19강. WDM이란 무엇인가? 하나의 광섬유로 수십 개의 데이터를 보내는 방법
하나의 광섬유로 수십 개의 데이터를 보내는 방법
파장분할다중화의 원리부터 3.2Tbps급 실리콘 포토닉스까지
17강에서는 광도파로가 칩 안에서 빛을 이동시키는 방법을 살펴봤고, 18강에서는 마이크로링 공진기를 이용해 특정 파장의 빛을 선택하고 제어하는 원리를 알아봤습니다.
그렇다면 여기서 한 단계 더 나아가 보겠습니다.
하나의 광도파로에 빛을 하나만 보내는 것이 아니라 서로 다른 파장의 빛을 여러 개 동시에 보내면 어떻게 될까요?
예를 들어 1310nm, 1311nm, 1312nm와 같이 서로 다른 파장을 각각 다른 데이터에 할당하면 하나의 광섬유 또는 광도파로를 통해 여러 데이터 채널을 동시에 전송할 수 있습니다.
이 기술이 바로 WDM(Wavelength Division Multiplexing), 파장분할다중화입니다.
WDM은 단순히 데이터를 여러 개 보내는 기술이 아닙니다. 제한된 물리적 공간에서 빛의 파장이라는 새로운 차원을 활용해 통신 용량을 크게 늘리는 기술입니다.
특히 생성형 AI와 대규모 GPU 클러스터가 확산되면서 데이터센터 내부에서 처리해야 하는 데이터 양이 폭발적으로 증가하고 있습니다.
이 때문에 실리콘 포토닉스와 WDM은 차세대 AI 데이터센터의 핵심 광인터커넥트 기술 가운데 하나로 연구되고 있습니다. 2024년 npj Nanophotonics 리뷰에서도 생성형 AI로 인한 데이터센터 트래픽 증가에 대응하기 위해 1.6Tbps를 넘어서는 다중 채널 광트랜시버가 필요할 것으로 설명합니다.
WDM은 왜 필요한가?
기존의 전기식 통신에서는 하나의 전송선로를 통해 데이터를 전달할 때 물리적인 대역폭의 한계가 존재합니다.
물론 전기 신호의 속도를 높이고 더 높은 주파수를 사용하면 데이터 전송량을 증가시킬 수 있습니다.
하지만 AI 데이터센터에서는 문제가 더욱 복잡합니다.
GPU가 수천 개 연결되고 GPU와 메모리, GPU와 GPU, 서버와 서버 사이에서 엄청난 양의 데이터가 이동하기 때문입니다.
이때 단순히 전기 배선의 속도를 높이는 방법만으로는 전력 소비와 신호 손실, 배선 밀도 등의 문제를 해결하기 어려워집니다.
빛은 이 문제에 새로운 방법을 제공합니다.
빛은 서로 다른 파장을 이용할 수 있기 때문입니다.
예를 들어 하나의 광도파로에서 다음과 같이 여러 파장을 동시에 사용할 수 있습니다.
λ1 → 데이터 채널 1
λ2 → 데이터 채널 2
λ3 → 데이터 채널 3
λ4 → 데이터 채널 4
각각의 파장에 서로 다른 데이터를 실으면 물리적으로는 하나의 광도파로를 사용하면서 여러 개의 데이터 채널을 동시에 운반할 수 있습니다.
이것이 WDM의 핵심입니다.
WDM의 기본 원리
WDM 시스템은 크게 두 가지 과정을 필요로 합니다.
하나는 여러 파장의 빛을 하나로 합치는 Multiplexing이고, 다른 하나는 합쳐진 빛을 다시 각각의 파장으로 나누는 Demultiplexing입니다.
구조를 단순하게 표현하면 다음과 같습니다.
레이저 1 → λ1
레이저 2 → λ2
레이저 3 → λ3
레이저 4 → λ4
↓
Multiplexer
↓
하나의 광도파로
↓
전송
↓
Demultiplexer
↓
λ1 / λ2 / λ3 / λ4
↓
각각의 수신기
즉 여러 개의 광원을 하나의 광경로로 합쳤다가 다시 분리하는 것입니다.
이 과정에서 중요한 것은 각 파장이 서로 간섭해 데이터가 섞이지 않도록 정확하게 분리하는 것입니다.
