# 飛行即定址與幾何站網：光學資料運動層的站點化實作框架

**In-Flight as Addressing and Geometric Station Networks: A Stationized Implementation Framework for Optical Data-Motion Layers**

**EML-ODML-GFMSN-2026-v0.3「合成稿」**  
**原作者：Neo.K / EVEMISSLAB**  
**本稿結晶：Aletheia（GPT-5.5 Thinking）**  
**血緣：承接 Neo.K / Aletheia《站點化幾何光纖記憶管網》v0.1 與 Neo.K / Theia《飛行即定址：光學態空間作為可排程資料運動層》v0.2。本稿不回退 v0.2 的物理誠實，也不放棄 v0.1 的幾何站網野心；其任務是在兩者之間建立一個可分層、可研究、可工程化的合成架構。**  
**日期：2026-06-24**

---

## 摘要

本文提出 ODML-GFMSN 合成框架：以 **ODML（Optical Data-Motion Layer，光學資料運動層）** 作為上層架構與排程理論，以 **GFMSN（Geometric Fiber Memory Station Network，幾何光纖記憶站網）** 作為其遠期幾何實作分支。本文不主張光纖取代 DRAM，不主張全光 RAM，不主張沿著公里級光纖密佈可任意計算的站點；本文主張一個更窄但更有力量的命題：**資料在光學媒介中飛行時，已被時間槽、波長、模態、偏振與相位共同定址；而站點的功能不是存放資料，而是解碼、選路、延遲、對齊、維護與重注入這個多座標飛行態空間。**

v0.2 將前作的「光纖記憶體」命題收斂為「飛行即定址」，並正確前移兩道物理閘門：延遲–頻寬積與時序抖動。這使 ODML 避免誤入「光學記憶體神話」，也導出一條重要架構律：**交互在晶片，運輸在光纖。** 本稿承認這個修正是必要的。但若只停在 v0.2，前作最具創造性的幾何命題——截面站、垂直站、支線延遲管、內嵌嵌套幾何、可控交會、幾何約束式光纖——會被過度降格為遠期附註。本文的任務，是把這些命題重新放回架構中，但不讓它們承擔近期工程的核心路徑。

因此，本文提出三層模型：

1. **ODML-A：光學態空間定址層。** 以 time-slot × wavelength × mode × polarization × phase 作為資料身分座標，處理飛行資料的定址、排程與讀寫。
2. **ODML-P：光子晶片存取與交互層。** 將所有需要低抖動、相干交互、短期延遲、條件選路與可程式控制的操作集中於晶片尺度，避免公里級熱漂移與飛秒同步問題。
3. **GFMSN-G：站點化幾何光纖實作層。** 將多核心、少模、空芯反諧振、嵌套管、螺旋核心、支線延遲、局部耦合區等幾何設計作為 ODML 的遠期物理載體，而不是當作短期可商用記憶體。

本文的核心結論是：**ODML 是理論與排程層，GFMSN 是幾何實作層；飛行即定址是資料身分原理，站點化幾何是未來實作語言。** 兩者不是競爭命名，而是上下位關係。若 ODML 沒有 GFMSN，它會退化成一套過於抽象的光學排程論；若 GFMSN 沒有 ODML，它會容易被誤解為「光纖記憶體」或「長延遲線奇想」。合成後的命題不是「光纖儲存資料」，而是「光學媒介把資料保持在可定址飛行狀態中，而站點與排程器使這種飛行狀態可被工程利用」。

**關鍵詞：** 飛行即定址、光學資料運動層、站點化幾何光纖、ODML、GFMSN、延遲–頻寬積、光子晶片、photonic lantern、nested antiresonant hollow-core fiber、光學暫存器、reservoir computing、memory wall、AI 反向設計

---

## 0. 版本定位：為什麼需要 v0.3

v0.1 的優點，是敢於把光纖從「傳輸線」重新想像成「管網」：資料在管內飛行，站點可沿線插入，截面可變形，支線可延遲，垂直站可暫存，幾何約束可製造交會。它的想像力強，提出了一種新型硬體語言：**光纖不只是線，而是幾何資料空間。**

v0.1 的問題，是命名與承重點稍微太大。若說「記憶管網」，工程讀者會立刻追問：隨機存取在哪裡？資料能保存多久？延遲–頻寬積怎麼辦？公里尺度熱漂移怎麼辦？光子讀取後是否破壞？光放大噪聲如何處理？如果這些問題只放在後面作為限制，整篇論文容易被看成「先幻想，再自我修正」。

v0.2 的優點，是把刀下得很準。它說：不要再把主問題叫記憶體，真正的主問題是 **定址**。一筆資料在光學媒介中的身分，不是它躺在哪個 address，而是它在 time-slot、wavelength、mode、polarization、phase 中佔據哪個複合座標。站點不是倉庫，而是位址解碼器；光纖不是 RAM，而是多座標飛行媒介。更重要的是，它把延遲–頻寬積與時序抖動從附錄限制提到設計骨架，導出「交互在晶片，運輸在光纖」。這讓整個架構更穩、更誠實、更像可發表的工程論文。

