과학자들은 빛을 사용하여 3차원에서 대규모 데이터를 저장하는 방법을 발견했습니다.

기존 스토리지 시스템은 하드 드라이브나 광 디스크와 같은 평평한 표면에 데이터를 기록합니다. 대조적으로, 홀로그램 데이터 스토리지는 레이저 광을 사용하여 재료의 볼륨 전체에 정보를 포함합니다. 이는 동일한 공간 내에 여러 개의 겹치는 조명 패턴을 생성하여 저장 용량을 크게 늘리고 더 빠른 데이터 전송을 가능하게 합니다.

“기존 홀로그램 데이터 저장에서 데이터 인코딩은 일반적으로 진폭이나 위상과 같은 하나의 광 차원을 사용하거나 기껏해야 이러한 차원 중 두 가지를 결합합니다”라고 중국 Fujian Normal University의 연구팀 리더인 Xiaodi Tan이 말했습니다. “우리는 편광 홀로그래피의 원리를 바탕으로 회선 신경망 모델로 알려진 딥 러닝 아키텍처를 사용하여 편광을 독립적인 정보 차원으로 사용할 수 있도록 했습니다.”

에 발표된 연구 광학Optica Publishing Group의 영향력 있는 연구 저널은 이 새로운 기술이 저장되는 정보의 양을 늘리는 동시에 검색을 더 쉽게 만들 수 있음을 보여줍니다.

Tan은 “추가 개발 및 상용화를 통해 이러한 유형의 다차원 홀로그램 데이터 스토리지는 더 작은 데이터 센터와 보다 효율적인 대규모 보관 스토리지를 가능하게 하는 동시에 데이터 처리 및 전송 효율성을 향상시킬 수 있습니다”라고 말했습니다. “또한 보다 안전한 데이터 전송, 광학 암호화 및 고급 이미징에 기여할 수 있습니다.”

양극화를 사용하여 데이터 인코딩 확장

홀로그램 스토리지에서는 정보가 레이저 광 패턴으로 생성된 이미지와 유사한 데이터 페이지로 저장됩니다. 인코딩은 디지털 데이터를 이러한 페이지로 변환하고, 디코딩은 이를 다시 사용 가능한 정보로 변환합니다.

빛은 더 많은 데이터를 전달하는 데 사용할 수 있는 여러 가지 속성을 갖고 있지만 실제로는 이를 효과적으로 결합하는 것이 어렵습니다. 이를 극복하기 위해 연구진은 재구성 중에 빛의 편광 상태를 보존하는 텐서 기반 편광 홀로그래피라는 방법을 개선했습니다. 이는 편광을 추가 정보를 저장하기 위한 신뢰할 수 있는 채널로 만듭니다.

이 작업을 바탕으로 팀은 3D 변조 인코딩 전략을 만들었습니다. 두 개의 수직 편광 상태의 강도와 위상을 조정하고 이중 위상 홀로그램 기술을 적용함으로써 단일 위상 전용 공간 광 변조기가 광학장에서 진폭, 위상 및 편광을 함께 인코딩할 수 있게 되었습니다.

다차원 광 데이터의 AI 디코딩

표준 센서는 빛의 강도(진폭)만 측정하고 위상이나 편광을 직접 감지할 수 없기 때문에 이러한 결합된 정보를 디코딩하는 것은 어렵습니다. 이 문제를 해결하기 위해 연구원들은 회절 강도 이미지에서 세 가지 유형의 데이터를 모두 복구하기 위해 회절 신경망과 함께 텐서-편광 홀로그래피 이론을 사용했습니다.

신경망은 두 개의 보완적인 회절 이미지(하나는 수직 편광판을 사용하여 캡처하고 다른 하나는 수직 편광판을 사용하지 않고 캡처함)를 사용하여 훈련됩니다. 이러한 이미지를 분석함으로써 모델은 진폭, 위상 및 편파와 연결된 패턴을 식별하는 방법을 학습합니다. 이를 통해 세 가지 모두를 동시에 재구성하여 저장 밀도를 향상하고 데이터 전송 속도를 높일 수 있습니다.

더 빠르고 더 큰 용량의 데이터 저장을 향하여

개념을 확인한 후 연구원들은 편광에 민감한 물질 내에서 인코딩된 광학장을 기록하고 재구성할 수 있는 소형 시스템을 구축했습니다. 테스트하는 동안 강도 이미지를 분석하여 진폭, 위상 및 편광과 관련된 특징을 감지했습니다. 그런 다음 이를 신경망의 입력으로 사용하여 강도 기반 측정만 사용하여 완전한 3D 재구성을 가능하게 했습니다.

“전반적으로 우리의 결과는 다차원 조인트 인코딩이 단일 홀로그램 데이터 페이지에 전달되는 정보를 실질적으로 증가시켜 저장 용량을 향상시키는 것으로 나타났습니다.”라고 Tan은 말했습니다. “또한 신경망 동기 디코딩은 복잡한 측정 및 단계별 재구성의 필요성을 줄여 보다 효율적인 판독 및 디코딩을 지원합니다. 이는 대용량, 높은 처리량의 홀로그램 데이터 저장을 향한 실용적인 경로를 가능하게 할 수 있습니다.”

실제 응용을 위한 다음 단계

연구진은 이 시스템이 아직 연구 단계에 있으며 상업적으로 사용되기 전에 추가 개발이 필요하다고 강조합니다. 향후 작업에서는 인코딩에 사용되는 회색 레벨을 높여 용량을 더욱 확장하고 기록 자료의 장기 안정성, 균일성 및 반복성을 향상시키는 데 중점을 둘 것입니다.

그들은 또한 이 방법을 체적 홀로그램 다중화 기술과 통합하여 여러 페이지와 데이터 채널을 한 번에 저장할 수 있도록 할 계획입니다. 실제 조건에서 더 빠르고 안정적인 데이터 검색을 달성하려면 광학 하드웨어와 디코딩 알고리즘 간의 통합을 강화하는 것이 필수적입니다.