[논문 리뷰] Microring resonators with external optical feedback for time delay reservoir computing

Donati, Giovanni, Mirasso, Claudio R.외 3명|arXiv (Cornell University)|2021. 09. 23.

Neural Networks and Reservoir Computing인용 수 61

한 줄 요약

이 논문은 시간지연 잔류계산(Time-Delay Reservoir Computing)을 위한 고밀도·에너지 효율적인 잔류계산 노드로, 외부 광학 피드백을 갖춘 수동 실리콘 마이크로링 레조너(МRR)를 제안한다. МРР의 자유전자 비선형성과 시간지연 피드백을 활용하여 가상의 노드를 생성함으로써, Narma-10 및 혼돈 시간열 예측(Mackey-Glass, Santa Fe)과 같은 기억력이 요구되는 과제에서 높은 성능을 달성한다. MRR의 비선형성만으로는 성능이 부족할 경우, 피드백이 성능 향상에 크게 기여한다.

ABSTRACT

Microring resonators (MRRs) are a key photonic component in integrated devices, due to their small size, low insertion losses, and passive operation. While the MRRs have been established for optical filtering in wavelength-multiplexed systems, the nonlinear properties that they can exhibit give rise to new perspectives on their use. For instance, they have been recently considered for introducing optical nonlinearity in photonic reservoir computing systems. In this work, we present a detailed numerical investigation of a silicon MRR operation, in the presence of external optical feedback, in a time delay reservoir computing scheme. We demonstrate the versatility of this compact, passive device, by exploiting different operating regimes and solving computing tasks with diverse memory requirements. We show that when large memory is required, as it occurs in the Narma 10 task, the MRR nonlinearity does not play a significant role when the photodetection nonlinearity is involved, while the contribution of the external feedback is significant. On the contrary, for computing tasks such as the Mackey-Glass and the Santa Fe chaotic timeseries prediction, the MRR and the photodetection nonlinearities contribute both to efficient computation. The presence of optical feedback improves the prediction of the Mackey-Glass timeseries while it plays a minor role in the Santa Fe timeseries case.

연구 동기 및 목표

• 수동 실리콘 마이크로링 레조너(MRR)에 외부 광학 피드백을 적용한 경우 시간지연 잔류계산(РC)에서의 계산 잠재력을 탐색하기 위해.
• МРР의 내재된 비선형성(자유전자 분산, 두광자 흡수)과 외부 피드백이 함께 시스템의 기억력과 계산 성능에 어떤 기여를 하는지 평가하기 위해.
• 기억력 요구 수준이 다른 표준 과제(Narma-10, Mackey-Glass, Santa Fe 혼돈 시간열)에 대해 다양한 운영 조건에서 시스템을 벤치마킹하기 위해.
• 기억력과 비선형성 요구 수준이 다양한 과제에서 효율적인 계산을 가능하게 하는 데 있어, МРР 비선형성과 외부 피드백의 상대적 역할을 규명하기 위해.

제안 방법

• 광학장의 진화, 자유전자 농도, 온도 변화를 기술하는 미분방정식 시스템을 사용하여 МРР 동역학을 결합모드 이론으로 모델링한다.
• 두광자 흡수(TPA)와 자유전자 분산(FCD)을 통해 비선형 효과를 포함하여, МРР의 공진 주파수와 전파 손실을 조절한다.
• 조절 가능한 지연(𝜏𝐹), 강도(𝜂𝐹), 위상(𝜙𝐹)을 갖춘 외부 광학 피드백을 도입하여 시간다중화 가상 노드를 생성하고 시스템 기억력을 연장한다.
• 읽기 단계에서 유일한 신호 변환은 광검출기 비선형성에 의존하며, 잔류계산 동역학은 МРР와 피드백 비선형성에 의해 구동된다.
• 기준 과제에 대해 제어된 입력 신호로 시스템을 시뮬레이션하고, 평균 제곱오차(MSE)와 기억력 용량 지표를 통해 성능을 평가한다.
• 피드백 지연, 커플링 계수(𝑘2), МРР 품질 인자(𝑄)와 같은 핵심 파라미터를 조정하여 다양한 동역학 영역을 탐색하고 성능을 최적화한다.

실험 결과

연구 질문

• RQ1 외부 광학 피드백은 수동 실리콘 МРР의 기억력과 계산 용량을 시간지연 잔류계산에서 어떻게 향상시키는가?
• RQ2 기억력 요구 수준이 다른 과제를 해결할 때, МРР 비선형성(자유전자 효과를 통한)과 광검출기 비선형성의 상대적 기여는 어떠한가?
• RQ3 어떤 계산 영역에서는 МРР의 내재된 비선형성이 충분하고, 언제 외부 피드백이 고성능을 위해 필수적인가?
• RQ4 열(𝜏𝑇𝐻 ≈ 83.3 ns)과 자유전자(𝜏𝐹𝐶 ≈ 3.3 ns) 동역학의 시간상수는 혼돈 시간열 예측 과제에서 시스템 성능에 어떤 영향을 미치는가?
• RQ5 긴 기억력이 요구되는 과제, 예를 들어 Narma-10에서 피드백을 갖춘 МРР는 단독 МРР를 능가할 수 있는가?

주요 결과

• 기억력이 높이 요구되는 Narma-10 과제에서는 예측 오차가 낮게 유지(MSE ≈ 1.2×10⁻⁴)되며, 주로 강력한 외부 피드백 덕분이며, МРР 비선형성의 기여는 미미하다.
• Mackey-Glass 예측 과제에서는 МРР 비선형성과 외부 피드백이 모두 크게 기여하며, 둘 다 활성화된 상태에서 가장 낮은 오차(MSE ≈ 2.1×10⁻⁵)를 기록한다.
• Santa Fe 혼돈 시간열 과제에서는 МРР의 내재된 비선형성이 충분한 기억력과 동역학을 제공하여, 외부 피드백에 의존하지 않고도 양호한 성능(MSE ≈ 1.8×10⁻⁴)을 달성할 수 있다.
• 외부 피드백은 МРР의 내재된 시간상수를 초월하여 효과적인 기억력을 연장하며, 시간다중화를 통해 가상의 노드를 생성한다.
• 시스템 성능는 피드백 위상(Δ𝜙𝐹)에 매우 민감하며, 드리프트를 방지하기 위해 실험적으로 PID 제어기를 사용하여 안정화가 필요하다.
• 피드백 지연(𝜏𝐹)을 5 ns에서 100 ns로 조절하면 가상 노드의 수를 제어할 수 있으며, 처리 속도와 기억력 용량 사이의 트레이드오���을 가능하게 한다.