4차 산업혁명으로 인공지능, 자율주행 자동차, 사물인터넷, 모바일 기기 등의 사용이 급격히 증가함과 동시에 사진, 동영상과 같은 비정형 정보의 양 또한 매해 늘어나고 있습니다. 이러한 비정형 정보의 효율적인 처리를 위해 인간 두뇌의 병렬적 정보 처리 과정을 모사한 인공 신경망 기술이 주목받고 있는데요.
한국연구재단은 포항공과대학교 이장식 교수 연구팀이 비정형 사진 정보의 특성을 추출하고 인식 할 수 있는 차세대 인공 신경망 어레이를 개발했다고 밝혔습니다. 인공 신경망 어레이는 인간의 뇌와 같이 연산과 정보 저장을 병렬적으로 처리할 수 있는 차세대 정보 처리 장치입니다.
고성능, 차세대 정보 처리 장치로 주목받는 인공 신경망 구현을 위해서는 인간 두뇌의 정보 처리 핵심 요소로 작용하는 시냅스* 모방 소자의 개발과 해당 소자들이 집적된 인공 신경망의 기능성 평가가 필수적인데요. 특히, 외부 전원 없이 스스로 전기적 분극을 유지하는 강유전체** 시냅스 소자는 다른 시냅스 소자들보다 정밀한 전기적 특성 제어가 가능할 뿐 아니라 낮은 소비 전력 및 빠른 동작 속도 구현으로 대량의 비정형 정보 처리가 가능한 차세대 고성능 시냅스 소자로 주목받고 있습니다. 하지만, 실제 인공 신경망 칩 구현을 위해서는 단위 소자 기술뿐만 아니라 다수의 시냅스 트랜지스터 소자들을 집적한 어레이 수준에서 동작이 구현되어야 하는데 지금까지 보고된 바가 없었습니다.
* 시냅스(Synapse) : 한 뉴런에서 다른 뉴런으로 신호를 전달하는 연결 지점으로 인간 두뇌에서 정보 저장과 기억에 관여함.
** 강유전체(Ferroelectric) : 외부 전기장 없이도 자발적인 분극을 갖는 물질로 외부 전기장에 의해 분극의 방향을 바꿀 수 있음.
이에, 연구팀은 강유전체 물질에 기반한 시냅스 트랜지스터 소자들을 집적하여 고성능 인공 신경망 어레이를 제작했습니다. 또한, 제작한 어레이에서 활용 가능한 ‘병렬’ 동작 방식을 개발, 효율적인 비정형 이미지 정보 처리 및 사물 인식이 가능함을 확인했는데요.
현재까지는 강유전체 시냅스 트랜지스터의 동작 방법으로 각 소자의 특성을 하나씩 순차적으로 조절하는 비효율적 동작 방식이 활용되었습니다. 하지만, 연구팀은 어레이로 연결된 소자들의 동작 방법을 최적화하여 다수의 소자 특성을 동시에 병렬적으로 조절 가능한 동작 방법을 개발, 빠른 동작 속도를 확보한 것이 이번 성과의 핵심이라고 볼 수 있습니다. 그 결과, 비정형 사진 정보의 특징 추출과 후처리도 가능함을 확인했고, 사진 내 임의의 물체 종류 인식 시험에서 90% 이상 인식률을 확보했습니다.
이장식 교수는 “개발된 고성능 인공 신경망 어레이를 병렬적으로 학습시키는 기술을 사용하면 학습 및 동작 시간이 감소하여 저전력, 고속으로 사물 인식이 가능할 것”이며 “인공지능, 자율주행자동차 등 비정형 정보 처리가 필요한 분야와 인-메모리 컴퓨팅(In-memory computing)*에 적용 가능한 중요 기술이 될 것으로 예상한다”고 밝혔습니다. 인-메모리 컴퓨팅(In-memory computing)이란 메모리 내에서 데이터의 저장뿐 아니라 연산까지 수행하는 기술로 차세대 저전력 인공지능 칩의 유력한 기술로써 주목받고 있습니다.
이번 연구의 성과는 국제학술지 ‘사이언스 어드밴시스(Science Advances)’에 4월 9일 게재됐습니다.
논문명 : CMOS-compatible compute-in-memory accelerators based on integrated ferroelectric synaptic arrays for convolution neural networks
