알고리즘 모식도[서잔=KASIT]
최근 AI 연구가 활발해지면서 AI 기반 전자기기 개발과 제품 출시도 가속화되고 있다. AI를 전자기기에서 구현하기 위해서는 맞춤형 하드웨어 개발 역시 필요하지만, 현재 AI 연산에는 높은 전력 소모와 고도로 집적된 메모리 배열이 필요하다. AI 능력 향상을 위해 이러한 전력 소모와 집적화 한계를 해결하는 것은 이 분야에서 커다란 과제다.
김경민 교수 연구팀은 인간의 두뇌 신경망이 신경 조율(Neuromodulation) 기능을 통해 연결 구조를 상황에 따라 지속적으로 변화시키는 것을 모방해, AI 연산을 효율적으로 처리할 수 있는 기술을 개발했다.
우리 두뇌는 학습 과정에서 실시간으로 신경망 연결을 변경해 기억을 저장하거나 불러내는데, 이러한 기능을 하드웨어에서 직접 구현하는 방식으로 AI를 학습하는 것.
연구팀은 개발된 기술의 효율성을 증명하기 위해 독자적인 전자 시냅스 소자가 탑재된 인공 신경망 하드웨어를 제작했다. 여기에 개발한 알고리즘을 적용해 실제 AI 학습을 진행했고, 그 결과 AI 학습에 필요한 에너지를 37% 절약할 수 있었다.
공동 제1저자인 KAIST 신소재공학과 정운형 박사과정과 전재범 박사과정은 "인간 두뇌는 생존을 위해 에너지 소모를 최소화하는 방향으로 진화해왔다. 이번 연구에서는 간단한 회로의 구성만으로 인간 두뇌의 학습 방식을 구현했으며, 이를 통해 40%에 가까운 에너지를 줄일 수 있었다"며 "뇌 활동을 모방해 개발한 새로운 학습 방식의 착안은 앞으로 AI 분야 소프트웨어·하드웨어가 나아가야 할 길의 이정표가 될 것"이라고 말했다.
두뇌 신경 활동을 모방한 학습 알고리즘은 기존 전자기기 및 상용화된 반도체 하드웨어에 적용 및 호환을 할 수 있으며 차세대 AI 반도체 설계에도 사용할 수 있을 것으로 기대된다.
한편, 이번 연구는 국제 학술지 '어드밴스드 펑셔널 머터리얼즈'에 지난 3월 31일 게재됐으며 한국연구재단, SK하이닉스, 나노종합기술원, KAIST 등의 지원을 받아 수행됐다.