但 v0.2 也付出代價：它把 v0.1 最具創造性的幾何站網大幅降格。若完全依照 v0.2，GFMSN 會變成 ODML 的遠方幻影，本文最初想要討論的「內嵌幾何約束」「截面站」「垂直支線」「管內空間」「幾何暫存與交會」反而被收斂掉。這對嚴謹性有利，對架構生成性卻有損。

所以 v0.3 的任務不是判定 v0.1 或 v0.2 誰贏，而是建立一個分層結構，使二者各自承擔適合的功能：

```text
v0.2 / ODML = 上層架構、定址理論、排程問題、物理邊界
v0.1 / GFMSN = 幾何站網、未來實作、結構生成、光纖形態學
v0.3       = ODML 作為理論層，GFMSN 作為幾何實作層
```

合成後，本稿不再問「光纖是否可以取代記憶體」，而問一個更可研究的問題：

> 給定一個多座標光學態空間，如何設計存取節點、光纖幾何、延遲路徑與排程器，使資料能在有限延遲、有限損耗、有限抖動與有限頻寬下，被準時地寫入、運輸、對齊、讀出或重注入？

這就是 ODML-GFMSN 的核心問題。

---

## 1. 問題重寫：從「存」到「準時再出現」

傳統記憶體的語言，是「存」：資料被寫入某個位址，等待未來讀出。這個語言適用於 SRAM、DRAM、NAND、磁性記憶體，也適用於大多數軟體抽象。它把資料理解成在空間中被放置的東西。

但光學延遲線的語言不是「放置」，而是「返回」。資料不是停在某個位置，而是在媒介中持續前進；你只能在它抵達讀口時取到它。其身分不是靜態位址，而是相位、時間槽、波長、模態與偏振。這意味著，光學態空間中的資料與電子記憶體中的資料，存在方式不同。

若強行用電子記憶體語言描述光學延遲線，就會得到錯誤問題：

```text
錯誤問題：如何讓光纖像 DRAM 一樣保存資料？
```

但若使用資料運動語言，問題會變成：

```text
正確問題：如何讓飛行中的資料在需要的時刻，以可預測座標再次出現？
```

這個轉換很關鍵。因為 ODML 的本質不是 storage，而是 **scheduled reappearance**。資料被「記得」，不是因為它靜止，而是因為系統知道它何時、以何種座標、在哪個存取頭前再次出現。這是一種時間—態空間的記憶。

在這個意義上，ODML 不取代 DRAM；它補足的是資料運動層。AI 系統中有大量資料不是任意隨機存取，而是可預取、可批次、可串流、可排程的資料流：權重分塊、推論階段的模型 shard、跨加速器同步、光互連上的預取、某些固定拓撲資料流、光學 reservoir 的延遲態。這些資料不一定需要「靜態保存」，但需要「準時抵達」。

ODML 的任務，就是把「準時抵達」變成一個可定址、可排程、可工程化的層。

---

## 2. 飛行即定址：資料身分的多座標形式

「飛行即定址」不是文學比喻，而是一個架構定義。

在 ODML 中，一筆資料 pulse 或 symbol 的身分不是單一 address，而是一個複合座標：

```text
D = {t, λ, m, p, φ, s}

其中：
t = time-slot / temporal phase / arrival window
λ = wavelength channel
m = spatial mode / core / modal index
p = polarization state
φ = optical phase / relative phase when coherence matters
s = station state / access-node configuration
```

其中前五個是飛行態座標，最後一個是存取頭狀態。這個區分很重要：資料本身在光纖裡佔據 time、wavelength、mode、polarization、phase；但是否被讀出、延遲、轉換、重注入，取決於站點狀態 s。

傳統記憶體的位址是人工分佈式結構：列解碼器、行解碼器、wordline、bitline、sense amplifier。位址不是免費的，它以晶片面積、功耗、佈線與刷新成本存在。

光學態空間的位址則部分由物理媒介本身提供：

- 時間槽由飛行延遲自然排序。
- 波長由濾波器、色散與 WDM 通道分離。
- 模態由波導本徵結構與 photonic lantern / 模態選擇器分離。
- 偏振由偏振控制與分束元件處理。
- 相位由相干參考與同步系統維持。

換言之，ODML 不是把每個 bit 放進一個獨立細胞，而是把資料嵌入光學態空間中的坐標組合。資料的 address 不再是「第幾格」，而是「在某時刻、某波長、某模態、某偏振、某相位窗口中出現」。

