광‑전기식 딜레이 라인 기반 초고속 reservoir 컴퓨팅

초록

본 논문은 단일 비선형 노드와 광섬유 딜레이 라인을 이용한 광‑전기식 reservoir 컴퓨팅 구현을 제시한다. 마하‑젯너 인터페라이터의 사인 비선형성을 활용하고 입력 마스크와 입력‑딜레이 비동기화를 통해 1차원 시스템을 고차원 상태 공간으로 확장한다. 50개의 가상 뉴런을 사용해 NARMA10, 비선형 채널 등화, 음성 인식 과제를 수행했으며, 디지털 구현과 동등하거나 우수한 성능을 실시간으로 달성하였다. 기존 전자식 구현보다 10⁶배 빠른 처리 속도를 보인다.

상세 분석

이 연구는 reservoir computing(RC)의 핵심 원리인 “동적 비선형 시스템 + 선형 출력 학습”을 물리적 구현으로 옮긴다. 비선형 코어는 전압 구동형 리튬니오브산 마하‑젯너 인터페라이터(MZI)이며, 출력 광강도를 전압으로 변환한 뒤 사인 함수를 통해 x(t)=sin(α·x(t‑T)+β·m(t)·u(t)+ϕ) 형태의 업데이트식을 만든다. 여기서 α는 피드백 이득, β는 입력 이득, T는 딜레이 라인의 순환 시간(≈8.5 µs)이다. 입력 마스크 m(t)는 주기 T₀(≤T) 동안 구간 θ로 나뉘어 무작위 값 m_j를 부여하고, 입력 신호 u(t)와 곱해져 비선형 노드에 주입된다. 입력‑딜레이 비동기화(T₀≠T) 시, 각 가상 뉴런 x_i(n)=x(n·T₀+(i+½)θ) 은 서로 다른 시점의 피드백을 받아 상호 연결된 고차원 동역학을 형성한다. 이는 동기화된 경우(동일한 N개의 독립 시스템)보다 풍부한 상태 전이를 제공한다.

실험 장치는 연속파 레이저 → MZI → 광섬유 루프(길이 조절 가능한 감쇠기) → 포토다이오드 → 전자 증폭 → 입력 마스크와 합산 → MZI 로 구성된다. 시스템 파라미터 α와 β는 실험적으로 최적화되며, ϕ는 보통 0으로 고정한다. 디지털 신호 처리 없이 아날로그 회로만으로 연산을 수행하므로, 전자식 구현보다 약 10⁶배 빠른 실시간 처리(수십 MHz 수준)가 가능하다.

성능 평가는 세 가지 표준 벤치마크로 수행되었다. (1) NARMA10(10차 비선형 자동 회귀)에서는 50개의 가상 뉴런으로 NMSE=0.168±0.015를 기록, 기존 디지털 50‑node RC와 동등했다. (2) 비선형 채널 등화에서는 28 dB SNR에서 비트 오류율(BER)=1.3×10⁻⁴를 달성했으며, 이는 전통적 비선형 적응 필터(4×10⁻³)보다 한 차례, 디지털 RC(≈10⁻⁴)와 비교해도 경쟁력 있었다. (3) 음성 인식(숫자 구분)에서도 디지털 구현 수준의 정확도를 보였다. 시뮬레이션에서는 밴드패스 필터와 잡음 효과를 포함한 모델이 실험 결과와 높은 일치를 보였으며, 이는 설계 파라미터 탐색에 유용했다.

이 논문은 (i) 비선형 노드가 순간적(s instantaneous)이라도 입력‑딜레이 비동기화와 마스크만으로 충분히 고차원 동역학을 생성할 수 있음을, (ii) 광‑전기식 RC가 기존 전자식 구현 대비 속도와 에너지 효율에서 큰 이점을 제공함을, (iii) 실험적 구현이 디지털 시뮬레이션과 거의 동일한 성능을 유지함을 입증한다. 향후 광섬유 길이와 전송 대역폭을 최적화하면 GHz 수준의 초고속 RC가 실현 가능하며, 저전력 광학 컴퓨팅 플랫폼으로의 확장 가능성을 시사한다.