광계층 지능을 활용한 차세대 광컴퓨팅 통신 통합 네트워크

초록

본 논문은 광전달망에 ‘광계층 지능’ 개념을 도입하여, 동일 중간노드를 통과하는 라이트패스 간에 광학적 연산(특히 집계)을 수행함으로써 스펙트럼 효율을 크게 향상시키는 새로운 아키텍처인 광컴퓨팅‑통신 통합 네트워크를 제안한다. 이를 위해 광집계 시나리오를 사례로 제시하고, 최적 라우팅·파장 할당을 위한 정수선형계획(ILP) 모델을 수립한 뒤, 실제 NSFNET 토폴로지를 이용한 시뮬레이션으로 전통적인 광바이패스 방식 대비 최대 35 % 이상의 파장‑링크 비용 절감을 입증한다.

상세 분석

논문은 먼저 기존 광바이패스 네트워크가 전송 효율은 높지만, 중간노드에서 전기‑광 변환 없이 라이트패스들을 완전히 격리시켜야 하는 구조적 한계에 주목한다. 이러한 격리 요구는 동일 노드를 통과하는 다중 라이트패스 간에 어떠한 광학적 상호작용도 허용하지 않으며, 결과적으로 광신호 처리·연산을 수행할 여지를 차단한다. 저자는 ‘광계층 지능(Optical‑layer Intelligence)’이라는 새로운 개념을 도입해, 라이트패스 수준에서 광학적 연산을 수행하도록 노드를 확장한다. 핵심 연산 예시로는 두 개의 400 Gbps QPSK 라이트패스를 하나의 800 Gbps 16‑QAM 라이트패스로 집계(aggregation)하는 과정이다. 이 집계는 동일 파장 λ₁ 상에서 이루어지므로, 기존에 필요했던 두 개의 파장을 하나로 줄일 수 있어 스펙트럼 사용량이 절반으로 감소한다. 또한 목적지에서 다시 디집계(de‑aggregation)함으로써 원래 트래픽을 복원한다는 점에서 데이터 무결성도 보장된다.

수학적 모델링 부분에서는 물리 토폴로지 G(V,E)와 동일 용량의 트래픽 요구 D를 입력으로, 라우팅 변수 xᵈₑ와 집계 변수 θ, z, f 등을 정의한다. 목적함수는 전체 파장‑링크 사용량을 최소화하면서, 집계가 발생하면 해당 파장‑링크 비용을 차감하도록 설계된다. 제약식은 흐름 보존, 각 트래픽당 최대 한 번의 집계, 집계 쌍의 목적지 일치, 집계·디집계 노드 일관성, 그리고 집계 라이트패스의 라우팅을 모두 포괄한다. 이러한 ILP는 기존 라우팅 문제에 비해 변수와 제약이 급증해 NP‑hard 수준의 복잡도를 갖지만, 최적해를 통해 실제 네트워크 설계 시 얻을 수 있는 스펙트럼 절감 효과를 정량적으로 평가한다.

시뮬레이션은 실제 NSFNET 토폴로지를 사용하고, 트래픽 부하를 4, 8, 12개의 목적지 노드로 변형한 세 시나리오를 고려한다. 각 시나리오마다 10개의 무작위 트래픽 샘플을 생성하고, 동일 파장 채널(50 GHz 간격)으로 할당한다. 결과는 광집계‑지원 설계가 모든 부하 수준에서 파장‑링크 비용을 현저히 낮추며, 특히 중간 부하 구간에서 30 % 이상, 최고 부하에서는 약 35 %의 절감률을 보인다. 이는 광계층 지능이 네트워크 자원 활용을 최적화하고, 장기적으로는 장비 비용·전력 소비 감소에도 기여할 가능성을 시사한다.

전반적으로 논문은 광학적 연산을 네트워크 레이어에 직접 삽입함으로써, 기존 광바이패스 구조가 갖는 ‘전기‑광 변환 의존성’과 ‘라이트패스 격리’라는 제약을 극복하고, 스펙트럼 효율을 크게 향상시킬 수 있음을 실증적으로 입증한다. 향후 연구에서는 다중 집계, 비동질 라이트패스 간의 복합 연산, 그리고 실시간 동적 집계 스케줄링 등으로 확장할 여지가 크다.