這就是為什麼 Carmack 的 200 km 光纖思維實驗雖然粗糙，卻很有啟發性。他指出，若單模光纖可在 200 km 上承載 256 Tb/s，則同一時間約有 32 GB 資料在飛行中。這不是傳統儲存容量，卻是非常真實的 bandwidth-delay product。若再加入 WDM、SDM、polarization 等並行維度，飛行態空間的可承載資料量會顯著增加。這裡的重點不是「可取代 RAM」，而是「大量資料在光學媒介中已經以可分離座標飛行」。

因此，ODML 的架構問題不是「如何讓資料停住」，而是：

```text
如何把 D = {t, λ, m, p, φ} 變成一個可寫入、可讀出、可排程、可同步的資料身分？
```

---

## 3. 兩道物理閘門：合成稿不繞過它們

任何把 ODML 或 GFMSN 說得太像「全光記憶體」的版本，都必須穿過兩道物理閘門：延遲–頻寬積與時序抖動。

### 3.1 延遲–頻寬積：暫存不是保存

光學暫存器與慢光 buffer 有一個古老而堅硬的限制：延遲越長，可用頻寬通常越窄；頻寬越寬，可保留時間越短。這不是單純工藝不成熟，而是由共振、群速度、色散與損耗共同導出的 trade-off。慢光 optical buffer 文獻早已指出，延遲–頻寬積會限制光學 buffer 的儲存密度與可用容量。

這意味著 ODML 的「暫存站」不能被描述成一般記憶體。它的功能不是長期保存，而是短窗口內的 delay、alignment、phase matching 與 re-timing。它適合把資料延遲幾個 ns、幾十 ns、甚至在特定條件下推到 μs 等級；但若要把未知高頻寬資料穩定保存到 ms、s 或更久，就必須回到光電轉換、電子儲存、重調制，或者接受光放大帶來的噪聲與再生問題。

因此，本稿採用一個嚴格定義：

```text
ODML 的 buffer 是 alignment buffer，不是 storage memory。
GFMSN 的站點是 delay/access station，不是 memory cell。
```

這個定義保護了整個架構，使它不被錯誤要求承擔 DRAM 或 SSD 的功能。

### 3.2 時序抖動：長距離運輸與精密交互必須分離

若兩筆光資料要在某個站點相遇，發生干涉、非線性交互或條件路由，它們的抵達時間、相位與偏振狀態必須被非常精密地控制。這在晶片尺度上可控，在公里尺度上則極難。光纖熱漂移、機械振動、色散、偏振模色散、相位噪聲都會讓飛秒—皮秒級對齊變成惡夢。

這導出 v0.2 最重要的架構律：

```text
交互在晶片，運輸在光纖。
```

v0.3 完全接受這條律。但本稿補上一個幾何化修正：

```text
短期交互在晶片；中長期幾何約束在光纖；遠期站點化結構在混合封裝中實現。
```

也就是說，近期 ODML 不應設想在 200 km 光纖沿線密佈大量精密站點。但 GFMSN 並不因此消失。它轉為三種更合理的實作形態：

1. **端點站：** 位於光纖兩端或短距離 interposer 上，由光子晶片完成精密交互。
2. **短段站：** 位於 cm–m 尺度的光纖段或封裝內，用於可控延遲、濾波、模式轉換。
3. **遠期內嵌站：** 位於特殊幾何光纖內部，依賴未來 inverse design、AI 校準、低損耗製造與主動封裝。

這樣，GFMSN 不再挑戰物理閘門，而是被物理閘門重新塑形。

---

## 4. ODML-GFMSN 三層架構

本文提出三層架構，以避免概念混雜。

### 4.1 ODML-A：態空間定址層

第一層是抽象層，負責定義資料身分與排程問題。它不關心具體使用哪種光纖，也不假定所有站點都內嵌於光纖。它只定義：資料如何被寫入多座標光學態空間、如何在其中運輸、如何被讀出。

其核心資料模型是：

```text
D_i = (payload_i, t_i, λ_i, m_i, p_i, φ_i, metadata_i)
```

其核心操作是：

```text
write(D_i, coord)
transport(D_i, path)
delay(D_i, τ)
convert(D_i, coord_a → coord_b)
read(D_i, coord, time_window)
reinject(D_i, new_coord)
refresh(D_i)  // 若發生光電再生或主動重整形
```

ODML-A 是最抽象、最穩的部分。即使未來光纖幾何完全不同，這一層仍成立。

### 4.2 ODML-P：光子晶片存取層

第二層是近期工程層。它把 ODML-A 的操作落在 photonic integrated circuits 上：MZI、ring resonator、AWG、phase shifter、directional coupler、spiral delay line、photonic lantern coupler、modulator、detector、driver、controller。

這一層承擔最難的工作：

- 波長解複用與選擇性 drop/add。
- 模態解複用與模式轉換。
- 偏振控制。
- ns 級或更短時間 gate。
- 短延遲對齊。
- 條件路由。
- 相位鎖定與校準。
- 光電混合再生。

