포화 흡수를 활용한 전광학 신경망 역전파 구현

본 논문은 전광학 신경망(Optical Neural Network, ONN)에서 가장 큰 기술적 장애물인 비선형 유닛을 통한 역전파(backpropagation)를 순수 광학적으로 구현하는 방법을 제시한다. 기존 ONN은 선형 매트릭스 연산은 광학적으로 구현 가능하지만, 비선형 활성화 함수의 전방 전파와 그 미분값을 이용한 역전파는 전자‑광학 혼합 방식에 의존해 왔다. 저자들은 포화 흡수(Saturable Absorption, SA) 매체를 이용해 펌프‑프로브 구성을 만들고, 이를 전방·역방향 신호에 각각 할당함으로써 비선형 전송과 미분값 전송을 동시에 구현한다. 1. **이론적 배경** - 전통적인 신경망은 입력 x를 가중치 행렬 W와 곱한 뒤 비선형 활성화 함수 g(z)를 적용한다. 역전파에서는 각 층의 오류 δ(l)=g′(z(l))·ρ(l+1)를 계산해야 하는데, 여기서 g′는 활성화 함수의 미분이다. - 광학적으로는 가중치 행렬을 위상 변조기와 감쇠기를 이용한 인터페라미터(interferometric) 네트워크로 구현할 수 있다. 이때 전방 전파와 동일한 경로를 역방향으로 빛을 보내면 ρ(l+1)=Wᵀ·δ(l+1)를 물리적으로 얻는다. - 문제는 g′(z)를 어떻게 광학적으로 얻느냐이다. 2. **포화 흡수 기반 펌프‑프로브 설계** - 두 레벨 원자 매체(또는 유사한 비선형 매체)에 강한 펌프 빔 Eₚ와 약한 프로브 빔 Eₚᵣ를 동시에 통과시킨다. 펌프 전송은 \