양자 컴퓨팅

인공 지능과 신경 형태 컴퓨팅 간의 간격 메우기

Alex McFarland
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트뉴로모픽 컴퓨팅 칩은 뇌 시냅스를 모방하여 AI 에너지 비용을 대폭 절감하고 성능을 향상시킵니다.
더 보기
  • 뉴로모픽 컴퓨팅 칩은 뇌 시냅스를 모방하여 AI 에너지 비용을 대폭 절감하고 성능을 향상시킵니다.
  • 바나듐 산화물 소재는 인간의 뇌처럼 칩 전체에 분산된 메모리 저장을 가능하게 합니다.
  • 퍼듀 대학 주도 연구로 이제 뉴로모픽 소재에서 메모리 효과를 극대화하기 위해 전류를 유도할 수 있습니다.

빠르게 발전하는 인공 지능 분야에서는 급증하는 연산 수요를 감당할 하드웨어를 찾는 노력이 끊임없이 이어지고 있습니다. 퍼듀 대학교, 샌디에고 캘리포니아 대학교, 파리 산업물리화학고등학교(ESPCI)와의 협력을 통해 이 과제에서 중요한 돌파구가 달성되었습니다. 이 협력은 신경 형태 컴퓨팅 분야에서 중요한 발전을 이루었으며, 이는 컴퓨팅 아키텍처 내에서 인간 뇌의 메커니즘을 모방하는 혁신적인 접근 방식입니다.

현재 인공 지능 하드웨어의 도전

인공 지능의 빠른 발전은 복잡한 알고리즘과 모델을 가져왔으며, 이는 전례 없는 수준의 계산 능력을 요구합니다. 그러나 인공 지능의 세계로 더 깊이 들어갈수록, 현재의 실리콘 기반 컴퓨터 아키텍처가 인공 지능 기술의 발전하는 요구에 따라갈 수 없다는 문제가 나타납니다.

퍼듀 대학교에서 개교 150주년 기념 물리학·천문학 석좌교수직을 맡고 있는 에리카 칼슨는 이 도전을 간결하게 설명합니다. 그녀는 “인공 지능 혁명의 뇌 기반 코드는 주로 전통적인 실리콘 컴퓨터 아키텍처에서 실행되고 있지만, 이 아키텍처는 이를 위해 설계되지 않았습니다.”라고 말합니다. 이는 주로 범용 연산을 위해 설계된 기존 하드웨어와 고급 AI 알고리즘의 특수한 요구 사이에 근본적인 불일치가 있음을 보여줍니다.

이 불일치는 칼슨이 지적한 바와 같이 인공 지능의 잠재적인 응용을 제한할 뿐만 아니라 상당한 에너지 비효율성을 초래합니다. 실리콘 칩은 디지털 시대의 주력으로서, 신경망과 딥 러닝 모델이 요구하는 병렬 및 상호 연결 처리에 본질적으로 적합하지 않습니다. 전통적인 CPU와 GPU의 선형 및 순차적 처리 능력은 고급 인공 지능 계산의 요구와는 대조적입니다.

신경 형태 컴퓨팅의 등장

협력 연구는 중요한 돌파구를 이루었으며, 이는 “Spatially Distributed Ramp Reversal Memory in VO2” 연구에서 자세히 설명되어 있습니다. 이 연구는 컴퓨팅 하드웨어에 대한 새로운 접근 방식을 제시하며, 이는 인간 뇌의 시냅스 작동에서 영감을 받았습니다.

이 돌파구의 핵심은 신경 형태 컴퓨팅의 개념입니다. 전통적인 컴퓨팅 아키텍처와는 달리, 신경 형태 컴퓨팅은 인간 뇌의 구조와 기능, 특히 뉴런과 시냅스를 모방하려고 합니다. 뉴런은 뇌의 정보 전달 세포이며, 시냅스는 신호가 한 뉴런에서 다른 뉴런으로 전달되는 간극입니다. 생물학적 뇌에서, 이러한 시냅스는 기억을 인코딩하는 데 중요한 역할을 합니다.

연구 팀의 혁신은 바나듐 산화물을 사용하는 것입니다. 이 물질은 인공 뉴런과 시냅스를 생성하는 데 적합하며, 이는 전통적인 실리콘 기반 접근 방식과는 다릅니다. 이는 신경 형태 아키텍처의 본질을 구현하며, 이는 컴퓨팅 칩 내에서 뇌와 같은 행동을 복제하는 것입니다.

