KIST, 두뇌 닮은 '스파이킹 신경망 반도체' 개발..디지털·아날로그 방식 각기 구현

김재욱 KSIT 박사(사진 왼쪽)와 박종길 박사가 이번에 개발한 스파이킹 신경망 반도체 성과물을 들어보이는 모습.

적은 에너지로 고차원 인공지능(AI) 구현이 가능한 AI 반도체 개발이 요구되는 가운데, 한국과학기술연구원(KIST)이 새로운 스파이킹 신경망(SNN) 반도체를 개발했다. 각기 디지털과 아날로그 방식을 적용, 2개 성과물을 내놓았다.

SNN은 뉴런이 시냅스를 통해 다른 뉴런으로 스파이크 신호를 전달하는 두뇌 정보 전달 방식에 영감을 얻은 신경망 구조다. 뉴로모픽 반도체 일종이다. 신호 발현 시에만 정보 처리가 이뤄져, 모든 입력값에 연산이 이뤄지는 '딥 뉴럴 네트워크(DNN)'보다 효율적이다.

박종길 박사팀은 대규모 시스템에 적합한 디지털 방식의 뉴플러스(Neu+), 김재욱 박사팀은 사람처럼 경험으로 최적의 행동을 학습하는 아날로그 방식의 뉴로핏(NeuroFit)을 개발했다.

뉴플러스는 대규모 디지털 뉴로모픽 시스템이다. 고집적 시스템 제작이 가능한 디지털 설계 방법을 활용했다. 이를 통해 100만개 스파이킹 뉴런, 10억개 시냅스를 실시간, 디지털 방식으로 모사해 집적도를 높였다. 뉴플러스는 SNN 기반 응용 애플리케이션(앱) 개발용 플랫폼 역할을 할 것으로 기대된다.

박종길 박사는 “향후 드론, 자율 주행차, 및 서비스 로봇 등 저전력이 필요한 모바일 환경에서 자율 시스템 두뇌 역할을 하는 핵심 AI 반도체로 이용 가능할 것”이라고 밝혔다.

뉴로핏은 국내 최초로 피드백 신호를 반영하는 두뇌 신경망 학습방식을 모사해, 적응형 운동학습을 수행할 수 있도록 한 뉴로모픽 프로세서다.

1024개 뉴런, 뉴런 당 최대 64개 시냅스를 탑재했는데 그동안 대부분 프로세서 설계에서 배제된 아날로그 회로를 중점 사용했다. 아날로그 회로는 매우 적은 비용과 전력으로 운용할 수 있지만, 정밀도가 낮고 오차가 생길 수 있다.

다만 뉴로핏은 오차가 피드백 신호에 반영돼 학습돼 정확도 희생을 막을 수 있다. 로봇 팔 동작에 오차가 있어도 연습으로 이에 적응하는 것과 같은 이치다.

김재욱 박사는 “피드백 신호를 반영하는 적응형 학습방식 도입은 앞으로의 뉴로모픽 프로세서 설계에 있어 저전력이 가능한 아날로그 회로의 비중이 높아지는 계기가 될 것”이라고 말했다.

김영준기자 kyj85@etnews.com