본문 바로가기메뉴 바로가기

댓글0
번역beta

Translated by kakao i

번역할 언어 선택

뷰 본문

이웃집과학자

인공지능이 더 똑똑해지는 방법

By 이웃집과학자

1,494 읽음
댓글0
번역beta

Translated by kakao i

번역할 언어 선택

인공지능(인공신경망)의 학습 능력을 향상시키는 새로운 기술이 개발됐습니다. UNIST 신소재공학과 정홍식 교수팀과 중국 칭화대 연구진은 인공신경망 칩의 불안정성을 역이용해 인공신경망의 학습능력을 향상시키는 새로운 학습법을 제안했습니다. 본 연구는 'Nature Communications'에 게재됐습니다. 

인공지능 학습 능력을 향상시키는 새로운 기술.

출처fotolia
인공지능 학습 능력을 높이는 기술

상변화메모리(P-RAM) 소자 및 저항변화 특성 확보.

출처UNIST

인공신경망은 인공지능의 한 종류로 인간의 신경을 흉내낸 머신러닝 기법입니다. 인공신경망 칩은 뇌의 뉴런과 시냅스를 반도체 칩으로 구현하는 미래 기술입니다. 연구진은 인공신경망 칩처럼 동작이 가능한 상변화 메모리반도체(P-RAM) 기반 멤리스터(메모리반도체+저항) 어레이를 만들어 제안된 학습법의 효과를 입증했습니다. 이 학습법은 정보저장 물질(상변화물질)의 자발적 전기저항 증가를 이용하기 때문에 추가적 전력소모 없이 학습능력 향상이 가능하다는 장점도 있습니다.


  • 상변화 메모리

물질의 상(phase)이 결정상과 비결정질을 오가는 것을 이용해 정보를 저장하는 메모리입니다. 비결정질 상태에서 시간이 지남에 따라 전기저항이 증가하는 저항드리프트 현상이 있습니다.

  • 멤리스터(Memrister)

메모리(기억)와 레지스터(저항)의 합성어로, 기존 0 또는 1 디지털 정보만 저장하는 대신 다양한 아날로그 저항 값을 저장할 수 있어 뇌신경 시스템의 구성요소인 시냅스(synapse)를 구현할 수 있는 메모리 소자입니다.


정홍식 교수는 "반도체 소자의 불안정성을 최소화하려는 접근법 대신 이를 이용해 학습능력을 향상 시키는 접근법을 고안했다는 점에서 인공신경망 칩 개발의 새로운 패러다임을 제시한 연구"라고 설명했습니다.

상변화메모리(P-RAM) 소자 구성된 인공신경망 구축.

출처UNIST

인공신경망 칩을 쓰면 인간 뇌처럼 에너지는 적게 쓰면서 연산과 기억 작업을 동시 할 수 있습니다. 하지만 물리적으로 수많은 소자가 집적된 인공신경망 칩은 오차가 존재한다는 단점이 있습니다. 기존 인공신경망 학습방법은 오차가 없는 완벽한 인공신경망 칩을 가정한 학습방법이라 인공신경망의 학습능력이 떨어집니다. 

P-RAM 저항드리프트에 의한 기존 학습과정과의 차별성.

출처UNIST

정 교수 연구팀은 실제 인간 뇌도 완벽에 가까운 동작이 필요하지 않다는 점에서 착안해 상변화 메모리기반 멤리스터 인공신경망 학습법을 개발했습니다. 이 학습법은 메모리 반도체내 상변화물질의 '저항 드리프트 현상'(전기저항 증가)을 학습에 반영한 겁니다. 학습 과정 중 정보 업데이트 패턴이 시냅스 역할을 하는 멤리스터에 전기저항 증가 형태로 기록되기 때문에 시냅스는 자신이 변화하는 패턴과 학습하는 데이터간 연관성을 추가로 학습하게 됩니다.


연구팀은 숫자 0~9로 구성된 손 글씨를 분류하는 실험을 통해 개발된 학습법이 3% 정도의 학습능력 향상 효과를 가짐을 보였습니다. 특히 손 글씨 분류가 어려운 숫자 8의 경우 정확도가 더 크게 향상됐습니다. 손 글씨 분류 난이도에 따라 차별적으로 변화하는 시냅스 업데이트 패턴 덕분에 학습능력이 향상된 겁니다.


학습 결과 및 해석.

출처UNIST

제1저자인 임동혁 연구조교수는 "상대적으로 분류하기 쉬운 숫자 1의 경우 시냅스 업데이트가 자주 발생했는데, 이는 뇌신경과학의 동물실험에서 나타나는 의사결정 확정도 (decision confidence) 와 높은 유사성을 갖는다는 점에서도 매우 흥미롭다"고 설명했습니다.


  • 의사결정 확정도

어떤 상황을 인지하고 어떻게 행동을 해야 할지 결정하는 과정인 의사결정 과정 중 결정된 행동을 얼마나 신뢰할만한지(확정도) 판단할 수 있어야 잘못된 행동을 최소화할 수 있습니다. 동물실험에서는 결정 상황의 난이도에 따라 차별화된 뇌 활성도를 보이는데, 쉬운 결정이 맞거나 틀렸을 경우의 뇌 활성도 차이가 어려운 결정에 비해 더 크게 나타납니다.


연구진은 이번 연구가 최근 인공지능 분야의 두 가지 화두인 '인공신경망 칩의 개발'과 '인공신경망을 통한 뇌신경기능 구현' 잇는 인공지능기반 융합연구의 기폭제 역할을 할 것으로 기대했습니다.

정홍식 교수(우측)과 임동혁 박사(좌측)

출처UNIST

##참고자료##

  • Lim, DH., Wu, S., Zhao, R. et al. Spontaneous sparse learning for PCM-based memristor neural networks. Nat Commun 12, 319 (2021). https://doi.org/10.1038/s41467-020-20519-z


작성자 정보

    실시간 인기

      번역중 Now in translation
      잠시 후 다시 시도해 주세요 Please try again in a moment