인공 지능 하드웨어 기술, 신경 네트워크 토폴로지의 변화를 모방한다

한국과학기술원(KAIST)의 연구자들은 뇌의 신경조정에 영감을 받아 새로운 시스템을 제안했는데, 이것을 “stash” 시스템이라고 부릅니다. 이 새로운 시스템은 에너지 소비를 줄일 수 있습니다.

교신저자 김경민 교수가 이끄는 연구팀은 재료공학부에 속해 있습니다. 이 연구는 Advanced Functional Materials에 발표되었으며, KAIST, 한국연구재단, 국립나노팹센터, SK 하이닉스가 지원했습니다.

신경 네트워크 토폴로지의 모방

연구자들은 인공 지능에서 수학적 연산을 효율적으로 처리할 수 있는 기술을 개발했는데, 이것은 상황에 따라 신경 네트워크의 토폴로지를 변경하는 것을 모방한 것입니다. 이것은 인간의 뇌에서 영감을 받았는데, 뇌는 실시간으로 신경 토폴로지를 변경하여 필요한 때에 기억을 저장하거나 회상할 수 있습니다. (NRC )

이 새로운 유형의 인공 지능 학습 방법은 신경 조정 회로 구성의 직접 구현입니다.

전자 기기에 인공 지능을 효과적으로 구현하기 위해서는 사용자 지정 하드웨어 개발이 지원되어야 합니다. 그러나 대부분의 인공 지능을 위한 전자 기기는 높은 전력 소비를 필요로 합니다. 또한 대규모 작업을 수행하기 위해서는 고도로 통합된 메모리 어레이가 필요합니다. 이러한 소비와 통합의 제한은 극복하기 어렵기 때문에 연구자들은 문제를 해결하는 방법을 알기 위해 인간의 뇌를 더 깊이 연구하기 시작했습니다.

고효율 기술

연구팀은 새로운 기술의 효율성을 입증하기 위해 자가수축 신경 회로 배열과 알고리즘을 갖춘 인공 신경 네트워크 하드웨어를 개발했습니다. 이 하드웨어는 인공 지능 학습을 수행하도록 설계되었으며, 스태시 시스템 내에서 37%의 에너지를 줄일 수 있었습니다.

“이 연구에서 우리는 단순한 회로 구성만으로 인간의 뇌 학습 방법을 구현하여 에너지 소비를 거의 40% 줄일 수 있었습니다.” 김 교수는 말했다.

이 새로운 스태시 시스템이 뇌의 활동을 모방하는 중요한 측면 중 하나는 기존의 전자 기기와 상용화된 반도체 하드웨어와 호환되는 것입니다. 이 시스템은 인공 지능을 위한 차세대 반도체 칩 설계에서 중요한 역할을 할 수 있습니다.