18강. 마이크로링 공진기란 무엇인가? 작은 원형 구조가 AI 연산을 할 수 있는 이유
작은 원형 구조가 AI 연산을 할 수 있는 이유
실리콘 포토닉스에서 빛의 파장을 선택하고 정보를 제어하는 핵심 기술
17강에서는 반도체 칩 안에서 빛을 이동시키는 광도파로(Waveguide)에 대해 알아봤습니다.
광도파로는 빛이 이동하는 길을 만들어 줍니다.
하지만 빛을 단순히 이동시키는 것만으로는 복잡한 광통신 시스템이나 광컴퓨팅을 구현하기 어렵습니다.
빛의 특정 파장만 선택하거나, 여러 파장의 신호를 분리하거나, 빛의 세기와 위상을 조절해야 하기 때문입니다.
이때 등장하는 중요한 광소자가 바로 마이크로링 공진기(Microring Resonator, MRR)입니다.
마이크로링 공진기는 이름 그대로 아주 작은 원형의 광도파로 구조입니다.
겉으로 보면 단순한 고리처럼 보이지만, 이 구조에는 빛의 공진(Resonance)이라는 중요한 물리 현상이 발생합니다.
특정 조건을 만족하는 파장의 빛이 링 안을 계속 순환하면서 강하게 반응하기 때문에 원하는 파장의 광신호를 선택적으로 제어할 수 있습니다.
이러한 특성 때문에 마이크로링 공진기는 오늘날 실리콘 포토닉스, WDM 광통신, 광변조기, 광스위치, 광신경망, 포토닉 AI 가속기까지 다양한 분야에서 연구되고 있습니다.
2025년 npj Nanophotonics 리뷰에서는 집적형 광신경망의 주요 플랫폼과 기술 가운데 마이크로링 공진기를 활용한 광신호 처리 기술을 중요한 연구 방향으로 다루고 있습니다.
마이크로링 공진기는 어떻게 생겼을까?
마이크로링 공진기의 기본 구조는 생각보다 간단합니다.
하나의 광도파로가 원형으로 연결되어 있고, 그 옆에 또 하나의 직선 광도파로가 가까이 배치됩니다.
직선 광도파로를 따라 빛이 이동하면 일부 빛이 링 구조로 결합할 수 있습니다.
이를 결합(Coupling)이라고 합니다.
링 안으로 들어간 빛은 원형 경로를 따라 계속 회전합니다.
그런데 모든 파장의 빛이 똑같이 반응하는 것은 아닙니다.
특정 파장에서 링의 둘레를 한 바퀴 도는 동안 빛의 위상이 정확하게 맞아떨어지면 빛이 서로 강화됩니다.
이 조건을 공진 조건(Resonance Condition)이라고 합니다.
쉽게 말하면 마이크로링 공진기는 수많은 파장의 빛 가운데 특정 파장에 반응하는 아주 작은 광학 필터라고 생각할 수 있습니다.
공진이 발생하는 조건
마이크로링에서 공진이 발생하기 위해서는 링을 한 바퀴 돌아온 빛의 위상이 처음 출발했을 때의 위상과 일치해야 합니다.
이를 간단하게 표현하면 다음과 같습니다.
mλ = n_eff L
여기서
m은 정수 형태의 공진 차수,
λ는 빛의 파장,
n_eff는 유효 굴절률,
L은 링의 둘레입니다.
링의 둘레는
L = 2πR
로 표현할 수 있습니다.
따라서 링의 반지름 R이나 굴절률이 변하면 공진하는 파장도 변합니다.
바로 이 특성이 마이크로링 공진기를 매우 유용한 광소자로 만들어 줍니다.
왜 특정 파장의 빛만 선택할 수 있을까?
빛은 하나의 파장만 가지고 있지 않습니다.
광통신에서는 서로 다른 파장의 레이저를 동시에 사용할 수 있습니다.
예를 들어 하나의 광섬유에
λ1
λ2
λ3
λ4
와 같은 여러 파장의 빛을 동시에 넣을 수 있습니다.
