본 발표는 빛을 이용한 신경망 구축에 대해 설명하였으며, 2018년부터 광신경망에 대한 논문을 투고하고 있으며, 그 중 세 편의 논문을 소개하는 내용이었다. 최근 뉴럴 네트워크를 빛으로 재현함으로써 고속화, 전력 절감을 위한 시도가 많이 이루어지고 있다. 네트워크를 구축함에 있어 입력에서 적절한 출력을 얻기 위해서는 최적화가 필수적이다. 광신경망의 매트릭스 계산은 마흐첸더 간섭계 원리를 이용하여 위상 편차에 따른 광 강도의 강약으로 표현하고 있다. 최적화를 위해서는 기울기의 측정이 필요하다. 선행 연구에서는 최적화를 위해 컴퓨터 모델을 사용했지만, 새로운 방법으로 디바이스의 광강도를 측정하여 구배를 획득하는 수반변환이라는 접근법을 사용하고 있다. 이에 따라 구배의 취득이 빛의 영역에서 가능하기 때문에 기존의 방법에서 사용되어 왔던 절차를 단축할 수 있으며, 또한 취득한 구배를 전압으로 변환하여 칩상에서 직접 간섭에 반영하는 시도를 발표하였다.
논문: https://www.osapublishing.org/optica/abstract.cfm?uri=optica-5-7-864
: https://www.osapublishing.org/oe/abstract.cfm?uri=oe-28-8-12138
: https://advances.sciencemag.org/content/5/12/eaay6946
CLEO 2020 코타마 타쿠창
Research
CLEO 2020 참가 보고서
2020년 5월 11-15일, 온라인
석사1년 兒玉 拓昌
1.CLEO2020에 대하여
CLEO(The Optical Society OSA)는 미국물리학회(American Physical Society : APS)와 IEEE Photonics Society가 후원하는 최대 규모의 포토닉스 관련 국제 학회이다. 매년 San Jose에서 개최되지만, 올해는 신종 코로나바이러스(COVID-19)의 확산으로 모든 발표가 온라인으로 진행되었다. 전례 없는 상황이었지만, 총 75개국에서 발표자가 모여 2000개가 넘는 발표와 248개의 포스터 발표가 이루어졌다. 기자도 발표에 참여하였기 때문에 자신의 발표를 통해 느낀 점을 포함하여 청강한 몇 가지 발표를 소개하고자 한다.
2. 보고자 발표에 대하여
제목: 랜덤 포토닉 크리스털을 이용한 고해상도 분광계
발표자: Takumasa Kodama
소속: Keio University
발표번호: FM2R.4 (Mon, May 11th)
폭 변화형 선결함 광결정 도파관과 딥러닝 알고리즘을 이용한 소형 분광기에 대한 발표가 있었다. 포토닉스와 딥러닝을 병합한 연구는 본 회의에서도 볼 수 있었고, 딥러닝은 최근 유행이라는 것을 재확인할 수 있었으며, 우리 연구와 같이 데이터 분석에 사용하는 연구는 찾아볼 수 없었기 때문에 새로운 딥러닝의 활용을 발표할 수 있었던 것이 아닌가 생각된다. 발표 형식은 Live 형식으로 진행되었으며, 질의응답은 Q&A란에 올라온 질문을 좌장이 읽어주는 방식이었다. 영어 듣기에 대한 불안감이 있었으나, 질문은 직접 읽을 수 있었기 때문에 극복할 수 있었다. 질문의 내용은 데이터 분석에 사용한 딥러닝과 최적화 알고리즘의 차이점, 그리고 왜 그런 알고리즘을 적용하면 해상도를 향상시킬 수 있는지 등 개념과 관련된 질문이 많았다. 자신의 발표 시, 발표 자료를 화면에 공유하는데, 방법을 잘못하면 발표자 도구가 청중에게 보여지는 사고가 발생한다. 이를 피하려면 파워포인트를 공유한 후 슬라이드 쇼를 시작하면 된다.
3. 청강한 발표
제목: Subwavelength Nanowire-Induced Photonic Crystal Nanocavities in Subwavelength Nanowire-Induced Photonic Crystal Nanocavities up to T = 339K Lasing
발표자: Sylvain Sergent
소속: NTT Nanophotnics Center
발표번호: SM1J.6 (Mon, May 11th)
NTT의 포토닉스 그룹은 최근 광결정과 플라즈모닉스에 관한 연구를 활발히 진행하고 있으며, 실리콘 나이트라이드 광결정과 ⅢⅤ족 나노와이어를 이용한 저임계값 레이징을 실시하고 있다. 본 발표에서는 광결정 도파관에 나노와이어를 설치하여 그곳이 이득 매질이 되어 T = 360 K까지 여기화가 확인되었다. 또한, 나노와이어의 길이, 반경, 격자상수 등 다양한 조합을 시도하여 각각의 Q값과 임계값을 측정하여 그 관계를 보여주었다. 또한, 광결정을 이용하여 나노와이어에 직접 빛을 넣기 때문에 집적회로와도 잘 어울리며, 상온에서 적은 입력전력(3.5 MW/cm2)으로도 가능하다. 실리콘 기반은 크기가 매우 작아 빛의 손실이 적다. 또한 상온에서 작동이 가능하기 때문에 전력 소비가 매우 적다. 또한 본 발표에서는 ZnO를 이용한 레이징을 실시하였으나, 다양한 나노와이어를 사용함으로써 레이저 파장을 제어할 수 있고, 설계도 유연하게 할 수 있다는 장점도 언급되었다.
논문: https://pubs.acs.org/doi/pdf/10.1021/acsphotonics.0c00166
제목: 광자 신경망: 훈련, 비선형성, 그리고 반복 시스템
발표자: Shanhui Fan
소속: Stanford University
발표번호: JF2A.3 (Fri, May 15th)
한국어 
日本語 
English 
简体中文 
Deutsch 
Français 
Español 
Italiano 
العربية