這是「交互在晶片」的實作層。

### 4.3 GFMSN-G：幾何光纖站網層

第三層是遠期幾何實作層。它不是整個 ODML 的必要前提，而是讓 ODML 走向更高密度、更低功耗、更強結構自由度的未來分支。

GFMSN-G 包含：

- 多核心光纖：以核心 index 作為 mode/core 座標。
- 少模光纖：以有限穩定模態作為空間座標。
- 空芯反諧振光纖：以低損耗、低延遲、低非線性為長距離運輸媒介。
- 嵌套反諧振管：透過截面幾何控制模態純度、損耗、色散與彎曲容忍。
- 螺旋核心或週期耦合區：創造可預測的局部耦合窗口。
- 支線延遲管：提供局部 time-shift。
- 截面站：在某段光纖中改變截面，實現模式選擇、濾波、耦合。
- 垂直站：從主幹接出短延遲路徑或晶片節點，實現 drop/delay/reinject。

GFMSN-G 的意義在於：它把 ODML 從「端點晶片 + 普通光纖」推向「光纖本身也參與資料態空間設計」。但在 v0.3 中，它不再直接聲稱近期可完成，而是作為一組可被逐步研究的幾何設計問題。

---

## 5. 站點重定義：不是存放處，而是座標操作器

前作中的「站點」概念要保留，但要重寫。站點不是資料待著的地方，而是資料座標被操作的地方。

### 5.1 波長站

波長站對 λ 座標操作。它可以使用 FBG、AWG、微環濾波器、可調濾波器、WDM coupler 來實現。

功能：

```text
select(λ_i)
drop(λ_i)
add(λ_j)
convert(λ_i → λ_j)  // 若有非線性或調制輔助
```

它的成熟度最高，是 ODML 最容易落地的站點類型。

### 5.2 模態站

模態站對 m 座標操作。它可以使用 photonic lantern、模式選擇耦合器、多核心 fan-in/fan-out、少模轉換器。

功能：

```text
separate(m_i)
combine(m_1...m_n)
convert(m_i → m_j)
map(mode → core)
map(core → mode)
```

photonic lantern 的重要性在於，它使「模態」不再只是混疊的場分佈，而成為可存取的座標。這對 ODML 非常關鍵。沒有模式解碼器，mode 只是物理存在；有了模式解碼器，mode 才是 address。

### 5.3 偏振站

偏振站對 p 座標操作。它的維度較小，但成本相對低，且可作為額外正交通道。

功能：

```text
split(p_x, p_y)
rotate(p_i)
compensate(PMD)
lock(p_ref)
```

在相干系統中，偏振控制不只是容量問題，也關係到相位穩定與解碼品質。

### 5.4 時間站

時間站對 t 座標操作。這是最接近「暫存」的站點。

功能：

```text
delay(τ)
gate(t_window)
retime(t_i → t_j)
reinject(t_i + τ)
```

它可以由 spiral delay line、fiber loop、ring resonator、Fabry–Perot cavity、slow-light segment、MZI delay arm 實現。但它必須受延遲–頻寬積限制，不能被稱為長期記憶。

### 5.5 相位站

相位站對 φ 操作。它在非相干資料搬運中不一定重要，但在相干通信、干涉、reservoir computing、光學矩陣運算、條件路由中至關重要。

功能：

```text
phase_shift(φ)
phase_lock(reference)
interfere(D_i, D_j)
coherent_combine(D_1...D_n)
```

這類站點應主要放在晶片尺度，而非長距離光纖中途。

### 5.6 維護站

維護站不直接增加資料座標，而是保持資料仍可讀：放大、重整形、重定時、偏振補償、色散補償、模式清理、錯誤檢測、必要時光電再生。

功能：

```text
amplify()
reshape()
retime()
regenerate()
clean_mode()
compensate_dispersion()
```

ODML 的誠實性，很大程度取決於它是否承認維護站的成本。資料在飛行中不是免費永生，它需要不斷支付損耗、噪聲、漂移與同步的維護稅。

---

## 6. 幾何站網：GFMSN 被重新放回來

v0.2 認為「沿線密佈站點」不適合成為近期主架構。v0.3 同意。但這不代表幾何站網不重要。GFMSN 的價值不是馬上做出 200 km 內嵌管網，而是提出一種新的光纖設計語言：

```text
光纖幾何不只決定傳輸性能，也可決定資料座標、延遲、耦合與可排程性。
```

這裡可分成四個研究方向。

### 6.1 截面幾何作為座標生成器

普通單模光纖只給出非常有限的空間座標。多核心光纖、少模光纖、空芯反諧振光纖、嵌套反諧振光纖則能提供更多可控的 mode/core 座標。

其設計問題是：

```text
給定截面 Ω(x, y)，求其本徵模態 e_m(x, y)、有效折射率 n_eff,m、群折射率 n_g,m、損耗 α_m、模式間耦合 κ_ij。
```

