HAMON: 장기 시계열 예측을 위한 수동 광학 시퀀스 혼합 기술

핵심 요약

• 무엇을 · HAMON은 시계열 데이터를 예측하기 위해 학습된 디지털 방식 대신 수동적인 회절 광학 코어를 사용하는 새로운 시스템입니다.
• 어떻게 · 과거 데이터는 광학 조리개에 인코딩되고, 미래 예측 지점은 비워둡니다. 학습 가능한 위상 마스크와 자유 공간 회절을 통해 예측값이 직접 출력 필드에서 형성됩니다. 추론 시에는 학습 가능한 디지털 혼합 과정 없이 단 한 번의 수동 광학 전파만으로 예측이 이루어집니다.
• 결과 · HAMON은 ETTm2 데이터셋의 모든 예측 범위에서 가장 강력한 디지털 모델보다 우수하며, ETTh2 데이터셋에서는 가장 긴 예측 범위를 제외한 모든 범위에서 더 나은 성능을 보였습니다. MSE를 최대 14%까지 개선했으며, Weather 데이터셋에서도 경쟁력 있는 성능을 보여주었습니다.

왜 중요한가

기존의 복잡한 디지털 모델(예: 트랜스포머)이 아닌, 단순한 선형 및 주파수 도메인 모델이 장기 시계열 예측에서 여전히 경쟁력이 있다는 점에 주목하여, 예측 연산을 디지털 학습 없이 광학적으로 구현할 수 있는지에 대한 근본적인 질문에 답하려 합니다. 이는 시계열 예측의 새로운 패러다임을 제시할 수 있습니다.

실생활·산업 영향

이 기술은 미래에 전력 소모가 적고 빠른 광학 기반 예측 하드웨어 개발의 기반이 될 수 있습니다. 이는 금융, 기상 예측, 에너지 관리 등 다양한 분야에서 실시간 장기 예측의 효율성을 크게 향상시킬 잠재력이 있습니다.

한계·주의

HAMON은 Traffic 및 Electricity와 같이 채널 수가 많은 데이터셋과 일부 ETT 설정에서는 가장 강력한 기존 모델에 비해 성능이 떨어집니다.