[論文レビュー] Spatial Photonic Reservoir Computing based on Non-Linear Phase-to-Amplitude Conversion in Micro-Ring Resonators

Charis Mesaritakis, Kostas Sozos+2 more|arXiv (Cornell University)|Jan 12, 2021

Neural Networks and Reservoir Computing参考文献 6被引用数 8

ひとこと要約

本稿では、位相から振幅への変換を介した全光的で低消費電力な非線形活性化を実現するため、マイクロリングレゾネーター（MRR）を用いた光集積型リザボア計算（RC）アーキテクチャを提案する。MRRの内在的非線形転送関数を活用することで、全光的で低消費電力な非線形活性化が実現され、45 km伝送距離でHD-FEC（10⁻³）未満の誤りビットレート（BER）を達成する。また、リアルタイムでの多ギガビット/秒信号の分類と、光ファイバー路での有効な分散補償が可能である。

ABSTRACT

We present a photonic reservoir computing, relying on a non-linear phase-to-amplitude mapping process, able to classify in real-time multi-Gbaud time traces subject to transmission effects. This approach delivers an all-optical, low-power neuromorphic dispersion compensator.

研究の動機と目的

• 高速信号処理を目的とした、統合光子回路に基づく全光的で低消費電力な神経形態的計算プラットフォームの開発。
• 高入力電力やアクティブ素子を必要とせずに、光RCにおける有効な全光的非線形活性化関数を実装する課題の克服。
• 受動的MRRを非線形活性化素子として用いることで、高帯域幅光信号のリアルタイム処理の可能性の実証。
• 2つの実用的タスク（時間トレース分類および25 Gbaud PAM-4システムにおける伝送劣化の低減）を通じた手法の妥当性の検証。

提案手法

• 加算/ドロップ型マイクロリングレゾネーター（MRR）における非線形位相-振幅変換を活用し、MRRの転送関数を介して位相変調入力が振幅変調出力に変換される。
• MRRの応答を結合モード理論でモデル化し、出力電力が入力位相シフト、リング半径、結合係数の関数として記述する主要な式を用いる。
• MRRをループトポロジーで直列接続することでマルチノードRCを構築し、各MRRのスルーポートを次のMRRに接続し、ドロップポートをフォトダイオードに接続して電気的読み出しを実現。
• フォトダイオード出力にリッジ回帰に基づく学習手法を適用し、入力パターンの分類または歪んだ信号の復元を実行。
• 正規分布を用いてMRR間でパラメータ（k, R, 損失）を変動させ、動的豊かさと耐障害性を向上。
• 分裂ステップフーリエ法を用いて伝送劣化をシミュレートし、25 Gbaud PAM-4信号における染色分散の補償にMRR-RCを適用。

実験結果

リサーチクエスチョン

• RQ1 高入力電力やアクティブ素子を必要とせずに、受動的マイクロリングレゾネーターを用いてチューナブルな全光的非線形活性化関数を実装可能か？
• RQ2 MRRに起因する非線形性の導入が、遅延ベースの光RCと比較して分類性能にどのように寄与するか？
• RQ3 高速光リンクにおける染色分散などの伝送劣化要因を、MRR-RCはどの程度効果的に低減できるか？
• RQ4 最小限の学習と低消費電力で、フォワードエラー訂正（FEC）の閾値（例：HD-FEC）を達成できるか？

主な発見

• 20ノードのMRR-RCでは分類誤り率が0.037%にまで低下し、遅延ベースRC（15.6%誤り率）と比較して400倍の改善を達成。これは導入された非線形性に起因。
• 10ノードのRCでは、位相変調深さΔφ = 0.13 radの低レベルでは誤り率が53%に達するが、Δφ = π/2 radに上昇させるとほぼ0%にまで低下し、非線形性の直接制御が可能であることを示した。
• 25 Gbaud PAM-4信号において、40 km伝送距離で平均BERが4×10⁻⁴にまで低下し、HD-FECの閾値（10⁻³）を下回った。
• 全距離で線形分類器よりもMRR-RCが優れた性能を示し、有効な分散補償には非線形性の必要性が確認された。
• 出力層のみをリッジ回帰で学習するため、低消費電力で複雑な学習を必要とせず、システムは低消費電力を維持した。
• 100通りのランダムなMRRパラメータ設定においても性能が安定しており、50 km伝送距離で最小BERが10⁻⁴に達した。これによりスケーラビリティと信頼性が確認された。