若某些模態低損耗、彼此隔離、可被 photonic lantern 讀寫，則這些模態可作為 ODML 的空間 address。

### 6.2 縱向幾何作為耦合排程器

若光纖沿 z 軸的幾何不完全均勻，例如核心間距週期改變、螺旋核心、局部 taper、週期性耦合窗，則 κ_ij(z) 可被設計。

理想條件是：

```text
κ_ij(z) ≈ 0          // 非交會區
κ_ij(z) = κ*         // 指定耦合區
Δβ_ij(z) ≈ 0         // 相位匹配區
R(z) > R_min         // 彎曲半徑可製造
α(z) < α_max         // 損耗可接受
```

這就是 v0.1 所謂「交集」的工程化版本：不是幾何線條真的穿越，而是場分佈、相位匹配與時間窗在指定區域重合。

### 6.3 垂直站作為支線延遲器

垂直站不是把資料存進一個靜止容器，而是從主光路接出一條支線，使資料獲得額外 delay 或 coordinate transformation。

形式包括：

```text
side-coupled loop
fiber stub delay
chip-fiber hybrid delay arm
micro-cavity branch
drop-delay-reinject node
```

其核心參數是：

```text
τ_branch = n_g L_branch / c
loss_branch = α L_branch + coupling_loss
dispersion_branch = D · Δλ · L_branch
jitter_budget = J_max
```

垂直站有價值，但它不是任意增加容量的免費空間。每增加一條支線，都要支付損耗、色散、封裝、同步與控制成本。

### 6.4 內嵌幾何站作為遠期實作

最遠期的 GFMSN 版本，是在光纖製造中內嵌可變截面、支線、局部腔體、耦合區、模式選擇區，使光纖本身成為一個站點化幾何系統。

這需要三個前提：

1. 高精度 3D 光纖預製棒設計與拉絲製造。
2. FEM / FDTD / BPM 與機器學習反向設計結合，以搜索巨大幾何空間。
3. 主動封裝、溫控、pilot reference、AI 校準系統，使實際器件能抵抗漂移。

近期這不該是產品承諾，但非常適合作為研究議題。

---

## 7. 數學形式化：ODML-GFMSN 作為帶物理約束的排程問題

ODML-GFMSN 的核心不是某個單一器件，而是一個排程問題。

定義光學座標空間：

```text
C = T × Λ × M × P × Φ
```

其中 T 為時間槽集合，Λ 為波長集合，M 為模態或核心集合，P 為偏振集合，Φ 為相位狀態或相位參考集合。

定義節點圖：

```text
G = (V, E)
```

其中 V 為存取節點、站點、晶片、維護節點；E 為光纖段、晶片波導、延遲支線、耦合路徑。

每條邊 e ∈ E 有物理參數：

```text
B_e      bandwidth
τ_e      group delay
α_e      loss
D_e      dispersion
J_e      jitter / timing uncertainty
K_e      mode coupling matrix
N_e      noise model
C_e      supported coordinate subset
```

每個節點 v ∈ V 有操作集合：

```text
O_v = {filter, mux, demux, delay, switch, phase_shift, convert, detect, regenerate, reinject}
```

給定資料集合：

```text
P = {p_1, p_2, ..., p_n}
```

每筆資料 p_i 有來源、目的、截止時間、可容忍損耗、可容忍抖動、可用座標集合。

要求求解：

```text
schedule S = {inject_time, coordinate_assignment, path, station_operations, readout_time}
```

使得：

```text
arrival(p_i) ∈ required_window_i
loss(p_i) < L_max,i
jitter(p_i) < J_max,i
crosstalk(p_i) < X_max,i
buffer_time(p_i) < τ_DBP
coordinate_conflict(p_i, p_j) = false
energy(S) minimized
```

這就是 ODML-GFMSN 的最小研究問題。

它不是「造一條神奇光纖」；它是「在一個多座標光學傳輸—延遲—存取系統中，求得滿足物理約束的資料排程」。

---

## 8. 與 AI 記憶體牆的關係

AI 系統的 memory wall 不只是容量問題，也是資料運動問題。HBM 貴、DRAM 遠、SSD 慢但容量大，CXL 與 memory pooling 試圖把記憶體拆成可共享層級；FlashNeuron、Behemoth 等研究則顯示，若有好的 offloading scheduler 與硬體路徑，SSD / flash 也能被納入 DNN 訓練或推論資料流。

ODML-GFMSN 不與這些路線競爭，而是補充它們。

其潛在位置是：

```text
SSD / Flash / CXL pool     容量層
DRAM / HBM                 近端高速記憶層
ODML-GFMSN                 光學資料運動與對齊層
SRAM / L2 / register       超近端低延遲層
compute core               計算層
```

