획기적인 홀로그램 시스템은 AI와 다차원 조명을 사용하여 더 적은 공간에 훨씬 더 많은 데이터를 저장합니다.
연구원들은 빛의 세 가지 주요 속성인 진폭, 위상 및 편광을 결합하여 3차원 정보를 캡처하고 검색하는 홀로그램 데이터 저장을 위한 새로운 방법을 만들었습니다. 이러한 속성을 함께 사용함으로써 이 기술은 동일한 물리적 공간 내에 훨씬 더 많은 데이터를 저장할 수 있게 하여 전 세계적으로 빠르게 증가하는 데이터 스토리지 수요에 대한 잠재적인 솔루션을 제공합니다.
하드 드라이브나 광 디스크와 같은 평평한 표면에 데이터를 기록하는 기존 스토리지 기술과 달리 홀로그램 스토리지는 레이저 광을 사용하여 물질의 전체 볼륨에 정보를 삽입합니다. 이러한 체적 접근 방식을 통해 동일한 공간 내에 여러 개의 겹치는 조명 패턴이 존재할 수 있어 저장 밀도가 크게 증가하는 동시에 데이터 전송 속도도 향상됩니다.
"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. “편극 홀로그래피의 원리를 기반으로 우리는 회선 신경망 모델로 알려진 딥 러닝 아키텍처를 사용하여 편극을 독립적인 정보 차원으로 사용할 수 있도록 했습니다.”
이번 연구 결과는 오늘(3월 26일)에 발표되었습니다.광학Optica Publishing Group의 영향력 있는 연구 저널은 이 새로운 기술이 저장되는 정보의 양을 늘리는 동시에 데이터를 더 쉽게 읽을 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."
이 비디오는 연구원들이 회절 강도 이미지에서 직접 3D 정보를 검색할 수 있었던 방법을 보여줍니다. 출처: Xiaodi Tan, 중국 Fujian Normal University
편광을 데이터 채널로 사용
홀로그램 스토리지에서는 정보가 레이저 광 패턴으로 형성된 페이지 모양의 이미지로 기록됩니다. 인코딩은 디지털 데이터를 이러한 광학 페이지로 변환하는 반면, 디코딩은 저장된 패턴을 다시 사용 가능한 정보로 변환합니다.
빛은 더 많은 데이터를 인코딩하는 데 사용할 수 있는 여러 속성을 제공하지만 이를 효과적으로 결합하는 것은 주요 기술적 과제였습니다. 이를 극복하기 위해 연구진은 홀로그램을 재구성할 때 빛의 편광 상태를 보존하는 텐서 기반 편광 홀로그래피(Tensor-based Polarization Holography)라는 방법을 개선했다. 이는 양극화를 추가 정보를 전달하는 안정적이고 신뢰할 수 있는 방법으로 만듭니다.
이러한 기반을 바탕으로 팀은 3D 변조 인코딩 전략을 개발했습니다. 두 개의 수직 편광 상태의 강도와 위상을 신중하게 제어하고 이중 위상 홀로그램 기술을 적용함으로써 단일 위상 전용 공간 광 변조기가 광학장 내에서 진폭, 위상 및 편광을 동시에 인코딩할 수 있게 되었습니다.
3D 조명 데이터의 AI 기반 디코딩
표준 센서는 빛의 강도(진폭)만 감지할 수 있고 위상이나 편광을 직접 측정할 수 없기 때문에 이러한 다차원 데이터를 검색하는 것은 어려운 일입니다. 이러한 한계를 해결하기 위해 연구원들은 강도 기반 측정에서 3차원 정보를 모두 재구성할 수 있는 컨볼루션 신경망과 텐서 편파 홀로그래피를 결합했습니다.
신경망은 두 가지 유형의 회절 이미지를 사용하여 훈련됩니다. 하나는 수직 편광판을 통해 캡처되고 다른 하나는 수직 편광판 없이 촬영됩니다. 이러한 보완 이미지를 분석함으로써 시스템은 진폭, 위상 및 편광과 관련된 패턴을 식별하는 방법을 학습하여 세 가지 모두를 동시에 디코딩할 수 있습니다. 이 접근 방식은 저장 용량을 늘리는 동시에 데이터 전송 속도도 향상시킵니다.
