KAIST는 신소재공학과 김경민 교수 연구팀이 두뇌의 신경조율 활동을 모방한 인공지능용 하드웨어의 알고리즘을 개발했다고 19일 밝혔다.

인공지능(AI) 전자기기 구현을 위해 맞춤형 하드웨어의 개발이 필요하지만 현재 대부분의 인공지능용 전자기기들은 많은 연산량 수행으로 높은 전력 소모와 고도로 집적된 메모리 배열을 사용한다.

김경민 교수팀은 인간의 두뇌 신경망이 신경조율(Neuromodulation) 기능을 통해 연결구조를 상황에 따라 지속적으로 변화시키는 것을 모방, 인공지능을 위한 수학적 연산을 효율적으로 처리할 수 있는 기술을 개발했다.

두뇌는 학습하는 과정에서 실시간으로 신경망의 연결도를 변경해 필요에 따라 기억을 저장하거나 불러내며 이번에 김 교수팀은 뇌의 이런 신경조율 기능을 하드웨어에 직접 구현하는 새로운 방식의 인공지능 학습방식을 제시했다.

연구팀은 개발된 기술의 효율성을 증명키 위해 독자적인 전자 시냅스 소자가 탑재된 인공 신경망 하드웨어를 제작해 개발한 알고리즘을 적용, 실제 인공지능 학습을 진행한 결과 인공지능 학습에 필요한 에너지가 37% 가량 절약되는 것을 확인했다.

이번 두뇌 신경 활동을 모방한 학습 알고리즘은 기존 전자기기 및 상용화된 반도체 하드웨어에 적용할 수 있으며 차세대 인공지능용 반도체 칩의 설계에도 사용할 수 있을 것으로 기대된다.

연구 결과는 국제 학술지 '어드밴스드 펑셔널 머터리얼즈(Advanced Functional Materials)'에 지난달 31일자로 게재됐다.(논문명:Demonstration of Neuromodulation-inspired Stashing System for Energy-efficient Learning of Spiking Neural Network using a Self-Rectifying Memristor Array).

공동 제1 저자인 신소재공학과 정운형·전재범 박사과정은 "인간의 두뇌는 생존을 위해 에너지 소모를 최소화하는 방향으로 진화해 왔다"며 "간단한 회로 구성만으로 인간 두뇌의 학습방식을 구현한 이번 연구를 통해 40% 가까운 에너지를 줄일 수 있었다. 이는 모든 SNN(스파이킹 뉴럴 네트워크) 인공 신경망에 사용 가능한 장점을 가진다"고 말했다.