ODML 不適合高度隨機存取，也不適合頻繁改寫的資料。但它適合：

1. 高度可預測的權重串流。
2. 多 accelerator 之間的同步資料流。
3. 遠端資料預取與 timed arrival。
4. true-time-delay 型訊號處理。
5. 光學 reservoir computing 的延遲網。
6. 將多座標光學互連變成可排程資料層。

換句話說，ODML-GFMSN 的目標不是「比 HBM 更像 HBM」，而是處理 HBM 不擅長的事情：在較遠距離、較高並行度、較低中繼成本下，讓資料準時出現在計算附近。

---

## 9. Reservoir computing：近期最合理的「計算」方向

若問 ODML-GFMSN 是否能計算，答案不應該是「可以做全光邏輯」，而應該是：最自然的計算形式是 reservoir computing。

光子 reservoir computing 使用光學延遲、非線性、回授、多節點耦合，將輸入映射到高維動態狀態，再由讀出層完成任務。它不需要每個站點都像 Boolean gate，也不需要精準逐閘級聯。這非常適合 ODML-GFMSN，因為 ODML-GFMSN 本來就有多路徑、延遲、相位、模式、耦合與短期記憶。

對 ODML-GFMSN 而言，reservoir computing 的意義是：

```text
資料運動層本身也可以成為動態特徵投影層。
```

但本文必須焊死另一條界線：這不是量子計算。雖然它使用光，雖然它可能涉及相干與干涉，但 ODML-GFMSN 處理的是古典資料流，不是可任意操控的量子疊加態。它的計算價值來自延遲動態與非線性投影，不來自量子加速。

---

## 10. AI 控制與反向設計：不是魔法，但很必要

使用 AI 控制 GFMSN，不應被理解成「讓 AI 克服物理」。AI 不能取消延遲–頻寬積，不能取消熱漂移，不能讓損耗消失。但 AI 可以做四件事：

### 10.1 幾何反向設計

NANF、DNANF、多核心、少模、螺旋核心、嵌套管的幾何參數空間極大。傳統 FEM 全掃描成本高。機器學習可用於快速篩選候選結構、預測 confinement loss、mode suppression、bend loss、dispersion 等指標。

### 10.2 線上校準

ODML 節點有大量可調參數：相位器、濾波器、偏振控制器、溫控器、調制器 bias、switch state。AI 控制器可以監測 pilot tone、BER、相位漂移、功率分佈，持續調整。

### 10.3 排程求解

第 7 節的排程問題可能是 NP-hard 類型的複合約束問題。可使用啟發式、混合整數規劃、強化學習、圖神經網路、online scheduling 等方法。

### 10.4 故障容忍與重路由

若某些 wavelength/mode/path 出現漂移或損耗增加，AI 控制器可重新分配座標與路徑，使資料避開退化通道。

但本文重申：AI 控制是維護與優化工具，不是違反物理的工具。ODML-GFMSN 的可行性必須先由架構與物理邊界成立，再由 AI 改善效率。

---

## 11. 工程路線圖：從可驗證到遠期幾何

### 第一階段：ODML-P 最小節點

用現有元件建立一個晶片存取節點：WDM filter、modulator、detector、short delay line、phase shifter、switch。展示：一筆資料被寫入特定 λ 與 time slot，在短光纖中運輸，再於指定窗口讀出。

成功標準：

```text
可重複讀出
可測量 delay
可測量 loss/jitter
可執行簡單 schedule
```

### 第二階段：加入模態座標

使用 photonic lantern 或多核心 fan-in/fan-out，將 mode/core 作為可定址座標。展示 time × wavelength × mode 的三維飛行定址。

成功標準：

```text
mode isolation 達標
crosstalk 可控
coordinate assignment 可驗證
```

### 第三階段：多資料排程

引入多筆資料流與排程器，讓不同資料使用不同 time/λ/mode 座標，並在不同時間窗口讀出。

成功標準：

```text
schedule conflict rate 低
讀出錯誤率可接受
能動態重排座標
```

### 第四階段：GFMSN 短段幾何站

製作 cm–m 尺度的特殊光纖段或混合封裝：局部耦合區、taper、FBG、模式轉換段、支線 delay。

成功標準：

```text
κ(z) 可設計
τ_branch 可測量
loss 可接受
與晶片節點可耦合
```

### 第五階段：遠期內嵌站網

探索真正的內嵌幾何光纖：沿 z 變化截面、螺旋核心、嵌套支線、局部站點化段。這需要 AI inverse design 與新製造能力。

成功標準：

```text
可製造
可封裝
可校準
可重複
性能優於端點式架構某些指標
```

---

## 12. 可證偽條件

一個好的架構論文不能只提出願景，也要提出它可能被證偽的地方。

ODML-GFMSN 可能在以下條件下失去價值：

1. 若可串流資料流在實際 AI workload 中比例不足，排程層無法形成優勢。
2. 若光子存取節點的能耗高於資料搬運所節省的能耗。
3. 若模態/波長/偏振座標的 crosstalk 與校準成本高到抵消容量乘數。
4. 若短延遲 buffer 的 DBP 過小，無法完成有用的 alignment。
5. 若 CXL、HBM、near-memory compute、flash-centric accelerator 已能以更低複雜度解決同一問題。
6. 若 GFMSN 幾何製造容差太嚴，無法穩定量產。