에너지 효율성과 향상된 계산

이 돌파구의 의미는 에너지 효율성과 계산 능력 측면에서 광범위합니다. 칼슨은 이러한 잠재적인 이점에 대해 설명합니다. “신경 형태 아키텍처는 에너지 소비를 줄이고, 계산을 향상시키고, 근본적으로 다른 계산 모드를 제공하며, 네이티브 학습과 패턴 인식을 향상시킬 수 있습니다.” 이는 인공 지능 하드웨어의 지형을 재정의할 수 있으며, 더 지속 가능하고 효율적인 하드웨어를 만들 수 있습니다.

신경 형태 컴퓨팅의 가장 매력적인 이점 중 하나는 ChatGPT와 같은 대규모 언어 모델을 훈련하는 데 관련된 에너지 비용을 크게 줄일 수 있는 것입니다. 현재 이러한 모델의 높은 에너지 소비는 주로 하드웨어와 소프트웨어 사이의 불일치에서 비롯됩니다. 신경 형태 컴퓨팅은 뇌의 기본 구성 요소를 모방함으로써 인공 지능 시스템이 데이터를 처리하고 학습하는 더 자연스럽고 효율적인 방법을 제공합니다.

또한, 칼슨은 뉴런과 같은 행동을 복제하는 데 실리콘의 한계를 지적합니다. 이는 인공 지능 하드웨어의 발전에 중요한 측면입니다. 신경 형태 아키텍처는 뉴런과 시냅스를 모두 모방할 수 있으므로 인공 지능 시스템이 인간의 인지 과정을 더 잘 모방할 수 있습니다.

이 연구의 핵심 요소 중 하나는 바나듐 산화물의 혁신적인 사용입니다. 이 물질은 인간 뇌의 뉴런과 시냅스의 기능을 시뮬레이션하는 데 큰 가능성을 보여주었습니다. 소르본 대학교와 ESPCI의 선도적인 실험 과학자 알렉상드르 지메르스(Alexandre Zimmers)는 이 돌파구를 강조합니다. “이산화바나듐에서 우리는 인공 시냅스의 행동을 관찰했습니다. 이는 우리의 이해에서 중요한 발전입니다.”

연구 팀의 연구는 기억을 저장하는 더 단순하고 효율적인 방법을 제공했습니다. 바나듐 산화물의 행동을 다양한 조건에서 관찰함으로써, 그들은 기억이 물질의 고립된 부분에만 저장되는 것이 아니라 물질 전체에 분산되어 있음을 발견했습니다. 이는 신경 형태 장치를 설계하고 구축하는 새로운 방법을 제안하며, 이는 인간 뇌와 더 유사한 정보 처리를 가능하게 할 수 있습니다.

신경 형태 컴퓨팅의 발전

그들의 획기적인 발견을 기반으로, 연구 팀은 이미 다음 단계의 작업을 계획하고 있습니다. 신경 형태 물질의 특성을 관찰할 수 있는 능력을 확립한 후, 그들은 물질의 특성을 국소적으로 조절하여 실험할 계획입니다. Zimmers는 이 접근 방식의 잠재력을 설명합니다. “이렇게 하면 우리는 기억 효과가 최대인 샘플의 특정 영역을 통해 전기 전류를 유도할 수 있을 것입니다. 이는 이 신경 형태 물질의 시냅스 거동을 크게 향상시킬 수 있습니다.”

이 방향은 신경 형태 컴퓨팅의 미래에 대한 흥미로운 가능성을 열어줍니다. 이러한 물질의 제어와 조작을 개선함으로써, 연구자들은 더 효율적이고 효과적인 신경 형태 장치를 만들 수 있을 것입니다. 이러한 발전은 인간 뇌의 복잡성을 더 잘 모방할 수 있는 하드웨어를 가능하게 할 수 있으며, 더 정교하고 에너지 효율적인 인공 지능 시스템을 위한 길을 열어줄 것입니다.

Alex는 Unite.AI의 AI 기반 뉴스 운영을 이끌고 있습니다. 저널리즘, 조사, 자동화를 결합해 인공지능에 관한 소식을 시의적절하게, 확장 가능한 방식으로 보도할 수 있도록 지원합니다. 그의 업무는 매체의 편집 기준을 유지하면서 새로운 AI 동향을 효율적으로 찾아 보도하는 데 기여합니다.