이 컴퓨팅 칩은 자가 오류 수정 기능을 탑재한 고신뢰성 멤리스터 소자를 활용하여 실시간 학습과 영상 처리까지 지원한다.
기존의 컴퓨터 시스템은 데이터 처리 장치와 저장 장치가 분리돼 있어 복잡한 인공지능 작업을 효율적으로 처리하는 데 한계가 있었다.
|
|
|
이 시스템은 원격 클라우드 서버에 의존하지 않고, 실시간으로 의심스러운 활동을 인식하는 스마트 보안 카메라나, 건강 데이터를 실시간으로 분석하는 의료기기 등 다양한 분야에 활용될 수 있다.
|
|
이번에 개발된 칩의 가장 큰 특징은 기존 뉴로모픽 소자에서 발생하던 오류를 자가 학습을 통해 수정할 수 있다는 점이다. 예를 들어, 영상 스트림을 처리할 때 칩은 움직이는 물체를 배경에서 자동으로 분리하는 방법을 학습하며, 시간이 지날수록 성능이 향상된다.
이 자가 학습 기능은 실시간 영상 처리에서 이상적인 정확도를 보이며, 실제로 컴퓨터 시뮬레이션 수준에 버금가는 성능을 달성했다고 연구팀은 설명했다. 또한, 이 칩은 신뢰성과 실용성을 동시에 갖춘 시스템으로 완성됐다.
핵심 기술은 멤리스터라는 차세대 반도체 소자에 있다. 멤리스터는 메모리와 저항의 특성을 갖춘 소자로, 기존 전자기기에서 분리되어 있던 데이터 저장과 연산 기능을 하나의 소자에서 동시에 수행할 수 있게 한다. 연구팀은 멤리스터 소자의 고신뢰성을 확보하고, 이를 통해 오류 수정 및 실시간 학습을 가능하게 하는 효율적인 시스템을 개발했다.
이 연구는 실시간 인공지능 학습 및 추론을 지원하는 차세대 뉴로모픽 반도체 기반 시스템의 상용화 가능성을 실험적으로 검증한 중요한 성과로 평가된다.
|
이 기술은 AI 작업을 원격 클라우드 서버에 의존하지 않고, 로컬에서 처리할 수 있게 만들어 기기들의 속도 향상과 함께 개인정보 보호를 강화하며, 에너지 효율성도 개선한다.
이 기술은 스마트 보안 카메라, 건강 데이터 분석 의료기기 등 다양한 분야에 활용될 수 있으며, 실시간 데이터 처리에서 혁신을 일으킬 것으로 기대된다.
KAIST 전기및전자공학부의 최신현 교수, 윤영규 교수 공동 연구팀은 이 연구를 통해 AI 작업을 더 빠르고 효율적으로 처리할 수 있는 가능성을 제시했다. 연구는 2025년 1월 8일자 ‘네이처 일렉트로닉스 (Nature Electronics)’에 온라인 게재됐다. 연구는 한국연구재단과 여러 정부 지원 사업의 지원을 받아 수행됐다.
KAIST의 정학천 연구원과 한승재 연구원이 제1저자로 참여한 이번 연구는 기존의 뉴로모픽 소자와 멤리스터 기술을 결합해, 실시간 영상 처리 및 인공지능 작업을 보다 효율적으로 처리할 수 있는 새로운 길을 열었다.
폰 노이만 구조 한계 극복
이번 연구는 기존 폰 노이만 구조의 한계를 극복하고, 멤리스터 소자가 지닌 가변 저항 특성을 활용하여 연산과 저장을 동시에 수행할 수 있는 컴퓨팅 칩 설계를 가능하게 했다.
이 기술은 효율적인 데이터 처리뿐만 아니라, 환경 변화에 즉시 적응할 수 있는 능력을 제공하며, 실시간 영상 처리와 같은 인공지능 분야에서 중요한 변화를 이끌 것으로 보인다.
연구 개요
핵심 기술: 멤리스터 기반의 자가 학습 및 오류 수정 기능 탑재
기대 효과: 클라우드 서버 의존 없이 로컬에서 AI 작업 처리, 개인정보 보호 강화, 에너지 효율성 향상
기술 적용 분야: 스마트 보안 카메라, 의료기기, 스마트 기기 등