그래서 WDM 시스템에서는 파장 간격, 필터 특성, 삽입 손실, 누화(Crosstalk), 온도 안정성 등이 매우 중요합니다.
CWDM과 DWDM은 무엇이 다른가?
WDM에도 여러 종류가 있습니다.
대표적으로 CWDM(Coarse Wavelength Division Multiplexing)과 DWDM(Dense Wavelength Division Multiplexing)이 있습니다.
CWDM은 상대적으로 파장 간격을 넓게 사용합니다.
파장 간격이 넓기 때문에 제조 오차나 온도 변화에 상대적으로 여유가 있으며 시스템을 단순하게 구성할 수 있습니다.
반면 DWDM은 훨씬 촘촘한 파장 간격을 사용합니다.
따라서 같은 광섬유에서 훨씬 많은 채널을 구성할 수 있습니다.
하지만 파장 간격이 좁아질수록 문제가 발생합니다.
각 채널의 중심 파장을 정확하게 유지해야 하고 인접한 채널 사이의 Crosstalk을 낮춰야 합니다.
또한 온도 변화에 의해 광소자의 공진 파장이 이동하면 인접 채널에 영향을 줄 수 있습니다.
따라서 고밀도 WDM에서는 정밀한 광소자 설계와 온도 제어가 매우 중요합니다.
실리콘 포토닉스에서는 높은 굴절률 대비를 이용해 작은 면적에 WDM 소자를 집적할 수 있다는 장점이 있습니다. Nature Index의 관련 기술 정리에서도 AWG, MZI, 마이크로링 공진기 등이 실리콘 포토닉스에서 파장별 채널을 결합·분리하는 주요 구조로 소개됩니다.
마이크로링 공진기는 WDM에서 어떤 역할을 할까?
18강에서 살펴본 마이크로링 공진기가 여기서 다시 등장합니다.
마이크로링 공진기는 특정 파장에서 공진하는 특성을 가지고 있습니다.
따라서 서로 다른 공진 조건을 가진 마이크로링을 여러 개 배치하면 각각 다른 파장의 광신호를 선택할 수 있습니다.
예를 들어
Ring 1 → 1550nm
Ring 2 → 1550.8nm
Ring 3 → 1551.6nm
Ring 4 → 1552.4nm
와 같은 방식으로 설계할 수 있습니다.
그러면 하나의 광도파로를 지나가는 여러 파장의 빛 중에서 특정 파장만 선택적으로 추출하거나 다른 경로로 보낼 수 있습니다.
이러한 구조는 WDM 필터, Add-Drop Multiplexer, 광변조기, 광스위치 등에 활용될 수 있습니다.
실제로 실리콘 마이크로링 변조기 연구에서는 WDM을 이용한 고속 광통신을 구현하고 있으며, 2024년 Nature Communications 연구에서는 5개의 200Gbps 채널을 이용해 총 1Tbps 데이터 전송을 실험했습니다.
WDM에서 파장 간격이 중요한 이유
WDM을 이해하기 위해서는 Channel Spacing, 즉 채널 간격을 이해해야 합니다.
각 파장이 너무 가까우면 서로의 신호에 영향을 줄 가능성이 커집니다.
반대로 파장 간격을 너무 넓게 잡으면 사용할 수 있는 채널의 수가 줄어듭니다.
따라서 WDM 시스템에서는
채널 수
채널 간격
광대역폭
누화
삽입 손실
사이에 균형을 맞춰야 합니다.
예를 들어 하나의 광도파로에서 8개의 파장을 사용한다면 각각의 파장이 충분히 분리되어 있어야 합니다.
하지만 80개, 100개 이상의 파장을 사용하려면 훨씬 더 정밀한 파장 제어가 필요합니다.
이것이 DWDM 기술이 어려운 이유입니다.
WDM의 핵심 문제, Crosstalk
WDM에서 중요한 문제 가운데 하나가 Crosstalk, 즉 채널 간 누화입니다.
이상적인 시스템에서는 λ1은 채널 1의 데이터만 전달하고 λ2는 채널 2의 데이터만 전달해야 합니다.
하지만 실제 시스템에서는 완벽하게 분리되지 않을 수 있습니다.
λ1의 일부 신호가 λ2 채널에 섞이면 수신기에서 원래 데이터를 정확하게 복원하기 어려워집니다.
