초고속 전이흡수 기반 포토닉 익스트림 러닝머신과 물리 기반 광학 컴퓨팅 연구

Ultrafast Transient Absorption Photonic Extreme Learning Machine for Physical Optical Computing

연구 내용

초고속 전이흡수 스펙트럼을 물리적 피처로 인코딩해 photonic extreme learning machine을 구성하고, 광학 신호를 신경망 형태로 분류·회귀하는 물리 기반 포토닉 컴퓨팅을 구현하는 연구

심상완 연구실은 펌프–프로브 기반 전이흡수(transient absorption) 측정이 제공하는 시간 분해 스펙트럼 응답을 학습용 고차원 피처로 사용합니다. 입력은 다수의 probe polarization 채널과 펌프–프로브 지연 파라미터로 인코딩하고, 입력-히든 매핑을 고정한 photonic extreme learning machine 구조로 선형 출력 레이어만 학습합니다. 이 방식은 픽셀화된 변조기나 복잡한 나노가공 요구를 줄이며, quasi-1D ZrSe3 나노리본 기반의 물리적 신경망 연산을 시연합니다.

관련 프로젝트

0건

연구 흐름

2025년에는 ultrafast transient absorption을 기반으로 한 PELM(photonic ELM) 프레임워크를 제안하고, ZrSe3 나노리본에서 측정되는 TA 응답을 비선형 특성으로 변환하는 절차를 구성했습니다. 이후 nonlinear regression, spiral classification, image recognition 등 다양한 태스크로 입력 인코딩의 유연성을 검증했습니다. 또한 Iris와 MNIST와 같은 벤치마크 기반의 성능 안정성을 확인하며, 초고속 포토닉 학습 시스템으로의 확장 가능성을 정리했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

TA 스펙트럼 기반 고속 패턴 분류기
펌프–프로브 인코딩형 피처 추출기
광학 입력으로 구현하는 물리 기반 회귀기
비선형 태스크용 포토닉 추론 엔진
에너지 저감형 극한 학습기 구현
실험 계측과 연동된 온라인 분류 시스템
엣지 비전 전처리용 광학 파이프라인
다중 편광 채널 기반 데이터 증강
모듈형 포토닉 컴퓨팅 아키텍처
초고속 학습용 실시간 피드백 구조