[한국기술뉴스] 울산과학기술원 정홍식 교수 연구팀은 인공신경망의 학습능력을 향상시키는 뉴로모픽 시스템을 개발했다. 개발된 기술은 울산과학기술원 산학협력단을 통해 2021년 04월 16일 특허를 출원(출원번호 제1020210050023호)했다. 특허 명칭은 '상변화 메모리 소자를 기반으로 하는 프로세싱 장치 및 이를 포함하는 뉴로모픽 시스템’이다. 현재 특허 등록이 완료돼 산업에서 기술을 활용할 수 있도록 기술이전을 추진할 계획이다.

[기자]

오늘날 컴퓨터는 CPU와 메모리가 분리되어 메모리 속에 저장된 프로그램을 순차적으로 처리합니다. 이 구조는 기억 장치에 대한 병목현상이 발생할 수 있고, 계산 시간과 전력 소모가 크다는 단점이 있습니다. 이를 해결하기 위해 많은 연산을 동시에 처리할 수 있는 GPU가 개발되었습니다. 그러나 최근 AI 기술이 적용된 서비스는 더욱 방대한 양의 데이터를 다루기 때문에 데이터 연산에 한계가 존재합니다.

한편, 인간의 뇌는 수많은 신경세포가 시냅스에 연결 구조로서 다른 뉴런과 서로 신호를 주고받으며 순식간에 정보를 처리할 수 있습니다. 현재 인간의 뇌를 모방한 뉴로모픽 시스템이 개발되고 있으며, 뉴럴 네트워크의 연산 작업을 저전력으로 더욱 빠르게 수행하기 위한 프로세싱 장치가 요구되고 있습니다.

UNIST 정홍식 교수 연구팀은 반도체 소자의 불안정성을 최소화하려는 접근법 대신 이를 이용해 학습 능력 및 전력 효율을 향상시키는 뉴로모픽 시스템을 발명했습니다.

인공신경망 칩을 쓰면 인간의 뇌처럼 에너지를 적게 쓰면서 연산과 기억 작업을 동시에 할 수 있습니다. 하지만 물리적으로 수많은 소가 직접되어 오차가 존재한다는 단점이 있습니다. 기존에는 오차가 없는 완벽한 인공신경망 칩을 구축하려고 노력했지만, 학습 능력이 떨어지는 문제점이 있었습니다.

연구팀은 인간 뇌가 완벽에 가까운 동작이 필요하지 않다는 점에 착안하여 상변화 메모리 기반 맴리스터 인공신경망 학습법을 개발했습니다. 이 학습법은 정보저장 물질의 자발적 전기저항 증가를 이용하기 때문에 추가적인 전력소모 없이 학습 능력을 향상시킬 수 있습니다.

또한 학습 과정 중 정보 업데이트 패턴이 시냅스 역할을 하는 멤리스터에 전기저항 증가 형태로 기록되기 때문에 시냅스는 자신이 변화하는 패턴과 학습하는 데이터 간 연관성을 추가로 학습하게 됩니다.

본 기술을 활용하면 인공신경망 칩의 불안정성을 역이용해 인공신경망의 학습 능력을 향상시킬 수 있습니다. 이번 연구가 최근 인공지능 분야의 두 가지 화두인 ‘인공신경망 칩의 개발’과 ‘인공신경망을 통한 뇌신경기능 구현’을 잇는 인공지능 기반 융합연구의 기폭제 역할을 할 것으로 기대됩니다.