이것이 바로 WDM(Wavelength Division Multiplexing)입니다.
여러 개의 파장을 동시에 사용하면 하나의 물리적인 광도파로나 광섬유를 이용하면서도 여러 개의 데이터 채널을 만들 수 있습니다.
그런데 수신 측에서는 각각의 파장을 분리해야 합니다.
여기에서 마이크로링 공진기가 사용될 수 있습니다.
특정 파장에 맞춰진 마이크로링은 원하는 파장만 선택적으로 결합시키고 다른 파장은 통과시키도록 설계할 수 있습니다.
즉,
여러 파장의 빛 입력
↓
마이크로링 공진기
↓
특정 파장 선택
이라는 구조가 만들어집니다.
실제로 실리콘 마이크로링을 이용한 WDM 및 모드분할다중화 연구에서는 마이크로링의 공진 특성을 이용해 서로 다른 광채널을 선택적으로 연결하는 방식이 구현됐습니다.
마이크로링 공진기의 핵심은 Q factor다
마이크로링 공진기를 이해하려면 Q factor(Quality Factor)라는 개념도 알아야 합니다.
Q factor는 공진기가 얼마나 날카로운 공진 특성을 가지고 있는지를 나타내는 대표적인 지표입니다.
쉽게 설명하면 Q factor가 높을수록 특정 파장에서 매우 날카롭게 반응합니다.
반대로 Q factor가 낮으면 공진 특성이 넓게 퍼집니다.
광통신에서 특정 파장을 정확하게 선택해야 한다면 높은 Q factor가 유리할 수 있습니다.
하지만 무조건 높은 Q factor가 좋은 것은 아닙니다.
실제 광변조기나 광신호 처리 시스템에서는 공진 폭, 속도, 손실, 열 안정성, 제조 편차 등을 함께 고려해야 합니다.
따라서 실제 장치에서는 특정 목적에 맞는 Q factor를 선택해야 합니다.
마이크로링 공진기는 어떻게 광변조기가 될까?
마이크로링 공진기의 또 다른 중요한 활용 분야가 광변조(Modulation)입니다.
광통신에서는 레이저에서 만들어진 빛에 데이터를 넣어야 합니다.
전기 신호를 빛의 세기나 위상 등의 변화로 변환하는 장치가 광변조기입니다.
마이크로링에서는 링 주변의 전기적 특성을 변화시켜 굴절률을 조절할 수 있습니다.
굴절률이 변하면 공진 파장도 변합니다.
결과적으로 특정 파장의 빛이 통과하거나 억제되는 정도를 변화시킬 수 있습니다.
이 방식으로 전기 데이터를 광신호에 실을 수 있습니다.
최근 실리콘 마이크로링 변조기는 특히 AI 데이터센터와 광인터커넥트에서 주목받고 있습니다.
2024년 Nature Communications에서는 5 × 200 Gbps 마이크로링 변조기 배열을 이용해 총 1 Tb/s 데이터 속도를 구현한 연구가 발표됐습니다. 연구에서는 마이크로링 변조기의 WDM 특성과 높은 집적도를 활용해 차세대 광인터커넥트에 필요한 고속 데이터 전송 가능성을 보여줬습니다.
마이크로링 공진기와 WDM의 결합
마이크로링 공진기가 중요한 또 하나의 이유는 WDM과 자연스럽게 결합할 수 있기 때문입니다.
하나의 광도파로를 통해 여러 파장의 빛이 이동한다고 생각해 보겠습니다.
각각의 마이크로링을 서로 다른 공진 파장에 맞추면 각각의 링이 서로 다른 광채널에 반응하도록 만들 수 있습니다.
예를 들어
Ring A → λ1
Ring B → λ2
Ring C → λ3
Ring D → λ4
와 같이 구성할 수 있습니다.
이렇게 하면 하나의 광회로 안에서 여러 개의 광채널을 동시에 제어할 수 있습니다.
이러한 구조는 광통신뿐 아니라 광컴퓨팅에서도 매우 중요합니다.
왜냐하면 파장을 여러 개 사용하면 하나의 광도파로를 통해 여러 개의 데이터를 병렬로 처리할 수 있기 때문입니다.
