카이스트, 인간 두뇌 신경 활동 닮은 AI 하드웨어 핵심 기술 개발

두뇌 신경조절 활동에 착안해 개발
기존 대비 에너지 소비 약 40% 절약
차세대 AI용 반도체 칩 설계에 사용돼

 

인간 두뇌에서 일어나는 활동을 똑닮은 인공지능(AI)용 하드웨어와 알고리즘이 나왔다. (사진=셔터스톡)

 

인간 두뇌에서 일어나는 활동을 닮은 인공지능(AI)용 하드웨어와 알고리즘이 나왔다. 기존 기술보다 수학적 연산을 효율적으로 처리할 수 있다. AI 학습에 필요한 에너지를 약 40% 절약하는 시스템이다.

 

카이스트(총장 이광형)는 신소재공학과 김경민 교수 연구팀이 두뇌에서 일어나는 신경 조율 활동을 구현한 AI용 하드웨어와 관련 알고리즘 개발에 성공했다고 19일 밝혔다.

 

알고리즘에 관한 모식도: 뇌의 신경 조율 활동은 뇌 내 시냅스의 학습 정도에 따라 이에 연결된 뉴런에 자극 전달 여부를 결정하게 된다. 이에 착안하여 stashing 알고리즘은 방출되는 스파이크의 빈도수를 기준으로 학습 정도를 판단하고 회로를 통해 뉴런의 연결도를 수정한다. (사진=카이스트)

 

김경민 교수 연구팀은 인간 두뇌 신경망이 '신경조절(Neuromodulation)'기능을 통해 연결 구조를 상황에 따라 지속적으로 변화시키는 것을 모방해 이를 개발했다. 신경조절은 주어진 뉴런이 화학 물질을 하나 이상 사용해 다양한 뉴런 집단을 조절하는 생리학적 과정을 말한다.

 

두뇌에서는 학습하는 과정에서 실시간으로 신경망 연결도를 변경해 필요에 따라 기억을 저장하거나 불러낸다. 이러한 신경 조율 기능을 하드웨어에서 직접 구현하는 새로운 AI 학습 방식을 제시한 셈이다.

 

연구팀은 개발된 기술 효율성 증명하기 위해 독자적인 전자 시냅스 소자가 탑재된 AI 신경망 하드웨어를 제작했다. 여기에 개발한 알고리즘을 적용해 실제 AI학습을 진행했다. 결과적으로 학습에 필요한 에너지를 37% 절약할 수 있었다.

 

두뇌 신경 활동을 모방한 학습 알고리즘은 전자기기, 상용화된 반도체 하드웨어에 호환할 수 있다. 차세대 AI용 반도체 칩 설계에 사용될 전망이다.

 

(왼쪽부터) 김경민 카이스트 신소재공학과 교수, 정운형 박사과정생, 전재범 박사과정생. (사진=카이스트)

공동 제1 저자인 정운형 카이스트 신소재공학과 과정과 전재범 박사과정은 “간단한 회로 구성만으로 인간 두뇌 학습 방식을 구현해 에너지를 40% 가까이 줄일 수 있었다”고 강조했다. “이는 범용성 있게 모든 인공 신경망에서 사용 가능한 장점을 가진다”며 “뇌 활동을 모방해 개발한 새로운 학습 방식은 앞으로 AI 분야에 소프트웨어(SW)·하드웨어 분야가 나아가야 할 이정표가 될 것이다”고 말했다.

 

연구 성과는 국제 학술지 ‘어드밴스드 펑셔널 머터리얼즈(Advanced Functional Materials)’에 지난달 31일 게재됐다. 논문명은 ‘Demonstration of Neuromodulation-inspired Stashing System for Energy-efficient Learning of Spiking Neural Network using a Self-Rectifying Memristor Array’다. 이번 연구는 한국연구재단, SK하이닉스, 나노종합기술원(NNFC), 카이스트 지원을 받아 수행됐다. 

 

AI타임스 김미정 기자 kimj7521@aitimes.com

 

Copyright © '인공지능 전문미디어' AI타임스 (http://www.aitimes.com/)
무단전재 및 재배포 금지

 

카이스트, 인간 두뇌 신경 활동 닮은 AI 하드웨어 핵심 기술 개발 - AI타임스