이러한 문제는 채널 간격이 좁아질수록 더욱 중요해집니다.
따라서 WDM 소자는 매우 높은 파장 선택성을 가져야 합니다.
마이크로링 공진기나 AWG(Arrayed Waveguide Grating), MZI 기반 필터 등이 이러한 파장 분리 기능을 수행합니다.
실리콘 포토닉스에서는 WDM을 어떻게 구현할까?
실리콘 포토닉스의 가장 큰 장점 가운데 하나는 CMOS 반도체 제조공정과의 높은 호환성입니다.
따라서 광도파로뿐만 아니라 WDM에 필요한 다양한 광소자를 실리콘 칩 위에 집적할 수 있습니다.
대표적인 구조가 다음과 같습니다.
광도파로
→ 마이크로링 공진기
→ AWG
→ MZI
→ 광변조기
→ 광검출기
이러한 소자들을 하나의 칩 위에 집적하면 기존 광통신 장비보다 훨씬 작은 크기의 광집적회로를 만들 수 있습니다.
2024년 Nature Communications의 실리콘 포토닉스 로드맵에서는 실리콘 포토닉스가 광통신을 넘어 데이터센터와 컴퓨팅 시스템의 광연결 기술로 발전하고 있으며, 집적도와 에너지 효율을 높이는 방향으로 연구가 진행되고 있다고 설명합니다.
WDM은 데이터센터에서 왜 중요할까?
이제 WDM이 AI와 연결되는 이유를 살펴보겠습니다.
AI 데이터센터에서는 GPU 사이에 엄청난 양의 데이터가 이동합니다.
하나의 GPU가 계산을 완료하면 그 결과를 다른 GPU로 전달해야 합니다.
GPU가 수백 개, 수천 개로 늘어나면 데이터 이동량도 함께 증가합니다.
이때 전기식 연결만으로 모든 데이터를 처리하면 배선과 스위치의 전력 소비가 커질 수 있습니다.
반면 광인터커넥트에서는 빛을 이용해 데이터를 이동시킬 수 있습니다.
그리고 WDM을 사용하면 하나의 광도파로에서 여러 파장의 데이터를 동시에 전달할 수 있습니다.
따라서
광인터커넥트
WDM
=높은 데이터 전송 용량
이라는 구조를 만들 수 있습니다.
이 때문에 WDM은 차세대 AI 데이터센터의 광통신 기술에서 중요한 역할을 할 가능성이 높습니다.
2025년 연구에서 3.2Tbps가 구현됐다
WDM 기술이 실제로 어느 수준까지 발전했는지 보여주는 흥미로운 연구가 있습니다.
2025년 Nature Communications에 발표된 연구에서는 AI-accelerated silicon photonic slow-light technology를 이용한 8채널 WDM 실리콘 포토닉 칩을 제작했습니다.
연구진은 각 파장에서 400Gbps의 광전송을 구현하고, 8개의 파장을 결합해 총 3.2Tbps의 데이터 용량을 시연했습니다.
특히 표준적인 PAM-4 신호 형식을 사용했으며, 칩의 변조 영역은 약 4mm × 0.5mm였습니다.
연구에서 보고한 데이터율 밀도는 약 1.6Tbps/mm²였습니다.
이 결과가 중요한 이유는 단순히 숫자가 크기 때문이 아닙니다.
하나의 작은 실리콘 포토닉 칩에서 여러 파장을 동시에 사용하면서 각 파장의 데이터 속도까지 높일 수 있다는 가능성을 보여주기 때문입니다.
AI가 WDM 성능 향상에 사용되기도 한다
이 연구에서 더욱 흥미로운 부분은 AI 자체가 광통신 성능 향상에 사용됐다는 점입니다.
연구진은 초고속 PAM-4 신호를 처리하는 과정에서 ANN 기반 equalizer와 GRU 계열 신경망을 사용했습니다.
광통신에서는 전송 과정에서 신호가 왜곡될 수 있습니다.
특히 데이터 속도가 높아질수록 이러한 왜곡을 보정하는 것이 어려워집니다.
이때 AI 기반 equalizer가 수신 신호를 분석하고 원래 데이터에 가깝게 복원하도록 도울 수 있습니다.
