기존 소자의 불안정성을 AI(인공지능) 학습에 적용해 학습 능력을 높일 수 있는 기술이 개발됐다.
UNIST(울산과학기술) 정홍식 교수 연구팀은 중국 칭화대 연구팀과 공동으로 인공신경망 칩의 불안정성을 이용해 인공신경망의 학습 능력을 높일 수 있는 새로운 학습법을 확립했다고 18일 밝혔다.
인공신경망 칩은 뇌의 뉴런과 시냅스를 반도체 칩으로 구현한 것으로, 인간 뇌처럼 에너지는 적게 쓰면서 연산과 기억 작업을 동시에 할 수 있다. 하지만 물리적으로 수많은 소자를 집적된 인공신경망 칩은 오차가 존재해 학습 능력이 떨어지는 문제가 있다.
연구팀은 인공신경망 칩처첨 동작 가능한 상변화 메모리(P-RAM) 기반 멤리스터(메모리반도체+저항)을 만들어 추가적인 전력 소모 없이 학습 능력을 향상시키는 기술을 개발했다. 메모리 반도체 내 상변화물질의 '저항 드리프트 현상(전기저항 증가)'을 학습에 반영한 것으로, 학습 과정 중 시냅스가 자신이 변화하는 패턴과 학습 데이터 간 연관성을 추가 학습하게 된다.
연구팀은 숫자 0∼9로 구성된 손글씨를 분류하는 실험을 통해 새로운 학습법이 기존보다 3% 가량 학습 능력 향상 효과가 있다는 것을 확인했다. 특히 손글씨 분류가 어려운 숫자인 8의 경우 시냅스의 업데이트 패턴 덕분에 정확도가 더 크게 높아졌다.
정홍식 UNIST 교수는 "반도체 소자의 불안정성을 최소화하려는 접근법 대신 이를 활용해 학습능력을 높이는 방법을 제시한 것"이라며 "인공지능의 두 가지 화두인 '인공신경망 칩 개발'과 '인공신경망을 통한 뇌신경기능' 연구에 기폭제 역할을 할 것"이라고 말했다.
이 연구결과는 국제 학술지 '네이처 커뮤니케이션즈(지난 12일자)' 온라인판에 실렸다.이준기기자 bongchu@dt.co.kr
정홍석 UNIST 교수 연구팀은 인공신경망 칩의 불안정성을 이용해 인공신경망의 학습 능력을 높일 수 있는 새로운 학습법을 개발했다. 사진은 상변화 메모리 기반의 멤리스터 어레이와 어레이 및 소자를 투과전자현미경으로 관찰한 이미지.
