[논문 리뷰] Programmable and nonvolatile computing with composition tuning in thin film lithium niobate

Abhiram Devata, Axel Magaña Ponce외 1명|arXiv (Cornell University)|2026. 02. 10.

Neural Networks and Reservoir Computing인용 수 0

한 줄 요약

이 논문은 전기화학적 리튬화로 얇은 필름 리튬 나이오베이트(TFLN)에서 비휘발성의 프로그래밍 가능한 행렬-벡터 곱을 가능하게 하며, 조성에 따른 굴절률 및 경사하강법으로 학습된 마이크로링 및 Mach-Zehnder 소자들을 통해 에너지 효율적인 광학 컴퓨팅을 가능하게 한다.

ABSTRACT

Matrix-vector multiplications are fundamental operations in artificial intelligence and high-throughput computations, and are executed repeatedly during training and inference. Their high energy cost in electronic processors motivate scalable photonic computing approaches that reduce the energy required per operation. Thin film lithium niobate (TFLN) is a dominant photonic platform due to its large electro-optic effect. However, it lacks nonvolatile index tuning mechanisms, which promise to pave the way for energy-efficient photonic computing. Here, we explore electrochemical lithiation as a route to nonvolatile matrix-vector multiplications in TFLN. The LiNbO3 phase is stable at room temperature over a 2% Li composition window with an associated composition-dependent refractive index. We computationally demonstrate this as a programmable, low-loss approach to perform matrix-vector multiplications by using composition to control matrix weights. We design Mach-Zehnder interferometers to perform image processing tasks under realistic material loss constraints. We also design microring resonators for iterative weight updates, using gradient descent training to program target matrix operations with matrix-vector multiplication accuracy validated at 1.5% average relative error. These demonstrations show a facile route towards nonvolatile photonic computing in TFLN, addressing a critical requirement for energy-efficient photonic matrix operations at scale.

연구 동기 및 목표

• AI 작업에서 MVM을 위한 에너지 효율적인 광학 컴퓨팅의 필요성을 제시한다.
• 전기화학적 리튬화를 통한 조성 조정을 TFLN의 비휘발성 조정 메커니즘으로 도입한다.
• 소자 내 조성 의존 굴절률을 통해 프로그래밍 가능한 가중치를 구현한다.
• MVM 및 반복 가중치 업데이트를 위한 장치 수준 구현(Mach-Zehnder 간섭계 및 마이크로링 공진기)을 시연한다.

제안 방법

• 실온 안정성을 유지하면서 LiNbO3 조성을 2% 범위 내에서 조정하기 위해 전기화학적 리튬화를 사용한다.
• 조성 의존 굴절률이 광자 회로에서 프로그래밍 가능한 행렬 가중치를 어떻게 가능하게 하는지 모델링한다.
• 현실적인 재료 손실 제약 하에서 이미지 처리 작업을 수행하도록 Mach-Zehnder 간섭계를 설계한다.
• 경사하강법 학습을 이용한 반복 가중치 업데이트를 가능하게 하기 위해 마이크로링 공진기를 설계한다.
• 평균 상대 오차 1.5%의 MVM 정확도를 검증한다.

실험 결과

연구 질문

• RQ1 실온에서 얇은 필름 리튬 나이오베이트에서 비휘발성으로 조정 가능한 굴절률을 제공하는가?
• RQ2 조성 조정이 가능한 TFLN을 광학 MVM을 위한 프로그래밍 가능한 행렬 가중치 구현에 어떻게 활용할 수 있는가?
• RQ3 재료 손실 제약 하에서 Mach-Zehnder 및 마이크로링 기반 광학 프로세서의 성능 및 정확도 한계는 무엇인가?
• RQ4 이 플랫폼에서 목표 행렬 연산에 대해 경사하강법으로 학습된 프로그래밍이 가능한가?

주요 결과

• LiNbO3는 Li 조성 2% 창에서 실온에서도 상(相)이 안정적으로 유지된다.
• 조성 조정은 TFLN에서 행렬-벡터 곱을 수행하기 위한 프로그래밍 가능하고 저손실의 접근법을 제공한다.
• Mach-Zehnder 간섭계는 현실적인 재료 손실 제약 하에서 이미지 처리 작업을 수행할 수 있다.
• 마이크로링 공진기는 경사하강법 학습과 호환되는 반복 가중치 업데이트를 가능하게 한다.
• 입증된 접근법은 평균 상대 오차 1.5%의 행렬-벡터 곱 정확도를 달성한다.