즉,
WDM
마이크로링 공진기
=
파장 기반 병렬 광신호 처리
라는 구조가 만들어집니다.
마이크로링 공진기가 AI와 연결되는 이유
여기서 마이크로링 공진기는 단순한 광통신 부품에서 AI 하드웨어로 역할이 확장됩니다.
AI 연산에서 중요한 작업 중 하나가 행렬곱(Matrix Multiplication)입니다.
인공신경망은 수많은 입력 데이터와 가중치를 곱하고 더하는 과정을 반복합니다.
전자식 AI 가속기에서는 GPU나 NPU의 연산 유닛이 이러한 계산을 수행합니다.
하지만 광컴퓨팅에서는 빛의 특성을 이용해 이러한 연산을 수행하려고 합니다.
마이크로링 공진기는 이 과정에서 광학적 가중치(Optical Weight)를 조절하는 데 활용할 수 있습니다.
마이크로링의 공진 조건을 변화시키면 특정 파장의 빛이 얼마나 통과할 것인지 조절할 수 있습니다.
즉 빛의 세기를 변화시키면서 일종의 가중치 역할을 구현할 수 있습니다.
마이크로링으로 광학적 가중치를 만드는 방법
예를 들어 하나의 입력 신호가 광도파로를 통해 들어온다고 가정해 보겠습니다.
이 신호가 마이크로링 공진기를 지나면 링의 공진 조건에 따라 출력되는 빛의 세기가 달라집니다.
공진을 강하게 만들면 특정 파장의 빛이 더 많이 링으로 빠져나갈 수 있습니다.
반대로 공진 조건에서 벗어나면 대부분의 빛이 원래 광도파로를 따라 이동할 수 있습니다.
따라서 마이크로링의 공진 조건을 조절하면
0.1
0.3
0.5
0.8
1.0
처럼 다양한 수준의 광학적 가중치를 구현할 수 있습니다.
이러한 가중치와 WDM을 결합하면 여러 파장의 광신호를 동시에 처리할 수 있습니다.
이것이 광신경망(Photonic Neural Network)으로 연결되는 핵심 아이디어 중 하나입니다.
실제 연구에서는 마이크로링으로 AI 연산을 수행하고 있다
이론적으로만 가능한 기술은 아닙니다.
2024년 Nature Communications에서는 실리콘 포토닉 마이크로링을 이용한 초고속 reservoir computing engine이 발표됐습니다.
연구에서는 프로그래머블 마이크로링 배열을 사용해 입력 광신호의 진폭과 위상을 조절하고, 광학적으로 가중된 신호를 결합해 머신러닝 연산에 활용했습니다.
연구팀은 이 시스템에서 200 TOPS 이상의 처리 성능을 보고했습니다.
논문의 구조를 보면 마이크로링 공진기의 공진 파장을 입력 파장에 맞추고, 열광학 위상 조절기를 이용해 각각의 링에서 광신호가 출력되는 정도를 조절합니다.
이를 통해 마이크로링이 단순한 광필터가 아니라 프로그래머블 광학 가중치로 활용될 수 있음을 보여줍니다.
마이크로링 하나가 메모리 역할까지 할 수 있을까?
최근 연구에서는 마이크로링을 단순히 광신호를 조절하는 장치가 아니라 정보를 저장하는 소자로 활용하려는 연구도 진행되고 있습니다.
2024년 Nature Communications에서는 memresonator라는 구조가 연구됐습니다.
이 구조는 마이크로링 공진기와 멤리스터를 결합해 비휘발성 광학 위상 조절 기능을 구현합니다.
연구에서는 300 ps의 전압 펄스로 스위칭하면서 0.15 pJ 수준의 스위칭 에너지를 보고했습니다. 또한 12시간의 데이터 유지와 1000회 이상의 스위칭 사이클도 보고했습니다.
이 기술이 중요한 이유는 광컴퓨팅에서 발생하는 또 하나의 문제인 가중치 저장과 조절을 해결할 가능성이 있기 때문입니다.