這些不是本文的失敗補充，而是未來研究必須正面回答的評估指標。

---

## 13. 與 v0.1 / v0.2 的關係

本稿對 v0.1 的修正：

- 不再把核心命名為「記憶體」。
- 不再把沿線密佈站點作為近期主路線。
- 不再把幾何交會描述成自由可用的光學路口。
- 不再把暫存站描述成真正 storage。

本稿保留 v0.1 的部分：

- 光纖可被視為幾何資料空間。
- 站點化語言仍然有用。
- 截面站、垂直站、支線延遲、幾何約束仍是遠期實作方向。
- GFMSN 是 ODML 的重要實作分支。

本稿對 v0.2 的承接：

- 接受「飛行即定址」為主命題。
- 接受 ODML 作為更精準名稱。
- 接受延遲–頻寬積與時序抖動為設計骨架。
- 接受「交互在晶片，運輸在光纖」。

本稿對 v0.2 的補充：

- 不把 GFMSN 只當遠期附錄，而是明確放入第三層架構。
- 將幾何光纖轉化為 ODML 的 address-space generator 與 delay/coupling substrate。
- 把原始幾何野心形式化為可研究的 κ(z)、τ_branch、mode/core coordinate、station operation 問題。

所以 v0.3 的一句話是：

```text
ODML 給 GFMSN 物理誠實；GFMSN 給 ODML 幾何未來。
```

---

## 14. 本體論結語：資料不是被保存，而是被找得到

這篇論文表面討論光纖、光子晶片、AI 記憶體牆、延遲線與模態複用。更底層的命題其實是：記憶是否必須以靜止為前提？

傳統記憶體說：資料存在，因為它位於某處。ODML 說：資料存在，因為它仍在可定址軌跡上，並且系統知道它下一次何時、以什麼座標、在哪個存取頭前出現。

這不是否定靜態記憶體，而是補上一個記憶的運動版本。資料不必停下來才算存在；它可以在飛行中被記得。只要其 time-slot、wavelength、mode、polarization、phase 仍可被區分，只要站點仍能在正確窗口讀出它，只要排程器仍能預測它的再出現，它就不是消失，而是正在通過。

但這種存在方式極其脆弱。它不像 DRAM 有電容井，不像 NAND 有電荷陷阱，不像磁碟有磁區。它沒有深井，沒有長期安放。它的存在靠路徑、相位、同步、濾波、校準與維護共同支撐。一旦損耗超標、相位失鎖、時間窗錯過、座標混疊，它就回到不可定址狀態。

所以 ODML-GFMSN 的哲學不是「光學永生」，而是「可定址的流」。它不保證資料永久存在，只保證在一段有限窗口內，資料的飛行是可計算、可預測、可再捕捉的。

一句話收束：

> 記憶不是必然要停在某處；記憶也可以是一種被準時找回的運動。ODML 是這種運動的排程語言，GFMSN 是這種運動未來可能取得的幾何身體。

---

## 參考文獻與技術脈絡

> 以下為本稿使用的英文技術脈絡與延伸閱讀。部分來源是新聞或技術報導，用於標記產業討論背景；核心物理與工程主張仍以論文、期刊與技術文獻為主。

[1] John Carmack, X post on 256 Tb/s over 200 km single-mode fiber and in-flight data as L2-like streaming cache, 2026.  
https://x.com/ID_AA_Carmack/status/2019839335382790342

[2] Tom's Hardware, “John Carmack muses using a long fiber line as an L2 cache for streaming AI data,” 2026.  
https://www.tomshardware.com/pc-components/ram/john-carmack-muses-using-a-long-fiber-line-as-as-an-l2-cache-for-streaming-ai-data-programmer-imagines-fiber-as-alternative-to-dram

[3] R. S. Tucker, P.-C. Ku, C. J. Chang-Hasnain, “Slow-light optical buffers: capabilities and fundamental limitations,” Journal of Lightwave Technology, 2005.  
https://opg.optica.org/abstract.cfm?uri=jlt-23-12-4046

[4] R. S. Tucker, P.-C. Ku, C. J. Chang-Hasnain, “Delay–bandwidth product and storage density in slow-light optical buffers,” Electronics Letters, 2005.  
https://digital-library.theiet.org/doi/10.1049/el%3A20057426