즉 이 연구에서는
AI → 광통신 성능 향상
이라는 역방향의 연결도 나타납니다.
동시에 WDM 광인터커넥트는
광통신 → AI 시스템
의 데이터 이동을 담당할 수 있습니다.
따라서 앞으로는 AI와 실리콘 포토닉스가 서로의 성능을 높이는 방향으로 발전할 가능성이 있습니다.
8채널 WDM이 중요한 이유
8채널이라는 숫자만 보면 많지 않다고 생각할 수도 있습니다.
하지만 중요한 것은 각 채널이 독립적인 데이터 통로가 된다는 것입니다.
8개의 파장을 사용하면 하나의 광도파로에서 동시에 8개의 데이터 스트림을 전달할 수 있습니다.
만약 각 채널이 400Gbps라면
400Gbps × 8 = 3.2Tbps
가 됩니다.
그리고 여기에 더 많은 파장이나 더 높은 채널 속도를 적용하면 전체 데이터 용량은 더욱 증가할 수 있습니다.
이것이 WDM이 갖는 가장 강력한 장점입니다.
광도파로를 무작정 늘리는 것이 아니라 하나의 광경로에서 파장이라는 새로운 차원을 추가해 통신 용량을 증가시키는 것입니다.
WDM의 발전 방향은 다차원 광통신이다
앞으로는 단순히 파장만 늘리는 방향에서 벗어나 여러 가지 물리적 자유도를 동시에 사용하는 기술이 중요해질 수 있습니다.
대표적인 것이
WDM
MDM(Mode Division Multiplexing)
고차 변조
입니다.
WDM은 파장을 이용합니다.
MDM은 하나의 광도파로에서 서로 다른 공간 모드를 이용합니다.
이 두 기술을 결합하면 하나의 광경로에서 더 많은 독립적인 채널을 만들 수 있습니다.
2025년 Nature Communications에서는 파장과 모드 다중화를 결합하고 고차 PAM 변조까지 적용해 5개의 모드와 88개의 파장 채널에서 총 38.2Tbps의 광인터커넥트 용량을 실험적으로 구현한 연구가 발표됐습니다.
이러한 연구는 미래의 광인터커넥트가 단순히 “더 빠른 레이저”만으로 발전하는 것이 아니라 파장·모드·변조방식 등 여러 차원을 동시에 활용하는 방향으로 발전하고 있음을 보여줍니다.
WDM의 한계도 존재한다
WDM이 강력한 기술이라고 해서 모든 문제가 해결되는 것은 아닙니다.
가장 큰 문제 중 하나는 온도 변화입니다.
실리콘의 굴절률은 온도에 따라 변합니다.
마이크로링과 같은 공진형 소자를 WDM에 사용하면 온도가 변하면서 공진 파장이 이동할 수 있습니다.
이렇게 되면 원하는 채널에서 벗어날 수 있습니다.
따라서 온도 보정이나 파장 자동 제어 기술이 필요합니다.
또한 채널 수가 증가하면
Crosstalk
Insertion Loss
Dispersion
Fabrication Tolerance
등의 문제가 더욱 중요해집니다.
2025년 Nature Communications 연구에서도 WDM 시스템에서는 파장에 따른 광섬유 분산이 고속 전송의 중요한 문제이며, 200Gbps 이상의 데이터 속도에서는 분산에 따른 신호 왜곡이 더욱 커질 수 있다고 설명합니다.
WDM과 마이크로링의 결합이 중요한 이유
18강에서 마이크로링 공진기를 설명했고, 19강에서는 WDM을 설명하고 있습니다.
두 기술은 서로 따로 떨어져 있는 것이 아닙니다.
오히려 함께 사용될 때 강력한 시스템을 만들 수 있습니다.
레이저
↓
여러 파장 생성
↓
WDM
↓
여러 파장 결합
↓
광도파로
↓
데이터 이동
↓
마이크로링
↓
특정 파장 선택·조절
↓
광변조기
↓
데이터 처리
↓
광검출기
↓
전기 신호 변환
이러한 구조가 바로 실리콘 포토닉스 기반 광통신 시스템의 중요한 기본 구조입니다.
WDM에서 광컴퓨팅으로
WDM의 의미는 단순히 통신 속도를 높이는 데서 끝나지 않습니다.
