기술/연구

인간 뇌 따라한 AI칩, 전력 소모 1/1000로 뚝! 의료진단 혁명 오나

댓글 0 · 저장 0 · 편집: 이도윤 기자 발행: 2025.04.11 10:28

기사 3줄 요약

1 경희대 강 교수팀, 인간 뇌 시냅스 모방한 광 뉴로모픽 장치 개발
2 데이터 병목 현상 해결해 기존보다 빠르고 정확한 AI 구현
3 로봇공학·의료진단·환경모니터링 등 다양한 분야 적용 가능

경희대 강 교수팀이 인간 뇌의 시냅스를 모방한 광 뉴로모픽 장치 개발에 성공했습니다. 이 혁신적인 기술은 기계 시각 분야에서 더 빠르고 정확한 AI 성능을 가능하게 만들었습니다.

기존 AI의 한계를 뛰어넘다

전통적인 AI 시스템은 데이터 병목 현상으로 성능에 제약이 있었습니다. 하지만 이번에 개발된 광 뉴로모픽 장치는 시각 데이터를 처리하면서 동시에 저장 및 분석까지 가능해 이런 문제를 해결했습니다. 이 장치의 핵심은 '인듐 갈륨 주석 산화물(IGTO)' 반도체입니다. IGTO는 일반 비정질 실리콘보다 10~20배 높은 전자 이동도를 보여주며, 이로 인해 더 빠른 스위칭 속도와 향상된 장치 성능을 제공합니다. 또한 매우 낮은 누설 전류(약 10^-12 A)를 가지고 있어 에너지 효율적인 뉴로모픽 컴퓨팅에 필수적인 전력 소비 절감에 기여합니다.

특별한 학습 메커니즘

이 장치는 스파이크 개수 의존성 가소성(SNDP)을 강화하고 스파이크 타이밍 의존성 가소성(STDP)을 제거하는 특별한 설계 방식을 채택했습니다. SNDP는 시냅스 가중치가 시냅스 전 스파이크 수에 따라 변화하도록 해 입력 신호의 빈도를 기반으로 효과적으로 학습할 수 있게 합니다. 이는 특히 감각 정보를 처리하는 데 중요합니다. STDP를 제거함으로써 학습 과정이 단순화되어 패턴 인식 및 이미지 분류와 같이 정확한 타이밍이 덜 중요한 특정 응용 분야에서 더 효율적으로 작동합니다.

특징	SNDP	STDP
메커니즘	시냅스 전 스파이크 수에 따른 시냅스 가중치 변화	시냅스 전후 스파이크의 정확한 타이밍에 따른 시냅스 가중치 변화
학습 초점	입력 신호의 빈도	입력 신호의 정확한 타이밍
복잡성	단순한 학습 과정	더 복잡한 학습 과정
적합한 응용	패턴 인식, 이미지 분류	시간적 순서 학습, 스파이크 기반 코딩

도전과제와 가능성

IGTO 기반 장치는 장기적인 안정성 문제, 특히 장시간 바이어스 스트레스 하에서 임계 전압 이동이 발생할 수 있습니다. 또한 넓은 영역에 걸쳐 균일한 특성을 가진 일관된 IGTO 필름을 유지하는 것도 과제입니다. 뉴로모픽 컴퓨팅의 알고리즘적 도전은 이러한 장치의 고유한 특성을 활용하는 효율적인 훈련 알고리즘을 만드는 것입니다. 전통적인 AI 알고리즘이 직접 적용되지 않을 수 있기 때문입니다.

주목받는 혁신 기술

이 연구는 *ACS 나노*의 4월 표지 기사로 게재되었습니다. 영향력 지수가 약 18인 *ACS 나노*는 나노기술 및 재료 과학 분야에서 선구적인 연구를 발표하는 권위 있는 학술지입니다. 표지를 장식했다는 것은 이 연구의 혁신성과 잠재적 영향력을 강조합니다.

다양한 응용 분야

이 장치는 기계 시각을 넘어 여러 분야에 응용 가능성이 있습니다. 로봇공학에서는 더 효율적이고 적응력 있는 제어 시스템을 가능하게 하고, 의료 진단에서는 의료 이미지의 빠른 분석을, 환경 모니터링에서는 센서 데이터의 실시간 처리를 가능하게 합니다. 일반적으로 뉴로모픽 컴퓨팅은 기존 시스템보다 전력 소비를 크게 줄이는 것을 목표로 합니다. 일부 뉴로모픽 칩은 특정 작업에서 전통적인 프로세서보다 1/1000 수준의 전력 소비를 보여주었습니다. 이는 뇌에서 영감을 받은 아키텍처가 본질적으로 병렬 처리를 더 효율적으로 수행하기 때문입니다. 이러한 효율성은 전력이 제한된 엣지 컴퓨팅 애플리케이션에 중요합니다.

미래 전망

최근 뉴로모픽 컴퓨팅의 발전에는 성능과 에너지 효율성을 향상시키기 위한 새로운 재료 및 장치 아키텍처 탐색이 포함됩니다. 연구자들은 더 작고 에너지 효율적인 시냅스를 만들기 위해 2D 재료와 멤리스터 장치를 적극적으로 연구하고 있습니다. 그러나 STDP를 제거하는 결정은 시간적 정보에 의존하는 특정 학습 작업을 수행하는 장치의 능력을 제한할 수 있습니다. 속도, 정확성, 에너지 효율성 사이의 트레이드오프가 존재할 수 있어 장치의 매개변수를 신중하게 최적화해야 합니다. 이 연구는 더 효율적이고 생물학적으로 영감을 받은 AI 시스템을 만드는 데 상당한 발전을 이루며, 뉴로모픽 컴퓨팅과 그 다양한 응용 분야에서 미래 발전의 길을 열어주고 있습니다.

편집자: 이도윤 기자

제보·문의: aipick@aipick.kr