|
인간의 뇌는 하나의 신경망으로 여러 일을 동시에 수행하거나 빠르게 전환해도 에너지 소모가 적다. 반면 기존 AI 반도체는 보통 하나의 작업에 맞춰 설계돼 있어 여러 일을 처리하려면 연산을 나누거나 순차적으로 수행해야 했고 이 과정에서 전력 소모가 커지는 문제가 있었다.
연구팀은 이를 해결하기 위해 하나의 인공 시냅스에서 전기와 빛, 두 가지 신호를 동시에 출력하는 구조를 제안했다. 이 구조는 두 출력을 각각 독립적 학습 경로로 활용하면서도 동일한 학습 상태를 공유한다. 성격이 다른 AI 작업을 하나의 하드웨어에서 병렬로 수행할 수 있는 것이다. 이를 통해 추가적인 시냅스 배열이나 반복 연산 없이도 멀티태스킹이 가능해져 구조적 비효율을 크게 줄일 수 있다.
연구팀의 실험 결과 해당 인공 시냅스는 반복적인 학습 환경에서도 성능이 안정적으로 유지됐다. 여러 작업을 동시에 학습하더라도 기존에 학습한 정보가 쉽게 손실되지 않음을 확인한 것이다. 이러한 구조를 적용한 AI 시스템은 계산 속도를 기존 단일 작업 방식 대비 최대 47% 향상됐다. 또한 GPU 기반 AI 가속기와 비교해 에너지 소모를 최대 32.4배까지 줄일 수 있음을 확인했다.
이번 연구는 과학기술정보통신부 중견연구사업 등의 지원을 받아 수행했다. 왕건욱 교수는 “이번 성과는 전기와 빛 신호를 동시에 활용하는 인공 시냅스를 통해 멀티태스킹 AI를 위한 새로운 하드웨어 구조를 제시한 것”이라며 “로보틱스, 의료·헬스케어, 자율주행 등 복합적인 판단이 필요한 분야에서 고속·저전력 AI 시스템으로 확장할 수 있을 것”이라고 설명했다.
