폭과 위상 모두가 중요한 물리적 정보를 담고 있는 파동 기반 데이터(예: 레이더 에코, 코히어런트 통신)를 처리하는 데 필수적입니다. 그러나 기존의 광학 컴퓨팅 아키텍처는 네이티브 복소수 연산을 수행하는 데 있어 상당한 장애물에 직면해 있습니다. 대부분의 광학 프로세서는 실수 기반 연산을 위해 설계되었으며, 이로 인해 복소수 데이터를 여러 개의 실수 채널로 분해해야 하며, 이는 효율성을 제한합니다. 또한, 완전한 네이티브 복소수 시스템을 구현하려면 프로그래밍 가능한 행렬 코어뿐만 아니라 복소수 입력 인코딩, 위상을 보존하는 온칩 변환, 그리고 코히어런트 출력 판독 메커니즘이 필요합니다.

실제 배포를 가로막는 결정적인 장벽은 소자의 비이상성(non-ideality)입니다. 직렬 연결된 마하-젠더 간섭계(MZI) 메시는 유니터리 변환을 수행할 수 있지만, 제조 결함, 열 크로스토크, 손실 불균형 및 환경 드리프의 영향을 받습니다. 전통적인 해결책은 개별 구성 요소에 대한 룩업 테이블이나 피팅 모델을 구축하기 위해 오프라인 사전 교정(pre-calibration)에 의존합니다. 이러한 방식은 노동 집약적이며 정적인 동작 조건을 가정하며, 실제 소자 상태가 교정 환경에서 벗어날 경우 매핑 충실도가 저하되거나 시스템 실패로 이어질 수 있습니다.

방법론
저자들은 네이티브 복소수 값 하드웨어 아키텍처와 측정 기반 자기 구성 알고리즘을 통합한 자기 구성형 복소수 값 광학 컨볼루션 가속기(SCPCA)를 제안합니다.

• 하드웨어 아키텍처: 시스템은 네 가지 기능 블록으로 구성됩니다:
  1. 복소수 입력 로딩: IQ 변조기가 I(In-phase) 및 Q(Quadrature) 전기 신호를 광 캐리어에 인코딩하여, 행렬 코어로 들어가기 전 복소 진폭을 보존합니다.
  2. 프로그래밍 가능한 행렬 코어: SVD에서 영감을 받은 직렬 연결된 MZI 메쉬가 행렬 변환을 수행합니다. 이 메쉬는 임의의 유니터리 변환을 합성하기 위해 Clements 토폴로지를 사용하며, $W = U\Sigma V^H$ 분해를 실현하기 위해 프로그래밍 가능한 대각 가중치 블록과 결합됩니다.
  3. 코히어런트 출력 판독: 코히어런트 MMI 보조 균형 검출 방식이 출력 광장의 실수부와 허수부를 모두 추출합니다. 참조 위상을 $0^\circ$와 $90^\circ$ 사이에서 이동시킴으로써, 시스템은 I 및 Q 성분을 순차적으로 복구합니다.
  4. 폐루프 자기 구성: 개별 위상 시프터를 교정하는 대신, 시스템은 유계 비선형 최소 제곱 최적화(Levenberg–Marquardt 알고리즘)를 채택합니다. 이 알고리즘은 실험적으로 측정된 엔드 투 엔드(end-to-end) 복소 행렬 응답과 목표 행렬 사이의 잔차를 최소화하기 위해 칩의 32개 위상 제어 파라미터를 반복적으로 조정합니다. 이 전략은 별도의 사전 교정 모델 없이도 하드웨어의 결함(제조 오차, 열 크로스토크 등)을 최적화 루프 내로 자연스럽게 흡수합니다.

주요 기여

1. 완전한 네이티브 복소수 값 체인: 본 연구는 복소수 데이터를 실수 채널로 분해하지 않고, 입력 인코딩부터 코히어런트 판독까지 복소수 신호를 처리하는 완전한 하드웨어 체인을 입증했습니다.
2. 측정 기반 자기 구성: 본 논문은 시스템의 전체 응답을 직접 최적화하는 전략을 도입했습니다. 이를 통해 소자별 사전 교정의 필요성을 제거하여, 제조 불일치 및 환경 드리프트에 대한 견고성을 확보했습니다.
3. 태스크 수준 검증: 시스템은 단순한 행렬 매핑 지표뿐만 아니라, 복소수 값 처리가 본질적으로 요구되는 실질적인 응용 분야인 PolSAR 이미지 인식에서 검증되었습니다.

실험 결과

• 행렬 매핑 성능: SCPCA는 50개의 무작위 $4\times4$ 복소수 행렬을 대상으로 테스트되었습니다. 시스템은 6회의 반복을 통해 평균 수렴을 달알성했습니다. 유효 매핑 정밀도는 약 5비트로 결정되었으며, 95%의 요소 오차가 $1.91 \times 10^{-1}$ 미만임을 확인했습니다. 오차 분포는 행렬 전체에서 공간적으로 균일하게 나타났습니다.
• 처리량: 16 Gbaud의 입력 변조 속도에서, $4\times4$ 행렬 코어는 약 1.92 TOPS의 피크 등가 산술 처리량을 달성했습니다.
• PolSAR 이미지 인식: 가속기는 AIRSAR San Francisco 데이터셋을 분류하기 위한 CVNN의 첫 번째 컨볼루션 레이어를 처리하는 데 사용되었습니다. 광학 보조 구현 방식은 경계가 풍부한 영역에서 **84.98%**의 테스트 정확도를 달성하였으며, 이는 순수 전자 기반 베이스라인의 정확도인 **86.00%**와 매우 유사합니다. 분류 오류 맵은 편차가 주로 클래스 경계 및 이질적인 전이 영역에 집중되어 있음을 나타냈으며, 이는 해당 영역들이 특징 변화에 민감하다는 점과 일치합니다.

의의 및 주장
본 논문은 SCPCA가 낮은 교정 부담으로 네이티브 복소수 값 가속을 향한 실질적인 경로를 제공한다고 주장합니다. 교정 중심에서 측정 중심의 패러다임으로 전환함으로써, 시스템은 정적인 소자 모델을 유지해야 하는 복잡함 없이 높은 충실도의 행렬 매핑을 달성합니다. 저자들은 입증된 5비트 정밀도가 테스트된 PolSAR 인식 작업에 충분하다고 주장하며, 이는 아키텍처 수준의 통합과 폐루프 자기 구성의 결합이 광학 하드웨어의 비이상성을 극복할 수 있음을 시사합니다. 본 연구는 소자 결함이 존재하는 환경에서도 안정적으로 작동해야 하는 미래의 대규모 복소수 값 광학 컴퓨팅 시스템을 위한 간결한 프레임워크를 제공합니다.