에너지 효율이 매우 높은 인공 지능(AI)이 현실화 하고 있다.

UCL 연구자들의 연구에서 뇌에서 영감을 받은 컴퓨팅 시스템의 정확도를 개선할 수 있는 방법을 발견했다.

멤리스터(memristors)를 사용해 인공 신경망을 만드는 이 시스템은 기존의 트랜지스터 기반 AI 하드웨어보다 에너지 효율이 최소 1,000배 이상 높지만 지금까지 오류에 취약했다. 기존 AI는 매우 에너지 소모가 컸다. 하나의 AI모델을 학습하면 자동차 5대의 평생 배출량에 해당하는 284톤의 이산화탄소가 생성 될 수 있다.

모든 디지털 장치를 구성하는 트랜지스터를 2008년에 처음 제작된 새로운 전자 장치인 멤리스터로 교체하면 기존에 발생하는 배출량에 해당하는 1톤의 이산화탄소로 줄일 수 있다.

멤리스터는 기존 컴퓨팅 시스템보다 훨씬 더 에너지 효율적이기 때문에 잠재적으로 엄청난 양의 컴퓨팅 성능을 모바일 장치에 구현이 가능해 인터넷에 연결할 필요가 없다.

이는 데이터 수요가 지속적으로 증가하고 특정 시점 이상으로 데이터 전송 용량을 증가시키는 어려움으로 인해 향후 인터넷에 대한 과도한 의존이 문제가 될 것으로 예상되기 때문에 특히 중요합니다.

네이처 커뮤니케이션즈(Nature Communications)에 발표 된 새로운 연구에서 UCL 엔지니어들은 멤리스터가 여러 신경망 하위 그룹에서 함께 작동하도록 하고 계산을 평균함으로써 정확도가 크게 향상될 수 있음을 발견했다. 즉, 각 네트워크의 결함이 사상 될 수 있다.

전원이 꺼진 후에도 흐르는 전하량을 기억하기 때문에 “메모리가 있는 저항기”로 설명되는 멤리스터는 10여년 전에 처음 구축되었을 때 혁신적인 것으로 간주됐다. 멤리스터는 저항, 커패시터 및 인덕터를 보충하는 잃어버린 고리로 여겨졌다.

그 이후로 메모리 장치에서 상업적으로 제조됐지만 연구팀은 향후 3년 이내에 AI 시스템을 개발하는 데 사용될 수 있다고 말한다.

멤리스터는 1과 0의 바이너리 코드뿐만 아니라 0과 1 사이의 여러 수준에서 동시에 작동하기 때문에 효율성이 크게 향상되어 더 많은 정보를 각 비트에 압축할 수 있다.

더욱이 멤리스터는 종종 데이터 이동에 많은 에너지를 낭비하는 현재 컴퓨터 시스템과 달리 뇌에서와 같이 처리 및 기억이 동일한 적응형 구성 요소에서 구현되기 때문에 뇌에서 영감을받은 뉴로모픽(neuromorphic ) 형태의 컴퓨팅으로 설명된다.

이 연구에서 UCL 전자 및 전기공학과 에드난 메호닉(Adnan Mehonic)박사, 박사과정생 도비다스 요크사스(Dovydas Joksas) 및 영국과 미국의 동료들은 여러 유형의 멤 리스터에서 새로운 접근 방식을 테스트 한 결과 모든 멤리스터의 정확도가 향상됐음을 발견했다. 또한 멤리스터의 정확도에 영향을 미칠 수 있는 여러 가지 문제를 해결했다. 연구원들은 그들의 접근 방식이 일반적인 AI 작업에 대한 신경망의 정확도를 기존 디지털 하드웨어에서 실행되는 소프트웨어 도구와 비슷한 수준으로 향상시켰다.

연구 책임자 메호닉은 “우리는 장치 수준이 아닌 시스템 수준 동작을 개선하는 보다 일반적인 접근 방식이 있기를 바랐으며 하나를 찾았다고 생각한다. 우리의 접근 방식은 멤리스터에 관해서는 여러 헤드가 하나보다 낫다는 것을 보여준다. 신경망을 하나의 큰 네트워크가 아닌 여러 개의 작은 네트워크로 배열하면 전체적으로 정확도가 향상됐다”고 말했다.

이 연구의 공동 저자 토니 케니언(Tony Kenyon) UCL 전자 및 전기 공학교수는 “우리는 IoT 장치 및 엣지 컴퓨팅의 지속 가능한 시대인 지금이 더 많은 에너지에서 주도적 역할을 할 수있을 것”이라고 덧붙였다.