대용량, 고속 스토리지를 향하여
개념을 확인한 후, 연구진은 편광에 민감한 물질 내에서 인코딩된 광학장을 기록하고 재구성하기 위한 소형 실험 장치를 구축했습니다. 테스트하는 동안 진폭, 위상 및 편광과 연결된 시그니처를 추출하기 위해 강도 이미지를 검사했습니다. 그런 다음 이러한 기능을 신경망에 입력하여 강도 측정만 사용하여 완전한 3D 데이터 재구성을 가능하게 했습니다.
Tan은 “전반적으로 우리의 결과는 다차원 조인트 인코딩이 단일 홀로그램 데이터 페이지에 전달되는 정보를 크게 증가시켜 저장 용량을 향상시키는 것으로 나타났습니다.”라고 말했습니다. "또한 신경망 동기 디코딩은 복잡한 측정 및 단계별 재구성의 필요성을 줄여 보다 효율적인 판독 및 디코딩을 지원합니다. 이를 통해 대용량, 높은 처리량의 홀로그램 데이터 저장을 향한 실용적인 경로가 가능해질 수 있습니다."
실제 응용을 향한 다음 단계
연구원들은 이 기술이 아직 실험 단계에 있으며 널리 사용되기 위해서는 추가적인 개선이 필요하다고 강조합니다. 향후 작업은 인코딩 프로세스에서 회색 레벨 수를 늘려 용량을 더욱 확장하고 저장 재료의 내구성, 일관성 및 신뢰성을 향상시키는 데 중점을 둘 것입니다.
그들은 또한 이 접근 방식을 체적 홀로그램 다중화 기술과 통합하여 여러 페이지와 데이터 채널을 동시에 저장할 계획입니다. 광학 하드웨어와 AI 기반 디코딩 시스템 간의 통합을 강화하는 것이 실제 조건에서 더 빠르고 안정적인 데이터 검색을 달성하는 데 핵심이 될 것입니다.
참조: R. Chen, J. Wang, H. Wu, M. Song, Y. Yang, D. Lin, X. Tan의 "홀로그램 데이터 저장에서 다차원 광장 변조의 인코딩 및 디코딩", 2026년 3월 26일,광학.
DOI: 10.1364/OPTICA.586593
획기적인 발전을 놓치지 마세요:
우리를 팔로우하세요그리고구글 뉴스.
획기적인 홀로그램 시스템은 AI와 다차원 조명을 사용하여 더 적은 공간에 훨씬 더 많은 데이터를 저장합니다.
연구원들은 빛의 세 가지 주요 속성인 진폭, 위상 및 편광을 결합하여 3차원 정보를 캡처하고 검색하는 홀로그램 데이터 저장을 위한 새로운 방법을 만들었습니다. 이러한 속성을 함께 사용함으로써 이 기술은 동일한 물리적 공간 내에 훨씬 더 많은 데이터를 저장할 수 있게 하여 전 세계적으로 빠르게 증가하는 데이터 스토리지 수요에 대한 잠재적인 솔루션을 제공합니다.
하드 드라이브나 광 디스크와 같은 평평한 표면에 데이터를 기록하는 기존 스토리지 기술과 달리 홀로그램 스토리지는 레이저 광을 사용하여 물질의 전체 볼륨에 정보를 삽입합니다. 이러한 체적 접근 방식을 통해 동일한 공간 내에 여러 개의 겹치는 조명 패턴이 존재할 수 있어 저장 밀도가 크게 증가하는 동시에 데이터 전송 속도도 향상됩니다.
"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. “편극 홀로그래피의 원리를 기반으로 우리는 회선 신경망 모델로 알려진 딥 러닝 아키텍처를 사용하여 편극을 독립적인 정보 차원으로 사용할 수 있도록 했습니다.”
이번 연구 결과는 오늘(3월 26일)에 발표되었습니다.광학Optica Publishing Group의 영향력 있는 연구 저널은 이 새로운 기술이 저장되는 정보의 양을 늘리는 동시에 데이터를 더 쉽게 읽을 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."
이 비디오는 연구원들이 회절 강도 이미지에서 직접 3D 정보를 검색할 수 있었던 방법을 보여줍니다. 출처: Xiaodi Tan, 중국 Fujian Normal University
편광을 데이터 채널로 사용
홀로그램 스토리지에서는 정보가 레이저 광 패턴으로 형성된 페이지 모양의 이미지로 기록됩니다. 인코딩은 디지털 데이터를 이러한 광학 페이지로 변환하는 반면, 디코딩은 저장된 패턴을 다시 사용 가능한 정보로 변환합니다.
