Caramel LabCaramel Lab
#

광학 컴퓨팅

2편의 한국어 분석 — 최신순으로 정렬했어요

컴퓨터 과학발표 2026.10· 0

광 뉴로모픽 연산을 위한 비휘발성 다중 모드 MVM

행렬-벡터 곱셈(MVM)은 인공신경망의 핵심 연산이지만, 기존 전자 방식은 속도와 에너지 효율성에서 한계가 있습니다. 본 연구는 이러한 병목 현상을 해결하기 위해 모드 분할 다중화(MDM)를 활용한 초소형(185 μm × 21 μm) 비휘발성 광학 MVM 엔진을 설계했습니다. 이 아키텍처는 다중 모드 간섭계 전력 분배기, 방향성 결합기 (디)멀티플렉서, 그리고 4개의 독립적으로 프로그래밍 가능한 경로로 구성된 가중치 코어를 통합합니다. 각 가중치 경로는 5개의 Ge2Sb2Se4Te1 (GSST) 상변화 셀을 직렬로 포함하여 총 20개의 셀로 이루어져 있습니다. GSST 셀을 비정질 및 결정질 상태로 전기적으로 프로그래밍하여 12996가지의 행렬 구성을 지원하며, TM0 및 TM1 모드에서 각각 11.29 dB 및 17.3 dB의 소광비를 달성합니다. 전기-열 시뮬레이션 결과, 결정화를 위해 5V, 33ns 펄스를, 비정질화를 위해 12V, 5ns 펄스를 사용하여 초고속 및 가역적 스위칭이 가능함을 확인했습니다. GSST의 비휘발성 특성은 정적 전력 소비를 제거하여 에너지 효율적인 작동을 가능하게 합니다. 완성된 MVM은 1550 nm에서 TM0 모드에 대해 2.76 dB, TM1 모드에 대해 3.64 dB의 총 삽입 손실을 보입니다. 이 장치는 40 nm 대역폭(1540–1580 nm)에서 기능을 유지하며, 에너지 효율적인 MDM 기반 광 컴퓨팅을 위한 확장 가능한 경로를 제공합니다. 이는 미래 인공지능 하드웨어의 성능 향상에 크게 기여할 잠재력을 가집니다.

컴퓨터 과학발표 2026.10· 0

결합형 마이크로링 기반 광 뉴로모픽 프로세싱

뉴로모픽 광 아키텍처 확장을 위해서는 개별 네트워크 노드의 물리적 컴퓨팅 메커니즘 이해가 필수적입니다. 본 연구는 세 개의 동일한 마이크로링으로 구성된 SCISSOR(side-coupled integrated spaced sequence of resonators) 기반의 소형 수동형 비선형 광학 코어를 제안하고, 그 컴퓨팅 능력을 탐구합니다. 이 코어는 비선형성과 내부 피드백을 통해 주입 전력 및 파장 튜닝으로 아날로그, 스파이킹, 쌍안정 응답을 구현합니다. 시간 다중화된 리저버 컴퓨팅에서 단일 비선형 노드로 구현된 SCISSOR는 Iris 데이터셋에서 오류 없는 분류를 달성했으며, Sonar 태스크에서는 150개의 가상 노드를 사용한 아날로그 및 디지털 리저버 표현 모두에서 97% 이상의 정확도를 보였습니다. 특히 디지털 방식에서는 스파이킹 동역학이 희소한 리저버 상태를 자연스럽게 생성하여 단일 스파이크만으로도 효율적인 분류가 가능했습니다. 흥미롭게도, 동역학적 복잡성 및/또는 출력 전력의 급격한 변화가 발생하는 경계 지점에서의 작동은 높은 태스크 성능을 지원하여 향후 온칩 학습을 위한 새로운 전략을 제시합니다. 스파이킹 및 열 쌍안정성 또한 계산 성능 향상에 기여했습니다. 이러한 결과는 결합형 광학 마이크로링이 특히 kHz-MHz 신호 대역폭이 중요한 광학 도메인 전처리 및 감지 시나리오에서 미래 뉴로모픽 광학 프로세서를 위한 소형, 물리적으로 해석 가능한 비선형 빌딩 블록으로 활용될 수 있음을 시사합니다.

연구 트렌드로 돌아가기