광신경망에서는 수많은 가중치를 저장하고 지속적으로 조절해야 합니다.
기존 전자식 메모리와 광소자를 별도로 연결하면 데이터 이동 과정에서 에너지와 지연시간이 발생할 수 있습니다.
마이크로링 자체에 가중치를 저장할 수 있다면 이러한 데이터 이동을 줄이는 방향으로 발전할 수 있습니다.
2026년 연구에서는 마이크로링과 아날로그 메모리가 결합되고 있다
이러한 연구 방향은 계속 발전하고 있습니다.
2026년 Nature Communications에서는 dynamic electro-optic analog memory를 이용한 뉴로모픽 포토닉 프로세서가 발표됐습니다.
이 연구에서는 PN 접합 마이크로링 공진기와 커패시터 기반 아날로그 메모리를 결합해 광학 영역에서 가중치를 유지하는 구조를 제안했습니다.
연구진은 WDM 기반 마이크로링 배열을 이용해 광학적 가중치를 구현하고, 이를 MNIST 데이터셋을 이용한 신경망 실험에 적용했습니다.
이러한 연구는 마이크로링 공진기가 단순한 광통신 부품에서 AI 연산용 광학 메모리 및 가중치 소자로 확장될 가능성을 보여줍니다.
마이크로링 공진기의 한계
물론 마이크로링 공진기가 모든 문제를 해결하는 것은 아닙니다.
대표적인 문제가 바로 온도 변화입니다.
실리콘의 굴절률은 온도에 따라 변합니다.
굴절률이 변하면 공진 파장도 이동합니다.
따라서 주변 온도가 조금만 변해도 마이크로링이 원래 설정한 파장에서 벗어날 수 있습니다.
이를 Thermal Drift라고 합니다.
그래서 실제 시스템에서는 히터를 이용해 마이크로링의 공진 파장을 다시 조절하는 방법이 사용됩니다.
하지만 수백 개 또는 수천 개의 마이크로링을 하나의 칩에 집적한다면 각 링을 개별적으로 조절하는 데 상당한 제어 회로와 전력이 필요할 수 있습니다.
또 다른 문제는 제조 공정의 편차입니다.
마이크로링의 반지름이나 광도파로의 폭이 아주 조금만 달라져도 공진 파장이 변할 수 있습니다.
따라서 대규모 마이크로링 배열을 만들기 위해서는 정밀한 제조공정과 자동 보정 기술이 중요합니다.
마이크로링 공진기와 MZI는 무엇이 다를까?
광신경망에서 자주 등장하는 또 하나의 구조가 MZI(Mach-Zehnder Interferometer)입니다.
MZI는 두 개의 광경로에서 발생하는 간섭을 이용합니다.
반면 마이크로링 공진기는 원형 광도파로의 공진 특성을 이용합니다.
두 기술 모두 광신호를 제어할 수 있지만 특성이 다릅니다.
마이크로링은 매우 작은 면적에 구현할 수 있고 WDM과 결합하기 쉽다는 장점이 있습니다.
반면 온도 변화와 제조 편차에 민감할 수 있습니다.
MZI는 상대적으로 큰 면적을 필요로 하지만 광신호의 위상과 간섭을 정밀하게 제어하는 데 유리합니다.
따라서 미래의 광신경망에서는 마이크로링과 MZI가 경쟁 관계이면서 동시에 서로 보완적인 관계가 될 수 있습니다.
마이크로링 공진기는 어디에 사용될까?
현재 연구되고 있는 대표적인 활용 분야는 다음과 같습니다.
광통신
고속 데이터센터와 광인터커넥트에서 WDM 광채널을 제어합니다.
광변조
전기 데이터를 광신호에 실어 빠르게 전송합니다.
광필터
특정 파장의 광신호를 선택하거나 제거합니다.
광스위치
광신호의 경로를 변경합니다.
광신경망
광학적 가중치를 조절하고 병렬 연산을 수행합니다.
뉴로모픽 컴퓨팅
신경세포와 시냅스의 기능을 광학적으로 구현하는 데 활용될 수 있습니다.