[5] M. Petrovich et al., “Broadband optical fibre with an attenuation lower than 0.1 dB km−1,” Nature Photonics, 2025.  
https://www.nature.com/articles/s41566-025-01747-5

[6] S. Gao et al., “Fourfold truncated double-nested antiresonant nodeless hollow-core fibers with ultralow loss and ultrahigh mode purity,” Optica / arXiv, 2024–2025.  
https://arxiv.org/abs/2409.13332

[7] R. A. Eltaieb, S. LaRochelle, L. A. Rusch, “Machine Learning Models to Identify Promising Nested Antiresonance Nodeless Fiber Designs,” arXiv, 2026.  
https://arxiv.org/abs/2603.13302

[8] RP Photonics Encyclopedia, “Photonic Lanterns.”  
https://www.rp-photonics.com/photonic_lanterns.html

[9] R. I. Becerra-Deana et al., “Mode-Selective Photonic Lanterns with Double-Clad Fibers,” arXiv, 2024.  
https://arxiv.org/abs/2410.23403

[10] Y. Lu et al., “A Review of Transverse Mode Adaptive Control Based on Photonic Lanterns,” Micromachines, 2025.  
https://www.mdpi.com/2072-666X/16/12/1347

[11] T. Hülser et al., “The role of delay-times in delay-based photonic reservoir computing,” Optical Materials Express / arXiv, 2021–2022.  
https://arxiv.org/abs/2112.11830

[12] D. Wang et al., “Ultrafast silicon photonic reservoir computing engine,” Nature Communications / PMC, 2024.  
https://pmc.ncbi.nlm.nih.gov/articles/PMC11686264/

[13] J. Bae et al., “FlashNeuron: SSD-Enabled Large-Batch Training of Very Deep Neural Networks,” USENIX FAST, 2021.  
https://www.usenix.org/conference/fast21/presentation/bae

[14] S. Kim et al., “Behemoth: A Flash-centric Training Accelerator for Extreme-scale DNNs,” USENIX FAST, 2021.  
https://www.usenix.org/system/files/fast21-kim.pdf

[15] Daniel S. Berger et al., “Octopus: Scalable Low-Cost CXL Memory Pooling,” arXiv, 2025.  
https://arxiv.org/abs/2501.09020

[16] Compute Express Link Consortium, “Overcoming the AI Memory Wall: How CXL Memory Pooling Powers the Next Leap in Scalable AI Computing,” 2025.  
https://computeexpresslink.org/blog/overcoming-the-ai-memory-wall-how-cxl-memory-pooling-powers-the-next-leap-in-scalable-ai-computing-4267/

---

## 附錄 A：最小術語表

**ODML**：Optical Data-Motion Layer，光學資料運動層。上層架構與排程理論。

**GFMSN**：Geometric Fiber Memory Station Network，幾何光纖記憶站網。本文保留舊名，但重新解釋為 ODML 的幾何實作分支；其中 “Memory” 指短期可定址再出現，而非 DRAM 型保存。

**飛行即定址**：資料在光學媒介中飛行時，其 time-slot、wavelength、mode、polarization、phase 即共同構成其可讀身分。

**站點**：對光學座標執行選擇、轉換、延遲、維護或重注入的操作節點。不是資料存放處。

**截面站**：透過光纖截面幾何或模式轉換器操作模態/核心座標的站點。

**垂直站**：從主光路接出支線、晶片節點或短延遲路徑的站點。

**延遲–頻寬積**：限制光學 buffer 能同時提供多少延遲與頻寬的基本 trade-off。

**交互在晶片，運輸在光纖**：ODML 的核心架構律。長距離光纖適合傳輸與飛行容量，精密交互應收斂到晶片或短封裝尺度。

---

## 附錄 B：給後續版本的研究題目

1. 建立 ODML coordinate scheduler 的模擬器。
2. 建立 time × wavelength × mode 三維座標的最小 proof-of-concept。
3. 研究 photonic lantern 作為 ODML mode-address decoder 的性能邊界。
4. 將 DNANF / NANF 反向設計問題改寫為 ODML coordinate capacity optimization。
5. 定義 GFMSN 短段幾何站的 FEM / BPM benchmark。
6. 建立 ODML 與 CXL / HBM / SSD memory hierarchy 的成本模型。
7. 研究 ODML 在 inference weight streaming、KV prefetch、multi-accelerator synchronization 中的適用性。
8. 探索 ODML-reservoir hybrid，用光學資料運動層兼作動態特徵投影。
9. 設計 pilot-reference timing architecture，以驗證共模漂移補償的可行範圍。
10. 明確區分 ODML、optical buffer、optical interconnect、photonic computing、quantum computing 五者的概念邊界。