손글씨 분류 정확도 3% 향상..'인공 뇌' 모방한 기술 개발

울산과학기술원, 중국 칭화대와 공동 연구
상변화 메모리 멤리스터 기반 인공신경망 학습법 제시
상변화 물질 자발적 저항증가로 전력소모 없이 학습

[이데일리 강민구 기자] 국내 연구진이 중국 연구진과 인공지능(인공신경망)의 학습 능력을 높일 새로운 기술을 내놨다. 개발한 기술은 인공신경망 칩 개발과 인공신경망을 통한 뇌신경기능 구현 연구에 활용할 수 있을 전망이다.

울산과학기술원(UNIST)은 정홍식 신소재공학과 교수팀이 루핑 시(Luping Shi) 중국 칭화대 연구팀과 인공신경망 칩의 불안정성을 역이용해 머신러닝 기법인 인공신경망의 학습능력을 높이는 학습법을 제안했다고 18일 밝혔다.

상변화메모리 소자 구성된 인공신경망.(자료=울산과학기술원)

인공신경망 칩은 뇌의 뉴런과 시냅스를 반도체 칩으로 구현하는 기술이다. 연구팀은 인공신경망 칩처럼 동작하는 상변화 메모리반도체(P-RAM) 기반 멤리스터(메모리반도체+저항) 어레이를 만들어 제안된 학습법의 효과를 입증했다. 학습법은 정보저장 물질의 자발적 전기저항 증가를 이용하기 때문에 추가 전력소모 없이 학습능력 향상이 가능하다.

인공신경망 칩을 쓰면 인간 뇌처럼 에너지는 적게 쓰면서 연산과 기억 작업을 동시에 할 수 있지만 물리적으로 많은 소자가 집적되면 오차가 발생한다. 기존 인공신경망 학습방법은 오차가 없는 완벽한 인공신경망 칩을 가정한 학습방법이기 때문에 인공신경망의 학습능력이 떨어졌다.

연구팀은 실제 인간 뇌도 완벽에 가까운 동작이 필요하지 않다는 점에서 착안해 상변화 메모리기반 멤리스터 인공신경망 학습법을 개발했다. 메모리 반도체내 상변화물질의 전기저항 증가 현상인 ‘저항 드리프트 현상’을 학습에 반영했다.

학습 과정 중 정보 업데이트 유형이 시냅스 역할을 하는 멤리스터에 전기저항 증가 형태로 기록돼 시냅스는 자신이 변화하는 패턴과 학습하는 데이터간 연관성을 추가로 학습하는 원리다.

실제 연구팀은 숫자 0~9로 구성된 손 글씨를 분류하는 실험을 통해 개발한 학습법이 3% 정도의 학습능력 향상 효과를 보이는 것을 확인했다.

정홍식 교수는 “반도체 소자의 불안정성을 최소화하려는 접근법 대신 이를 이용해 학습능력을 높일 접근법을 고안했다”며 “인공신경망 칩 개발의 새로운 패러다임을 제시한 연구”라고 했다.

연구 결과는 국제 학술지 ‘네이처커뮤니케이션즈(Nature Communications)’에 지난 12일자 온라인판에 게재됐다.

강민구 (science1@edaily.co.kr)