광학 메모리
마이크로링의 상태를 데이터 저장과 연산에 활용하려는 연구가 진행되고 있습니다.
마이크로링 공진기에서 광 AI 가속기로
이제 지금까지의 내용을 하나의 기술 흐름으로 연결해 보겠습니다.
나노레이저
↓
빛 생성
↓
광도파로
↓
빛 이동
↓
마이크로링 공진기
↓
파장 선택·광신호 조절
↓
WDM
↓
여러 파장의 병렬 데이터 처리
↓
광신경망
↓
행렬 연산
↓
광 AI 가속기
이 흐름에서 마이크로링 공진기는 단순한 중간 부품이 아닙니다.
빛의 세기와 파장을 제어해 광학적 가중치를 구현하는 핵심 소자가 될 수 있기 때문입니다.
특히 AI가 처리해야 할 데이터가 계속 증가하면서 GPU와 메모리 사이의 데이터 이동과 네트워크 대역폭 문제가 중요해지고 있습니다.
이 때문에 빛을 이용해 데이터를 이동시키고 동시에 일부 연산까지 수행하려는 Photonic AI 연구가 빠르게 확대되고 있습니다.
Nature Reviews Electrical Engineering은 2024년 통합 광 뉴로모픽 컴퓨팅 리뷰에서 광자를 이용한 고속·고밀도 병렬 선형연산이 AI 연산의 새로운 하드웨어 방식으로 연구되고 있다고 설명합니다.
18강 핵심 정리
마이크로링 공진기는 작은 원형 광도파로 구조입니다.
하지만 그 안에서는 빛의 공진이라는 중요한 물리현상이 발생합니다.
핵심 개념을 정리하면 다음과 같습니다.
Microring Resonator
작은 원형 광도파로를 이용해 특정 파장의 빛을 선택적으로 제어하는 광소자입니다.
Resonance
특정 파장에서 빛의 위상이 맞아떨어지면서 광학적 반응이 강해지는 현상입니다.
Q Factor
공진 특성의 날카로운 정도를 나타내는 지표입니다.
WDM
서로 다른 파장의 빛을 동시에 사용해 데이터 전송량을 늘리는 기술입니다.
Optical Weight
마이크로링의 공진 특성을 조절해 광신경망에서 가중치와 유사한 기능을 구현할 수 있습니다.
Photonic Neural Network
빛의 간섭과 파장, 진폭 등을 이용해 신경망 연산을 수행하는 기술입니다.
Photonic AI Accelerator
광학적 병렬성을 활용해 AI 연산을 가속하려는 차세대 AI 반도체 기술입니다.
결국 마이크로링 공진기는
광도파로
→ 마이크로링
→ WDM
→ 광변조
→ 광학적 가중치
→ 광신경망
→ AI 가속기
라는 연결고리의 중심에 있습니다.
다음 19강에서는 마이크로링 공진기와 함께 사용되는 중요한 기술인 WDM(Wavelength Division Multiplexing)을 집중적으로 살펴보겠습니다.
하나의 광섬유와 하나의 광도파로에서 여러 개의 파장을 동시에 사용하면 어떻게 수백 Gbps, Tbps급 데이터 전송이 가능한지 물리적 원리부터 최신 연구까지 살펴보겠습니다.
18강 참고문헌
Farmakidis, N., Dong, B. & Bhaskaran, H.
“Integrated photonic neuromorphic computing: opportunities and challenges.”
Nature Reviews Electrical Engineering 1, 358–373 (2024).
Zhang, H. et al.
“Integrated platforms and techniques for photonic neural networks.”
npj Nanophotonics 2, 40 (2025).
Wang, D. et al.
“Ultrafast silicon photonic reservoir computing engine delivering over 200 TOPS.”
Nature Communications 15, 10841 (2024).
A 5 × 200 Gbps microring modulator silicon chip empowered by two-segment Z-shape junctions.
Nature Communications (2024).
High-speed and energy-efficient non-volatile silicon photonic memory based on heterogeneously integrated memresonator.
Nature Communications (2024).
유트
