왕건욱 교수팀,
인체 시각 기능에 착안한 신경모방 인지시스템 개발
- Advanced Science 논문 게재
고려대학교 KU-KIST융합대학원/융합에너지공학과 왕건욱 교수 연구팀은 인체 시각계에 존재하는 시냅스의 동작원리를 토대로, 에너지 효율적으로 입력데이터를 학습∙인식 할 수 있는 전자소자 시스템을 개발하였다(기존 대비 약 2,116배 에너지절감). 본 연구는 향후 인공지능, 빅데이터, IoT 등의 4차 산업기술 전반적인 분야에서 핵심적인 컴퓨팅 플랫폼의 역할을 할 수 있을 것으로 기대된다. 본 연구내용의 독창성과 우수성을 인정받아 세계적인 학술지인 Advanced Science(IF = 16.806)지에 2022년 4월 출판되었다.
▲ 왼쪽부터 왕건욱 교수, 최상현 박사과정생
* 논문명: Flexible Neural Network Realized by the Probabilistic SiOx Memristive Synaptic Array for Energy-Efficient Image Learning
* 저널명: Advanced Science, https://doi.org/10.1002/advs.202104773
* 저자 정보: 최상현(고려대학교, 제 1저자), 장진곤(고려대학교), 김민섭(KIST), 김남동(KIST), 곽지현(고려대학교), 왕건욱(고려대학교, 교신저자) 포함 총 6 명
빅데이터 및 IoT와 같은 초연결 시대에 접어들면서 영상, 이미지, 문장과 같은 비정형 데이터의 양이 기하급수적으로 증가하고 있으며, 증가하는 데이터의 전송/저장/분석/처리하는 비율이 극히 일부로 제한될 뿐만 아니라 관련 소비에너지가 급등하고 있다. 기존 컴퓨터에서는 이러한 정보처리 및 컴퓨팅 작업을 하는데 비효율적이며, 전력소모가 크다는 단점이 있다. 이를 해결할 방안으로 사람의 두뇌 신경 작용을 모사한 뉴로모픽 컴퓨팅 기술이 해결책으로 대두되고 있다.
하지만 기존에 주로 이용되던 인공신경망은 다층 구조의 모든 뉴런/시냅스들이 서로 연결되어 있는 형태로, 각 신경망의 계층이 입력 신호에 의해 모두 반응/활성화 되므로 인지 정확도 관점에서는 우수하지만 에너지/연산 효율 측면에서는 실제 두뇌에 비해 비효율적으로 동작하였다. 이로 인해 많은 컴퓨팅 리소스(computing resource)가 요구되어, 특히 엣지 컴퓨팅(edge-computing) 체계에서 적용하기 어렵다는 문제가 있었다.
본 연구에서는 두뇌의 고효율 및 저전력 동작의 기전인 확률적으로 가동되는 신경망을 모방하기 위해, 인체 시각계에 존재하는 막대세포-막대두극세포 연접 시냅스의 (rod-to-rod bipolar synapse) 임계 조정 기능 및 확률적 동작 특성에 영감을 받아 새로운 형태의 확률론적 수직형 삼단자 전자소자를 설계/제작하였다. 또한 이를 고집적 가능한 형태인 크로스바 어레이 구조로 본 전자 소자가 인공 시냅스로써 집적 가능함을 보였다. 제작된 소자는 게이트 전압을 통해 원하는 확률을 손쉽게 구현가능하도록 소자 디자인이 되었기에, 소자의 스위칭 확률에 기반하여 새로운 형태의 확률론적 드롭커넥트 신경망을 (probabilistic drop-connect network) 제안 및 그 학습/에너지 효율성을 입증하였다. 본 연구는 KIST의 김남동 박사 연구팀과 고려대 곽지현 교수 연구팀과 협업하여 진행하였으며, 한국연구재단, KU-KIST 연구기금, KU Future Research Grant, Brain Korea 21(BK21) 사업의 지원을 받아 수행되었다.
(위) 인체 시각계에 존재하는 막대세포-막대두극세포 연접 시냅스의 동작원리와 이에 착안한 확률론적 인공 시냅스 전자소자 크로스바 어레이. (중간) 제작된 소자의 확률 스위칭 특성과 패션 아이템 데이터에 대한 학습/인식할 수 있는 확률론적 드롭커넥트 신경망. (아래) 제작된 소자 기반의 드롭커넥트 신경망의 인식정확도와 에너지 절감 효율성(기존 대비 총 ~2,116배 절감).