여러 파장의 빛을 각각 독립적인 데이터로 사용할 수 있다는 것은 빛의 병렬성을 활용할 수 있다는 의미이기도 합니다.
예를 들어
λ1 → 입력 데이터 A
λ2 → 입력 데이터 B
λ3 → 입력 데이터 C
λ4 → 입력 데이터 D
를 동시에 처리할 수 있습니다.
이러한 파장별 병렬성을 광신경망에 적용하면 각각의 파장이 서로 다른 입력값을 전달하도록 만들 수 있습니다.
마이크로링이나 MZI를 이용해 각 채널의 세기를 조절하면 광학적 가중치를 구현할 수 있습니다.
결국
WDM
→ 파장 병렬화
→ 광학적 가중치
→ 행렬 연산
→ 광신경망
이라는 새로운 연결이 만들어집니다.
따라서 WDM은 단순한 광통신 기술에서 광컴퓨팅 기술로 확장되는 중요한 연결고리라고 볼 수 있습니다.
19강 핵심 정리
WDM은 서로 다른 파장의 빛에 각각 데이터를 실어 하나의 광섬유 또는 광도파로를 통해 동시에 전달하는 기술입니다.
핵심 개념은 다음과 같습니다.
WDM
서로 다른 파장을 이용해 여러 데이터 채널을 동시에 전송합니다.
CWDM
파장 간격을 비교적 넓게 사용하는 방식입니다.
DWDM
더 촘촘한 파장 간격을 사용해 높은 채널 밀도를 구현합니다.
Multiplexer
여러 파장의 광신호를 하나의 광경로로 합칩니다.
Demultiplexer
합쳐진 광신호를 다시 각각의 파장으로 분리합니다.
Crosstalk
서로 다른 채널의 신호가 섞이는 현상입니다.
Channel Spacing
WDM에서 각각의 파장 사이의 간격입니다.
WDM + Silicon Photonics
반도체 공정으로 작은 광회로 안에 여러 파장의 데이터를 처리할 수 있도록 합니다.
WDM + AI
AI 데이터센터의 대규모 데이터 이동과 광컴퓨팅의 병렬 연산을 위한 중요한 기반 기술이 될 수 있습니다.
최근 연구에서는 8채널 WDM을 이용해 총 3.2Tbps, 파장당 400Gbps의 실리콘 포토닉 데이터 전송이 시연됐고, 다른 연구에서는 WDM과 모드 다중화를 결합해 38.2Tbps급 광인터커넥트가 실험적으로 구현됐습니다.
결국 기술의 흐름은 다음과 같이 연결됩니다.
나노레이저
↓
실리콘 포토닉스
↓
광도파로
↓
마이크로링 공진기
↓
WDM
↓
광인터커넥트
↓
광컴퓨팅
↓
AI 반도체
다음 20강에서는 이 기술이 실제 AI 산업에서 왜 중요한지 살펴보겠습니다.
주제는 **「AI 데이터센터의 병목은 GPU일까? 광인터커넥트가 필요한 이유」**입니다.
GPU의 연산 성능이 아무리 빨라져도 GPU와 GPU, GPU와 메모리 사이에서 데이터를 충분히 빠르게 이동시키지 못하면 전체 시스템 성능이 제한될 수 있습니다.
20강에서는 바로 이 AI 데이터 이동의 병목과 광인터커넥트, CPO(Co-Packaged Optics)를 중심으로 살펴보겠습니다.
19강 참고문헌
Zhou, X. et al.
“Silicon photonics for high-speed communications and photonic signal processing.”
npj Nanophotonics (2024).
Nature 논문 원문
A 5 × 200 Gbps microring modulator silicon chip empowered by two-segment Z-shape junctions.
Nature Communications (2024).
Nature Communications 원문
Exploring 400 Gbps/λ and beyond with AI-accelerated silicon photonic slow-light technology.
Nature Communications (2025).
Nature Communications 원문
Edge-guided inverse design of digital metamaterial-based mode multiplexers for high-capacity multi-dimensional optical interconnect.
Nature Communications (2025).
Nature Communications 원문
Integrated multi-port multi-wavelength coherent optical source for beyond Tb/s optical links.
Nature Communications (2025).
Nature Communications 원문
유트
