과학자들이 빛을 이용해 3차원 공간에 방대한 데이터를 저장하는 방법을 발견했습니다.

연구진은 빛의 진폭, 위상, 편광 특성을 결합하여 3차원 공간에서 정보를 저장하고 검색하는 홀로그램 데이터 저장 방식을 개발했습니다. (사진 제공: 중국 푸젠 사범대학교, 샤오디 탄)

연구진은 빛의 세 가지 핵심 속성인 진폭, 위상, 편광을 결합하여 3차원 공간에서 정보를 기록하고 검색하는 새로운 홀로그램 데이터 저장 방식을 개발했습니다. 이 방식은 세 가지 속성을 모두 활용함으로써 동일한 공간에 훨씬 더 많은 데이터를 저장할 수 있게 해 주며, 전 세계적으로 증가하는 데이터 저장 수요에 대한 잠재적인 해결책을 제시합니다.

기존 저장 시스템은 하드 드라이브나 광 디스크와 같은 평평한 표면에 데이터를 기록합니다. 이와 대조적으로 홀로그래픽 데이터 저장 장치는 레이저 광을 이용하여 재료 전체에 정보를 내장합니다. 이를 통해 동일한 공간 내에 여러 개의 겹치는 광 패턴이 생성되어 저장 용량이 크게 증가하고 데이터 전송 속도가 빨라집니다.

중국 푸젠 사범대학교의 연구팀 리더인 샤오디 탄은 "기존의 홀로그램 데이터 저장 방식에서는 데이터 인코딩에 일반적으로 진폭이나 위상과 같은 한 가지 빛의 차원만 사용하거나, 많아야 두 가지 차원을 조합해서 사용합니다."라고 설명했습니다. "우리는 편광 홀로그램 원리를 기반으로 합성곱 신경망 모델이라는 딥러닝 아키텍처를 활용하여 편광을 독립적인 정보 차원으로 사용할 수 있도록 했습니다."

옵티카 출판 그룹의 영향력 있는 연구 저널인 옵티카(Optica) 에 발표된 이 연구는 이 새로운 기술이 정보 저장량을 늘리는 동시에 정보 검색을 더 쉽게 만들 수 있음을 보여줍니다.

"이러한 다차원 홀로그램 데이터 저장 방식은 추가적인 개발과 상용화를 통해 데이터 센터 규모를 축소하고 대규모 아카이빙 스토리지를 더욱 효율적으로 만들 뿐만 아니라 데이터 처리 및 전송 효율성도 향상시킬 수 있을 것입니다."라고 탄 교수는 말했다. "또한 더욱 안전한 데이터 전송, 광학 암호화 및 고급 이미징 기술에도 기여할 수 있을 것입니다."

편광을 이용하여 데이터 인코딩 확장하기

홀로그래픽 저장 방식에서는 레이저 광 패턴으로 생성된 이미지 형태의 데이터 페이지 형태로 정보가 저장됩니다. 인코딩은 디지털 데이터를 이러한 페이지로 변환하고, 디코딩은 이를 다시 사용 가능한 정보로 변환합니다.

빛은 더 많은 데이터를 전달하는 데 활용될 수 있는 다양한 특성을 가지고 있지만, 이러한 특성들을 효과적으로 결합하는 것은 실제로 어려웠습니다. 이를 극복하기 위해 연구진은 재구성 과정에서 빛의 편광 상태를 보존하는 텐서 기반 편광 홀로그래피라는 방법을 개선했습니다. 이로써 편광은 추가 정보를 저장하는 신뢰할 수 있는 채널이 되었습니다.

이 연구를 바탕으로 연구팀은 3D 변조 인코딩 전략을 개발했습니다. 서로 수직인 두 편광 상태의 강도와 위상을 조정하고 이중 위상 홀로그램 기술을 적용함으로써, 단일 위상 전용 공간 광 변조기를 사용하여 광장에서 진폭, 위상 및 편광을 함께 인코딩할 수 있었습니다.

다차원 광 데이터의 AI 디코딩

표준 센서는 빛의 강도(진폭)만 측정할 뿐 위상이나 편광을 직접 감지할 수 없기 때문에 이러한 결합된 정보를 해독하는 것은 어렵습니다. 이 문제를 해결하기 위해 연구진은 텐서-편광 홀로그래피 이론과 합성곱 신경망을 사용하여 회절 강도 이미지에서 세 가지 유형의 데이터를 모두 복원했습니다.

신경망은 수직 편광판을 사용한 회절 이미지와 사용하지 않은 회절 이미지, 두 개의 상보적인 회절 이미지를 이용하여 훈련됩니다. 이 이미지들을 분석함으로써, 모델은 진폭, 위상, 편광과 관련된 패턴을 식별하는 방법을 학습합니다. 이를 통해 세 가지 요소를 동시에 재구성할 수 있어 저장 밀도를 높이고 데이터 전송 속도를 향상시킬 수 있습니다.

더 빠르고 용량이 큰 데이터 저장 장치를 향하여

연구진은 개념을 확인한 후 편광에 민감한 물질 내에서 인코딩된 광장을 기록하고 재구성할 수 있는 소형 시스템을 제작했습니다. 테스트 과정에서 강도 이미지를 분석하여 진폭, 위상 및 편광과 관련된 특징을 감지했습니다. 이러한 특징들을 신경망의 입력으로 사용하여 강도 기반 측정값만으로 완전한 3D 재구성을 가능하게 했습니다.

"전반적으로, 우리의 연구 결과는 다차원 공동 인코딩이 단일 홀로그램 데이터 페이지에 담을 수 있는 정보량을 크게 증가시켜 저장 용량을 향상시킨다는 것을 보여주었습니다."라고 탄 교수는 말했습니다. "또한, 신경망 동기식 디코딩은 복잡한 측정과 단계별 재구성의 필요성을 줄여 더욱 효율적인 판독 및 디코딩을 지원합니다. 이는 고용량, 고처리량 홀로그램 데이터 저장을 위한 실용적인 길을 열어줄 수 있습니다."

실제 적용을 위한 다음 단계

연구진은 해당 시스템이 아직 연구 단계에 있으며 상용화 전에 추가 개발이 필요하다고 강조합니다. 향후 연구에서는 인코딩에 사용되는 회색조 레벨을 높여 용량을 더욱 확장하고, 기록 재료의 장기적인 안정성, 균일성 및 반복성을 개선하는 데 중점을 둘 것입니다.

또한, 이들은 이 방법을 체적 홀로그래픽 다중화 기술과 통합하여 여러 페이지와 채널의 데이터를 동시에 저장할 수 있도록 할 계획입니다. 광학 하드웨어와 디코딩 알고리즘 간의 통합을 강화하는 것은 실제 환경에서 더 빠르고 안정적인 데이터 검색을 달성하는 데 필수적입니다.

출처: https://www.sciencedaily.com/releases/2026/03/260328212132.htm