한국연구재단은 이장식 교수(포항공과대학교) 연구팀이 비정형 사진 정보의 특성을 추출하고 인식 할 수 있는 차세대 '인공 신경망 어레이'를 개발했다고 12일 밝혔다.
▲ 강유전체 시냅스 트랜지스터 기반 인공 신경망 어레이, 병렬적 특성 제어 방법과 이를 활용한 사진 정보 추출 및 사물 인식(이미지 출처=POSTECH)
인공 신경망 어레이는 무수히 많은 신경망이 얽혀 네트워크를 이룬 인간의 뇌의 시냅스를 모방, 연산과 정보 저장을 병렬적으로 처리하는 차세대 정보 처리 장치다.
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 필수적이다.
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 있다.
하지만, 실제 인공 신경망 칩 구현을 위해서는 단위 소자 기술뿐만 아니라 다수의 시냅스 트랜지스터 소자들을 집적한 어레이 수준에서 동작이 구현되어야 하는데 지금까지 보고된 바가 없었다.
이에, 연구팀은 강유전체 물질에 기반한 시냅스 트랜지스터 소자들을 집적하여 고성능 인공 신경망 어레이를 제작하였다.
또한, 제작한 어레이에서 활용 가능한 ‘병렬’ 동작 방식을 개발, 효율적인 비정형 이미지 정보 처리 및 사물 인식이 가능함을 확인하였다.
현재까지는 강유전체 시냅스 트랜지스터의 동작 방법으로 각 소자의 특성을 하나씩 순차적으로 조절하는 비효율적 동작 방식이 활용되었지만, 연구팀은 어레이로 연결된 소자들의 동작 방법을 최적화하여 다수의 소자 특성을 동시에 병렬적으로 조절 가능한 동작 방법을 개발, 빠른 동작 속도를 확보한 것이 이번 성과의 핵심이다.
그 결과, 비정형 사진 정보의 특징 추출과 후처리도 가능함을 확인하였고 사진 내 임의의 물체 종류 인식 시험에서 90% 이상 인식률을 확보하였다.
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 밝혔다.
과학기술정보통신부와 한국연구재단이 추진하는 기초연구사업(중견연구)등의 지원으로 수행된 이번 연구의 성과는 국제학술지 ‘사이언스 어드밴시스(Science Advances)’에(논문명 : CMOS-compatible compute-in-memory accelerators based on integrated ferroelectric synaptic arrays for convolution neural networks) 4월 9일 게재되었다.
글. 이지은 기자 smile20222@brainworld.com
사진 및 자료출처 = NRF(한국연구재단), POSTECH(포항공대)