파장분할 멀티플렉싱을 이용한 100Mfps 초고속 고스트 이미징

초록

**
본 논문은 25 GHz 속도로 무작위 스펙클 패턴을 전환하고, 5개의 파장을 동시에 활용한 파장분할 멀티플렉싱(WDM) 기법을 적용해 28 × 28 픽셀 영상을 10 ns 노출 시간으로 100 Mfps(초당 1억 프레임) 속도로 복원한다. 훈련 데이터 없이 동작하는 자체‑감독 딥러닝(GIDC) 재구성 알고리즘을 사용해 공간‑시간 정보 흐름을 78.4 Gpix/s로 달성했으며, 마이크로초 수준의 동적 현상을 연속 영상으로 기록하는 데 성공하였다.

**

상세 분석

**
이 연구는 기존 싱글‑픽셀·고스트 이미징(SPI/GI)에서 가장 큰 병목이던 마스크 전환 속도를 광학적으로 극복한 점이 핵심이다. 25 GSa/s 파형 발생기와 위상 변조기를 이용해 멀티모드 섬유(MMF) 내부에서 무작위 스펙클 패턴을 생성하고, 이를 20 m 길이의 MMF에 전파시켜 5 nm 간격의 파장 5종을 동시에 전송한다. 파장분할 멀티플렉서(MUX)와 디멀티플렉서(DEMUX)를 통해 각각의 파장이 독립적인 스펙클 시퀀스를 갖게 되므로, 실질적인 전환 속도는 25 GHz × 5 = 125 GHz에 해당한다.

측정 행렬 S는 각 파장별 스펙클 시퀀스를 시간 도메인 신호 y와 연결한 형태이며, S는 25 GHz 샘플링으로 얻은 2,500개의 무작위 패턴을 이용해 고정한다. 행렬의 랭크가 충분히 높지 않을 경우 전통적인 의사역행렬(pseudo‑inverse) 복원은 잡음이 크게 늘지만, 저자들은 GIDC(Ghost Imaging using Deep neural‑network Constraint)라는 자체‑감독 네트워크를 도입해 초기 복원을 정제한다. GIDC는 초기 의사역행렬 복원 ˆx를 입력으로 받아 U‑Net 기반 CNN으로 노이즈를 억제하고, 총 변동(TV) 정규화를 손실함수에 포함시켜 구조적 일관성을 유지한다.

실험에서는 MNIST 손글씨(28 × 28)와 DMD 기반 동적 패턴을 대상으로 1 ns~100 ns 노출 시간을 변조하였다. 단일 파장(K=1)에서는 10 ns 이하에서 SSIM이 급격히 저하되지만, 파장 수 K를 5까지 늘리면 1 ns에서도 SSIM≈0.8을 달성한다. 이는 서로 독립적인 스펙클 집합이 패턴 다양성을 크게 향상시켜 짧은 노출에서도 충분한 측정 정보를 제공함을 의미한다.

또한, 마이크로초 규모의 이미지 전환(다이아몬드 → 하트) 실험에서 10 ns 간격으로 연속 신호를 분할, 5파장 동시 투사 및 GIDC 복원을 적용해 100 Mfps의 연속 영상을 얻었다. 이때 프레임당 평균 SSIM은 0.85 이상이며, 전환 과정에서 발생한 기계적 진동은 약간의 잔여 노이즈로만 나타났다.

성능 비교표에서는 기존 메카니컬(디스크 회전), 전자(LED, DMD) 및 광학(광주파수 콤) 방식과 대비해 본 시스템이 2 ~ 3 order magnitude 높은 STIF(78.4 Gpix/s)를 기록한다. 다만, 현재 구현은 28 × 28 픽셀 제한, 고속 파형 발생기와 다중 파장 레이저 비용, 그리고 측정 행렬 사전 캘리브레이션이 필요하다는 점에서 확장성에 과제가 남는다.

**