빛은 더 많은 데이터를 인코딩하는 데 사용할 수 있는 여러 속성을 제공하지만 이를 효과적으로 결합하는 것은 주요 기술적 과제였습니다. 이를 극복하기 위해 연구진은 홀로그램을 재구성할 때 빛의 편광 상태를 보존하는 텐서 기반 편광 홀로그래피(Tensor-based Polarization Holography)라는 방법을 개선했다. 이는 양극화를 추가 정보를 전달하는 안정적이고 신뢰할 수 있는 방법으로 만듭니다.
이러한 기반을 바탕으로 팀은 3D 변조 인코딩 전략을 개발했습니다. 두 개의 수직 편광 상태의 강도와 위상을 신중하게 제어하고 이중 위상 홀로그램 기술을 적용함으로써 단일 위상 전용 공간 광 변조기가 광학장 내에서 진폭, 위상 및 편광을 동시에 인코딩할 수 있게 되었습니다.
3D 조명 데이터의 AI 기반 디코딩
표준 센서는 빛의 강도(진폭)만 감지할 수 있고 위상이나 편광을 직접 측정할 수 없기 때문에 이러한 다차원 데이터를 검색하는 것은 어려운 일입니다. 이러한 한계를 해결하기 위해 연구원들은 강도 기반 측정에서 3차원 정보를 모두 재구성할 수 있는 컨볼루션 신경망과 텐서 편파 홀로그래피를 결합했습니다.
신경망은 두 가지 유형의 회절 이미지를 사용하여 훈련됩니다. 하나는 수직 편광판을 통해 캡처되고 다른 하나는 수직 편광판 없이 촬영됩니다. 이러한 보완 이미지를 분석함으로써 시스템은 진폭, 위상 및 편광과 관련된 패턴을 식별하는 방법을 학습하여 세 가지 모두를 동시에 디코딩할 수 있습니다. 이 접근 방식은 저장 용량을 늘리는 동시에 데이터 전송 속도도 향상시킵니다.
대용량, 고속 스토리지를 향하여
개념을 확인한 후, 연구진은 편광에 민감한 물질 내에서 인코딩된 광학장을 기록하고 재구성하기 위한 소형 실험 장치를 구축했습니다. 테스트하는 동안 진폭, 위상 및 편광과 연결된 시그니처를 추출하기 위해 강도 이미지를 검사했습니다. 그런 다음 이러한 기능을 신경망에 입력하여 강도 측정만 사용하여 완전한 3D 데이터 재구성을 가능하게 했습니다.
Tan은 “전반적으로 우리의 결과는 다차원 조인트 인코딩이 단일 홀로그램 데이터 페이지에 전달되는 정보를 크게 증가시켜 저장 용량을 향상시키는 것으로 나타났습니다.”라고 말했습니다. "또한 신경망 동기 디코딩은 복잡한 측정 및 단계별 재구성의 필요성을 줄여 보다 효율적인 판독 및 디코딩을 지원합니다. 이를 통해 대용량, 높은 처리량의 홀로그램 데이터 저장을 향한 실용적인 경로가 가능해질 수 있습니다."
실제 응용을 향한 다음 단계
연구원들은 이 기술이 아직 실험 단계에 있으며 널리 사용되기 위해서는 추가적인 개선이 필요하다고 강조합니다. 향후 작업은 인코딩 프로세스에서 회색 레벨 수를 늘려 용량을 더욱 확장하고 저장 재료의 내구성, 일관성 및 신뢰성을 향상시키는 데 중점을 둘 것입니다.
그들은 또한 이 접근 방식을 체적 홀로그램 다중화 기술과 통합하여 여러 페이지와 데이터 채널을 동시에 저장할 계획입니다. 광학 하드웨어와 AI 기반 디코딩 시스템 간의 통합을 강화하는 것이 실제 조건에서 더 빠르고 안정적인 데이터 검색을 달성하는 데 핵심이 될 것입니다.
참조: R. Chen, J. Wang, H. Wu, M. Song, Y. Yang, D. Lin, X. Tan의 "홀로그램 데이터 저장에서 다차원 광장 변조의 인코딩 및 디코딩", 2026년 3월 26일,광학.
DOI: 10.1364/OPTICA.586593
획기적인 발전을 놓치지 마세요:
우리를 팔로우하세요그리고구글 뉴스.
