| 딥러닝 AI, 뉴런 네트워크 SW적으로 모사한 것
| HW적으로 모사한 AI 뉴로모픽 칩 개발 필수
| 메타물질 활용으로 단위 뉴런 연산 기능을
| 광학적 신호처리로 모사하고 재현하는 데 성공

국내 연구진이 AI 구현을 위한 뉴로모픽 광(光) 뉴런 소자설계에 성공했다.

서울대학교 박남규 교수, 유선규 박사, 박현희 박사 연구팀이 고속 연산 AI 구현을 위해, 두뇌의 기본 단위인 뉴런의 동작을 빛의 흐름으로 모사하는 데 성공하였다고 과학기술정보통신부가 4일 밝혔다.

인간 뇌의 뉴런 세포는 전자회로의 트랜지스터와 같은 역할을 하는 신경계의 단위 프로세서라고 할 수 있다. 뇌의 학습 및 기억 능력은 뉴런 각각의 신호처리 기능이 복잡한 신경망 네트워크를 통해 연계되어 구현된다.

딥러닝 기반 AI 기술은 두뇌의 뉴런 네트워크를 컴퓨터 프로그램을 통해 소프트웨어적으로 모사한 것으로, 안정적이고 효율적으로 AI을 구현하기 위해서는 소프트웨어적 접근 이외에, 뉴런의 동작과 네트워크 자체를 하드웨어적으로 모사한 AI 전용 뉴로모픽(Neuromorphic) 칩의 개발이 필수적이다.

뉴로모픽 기술이란, 생물학적 신경계 시스템에서의 신호처리를 반도체 및 광학 분야 등의 하드웨어 시스템을 통해 모사하는 기술을 의미한다.

최근 반도체 전자회로의 나노 공정이 수 나노미터로까지 미세화됨에 따라 발열과 속도의 한계는 반도체 소자의 성능 향상에 근본적인 제약이 되고 있으며, 이는 뉴로모픽 반도체 전자회로 구현에도 궁극적인 제한요소가 될 것으로 예상된다.

반면 전자가 아닌 빛으로 연산하는 뉴로모픽 소자는 발열이 없는 저전력 및 초고속 동작이 가능하다는 점에서 MIT, 스탠퍼드 대학 등 세계 각지의 연구기관에서 연구를 진행하고 있다.


연구진은 패리티-시간 대칭(Parity-Time Symmetry)이라는 특이한 물리적 대칭성을 만족하는 증폭·손실 물질에 시간 대칭성을 제어하는 비선형성(Nonlinearity)을 추가한 메타물질(Metamaterial)을 활용하여, 단위 뉴런의 다양한 연산 기능들을 광학적인 신호처리로 모사, 재현하는 데에 성공하였다.

패리티-시간 대칭이란, 어떤 시스템에 공간상 반전 및 시간 축의 역전을 동시에 가했을 때 해당 시스템이 원래 시스템과 같은 경우를 나타내는 대칭성이다. 해당 대칭을 만족하면 시스템 내에서 에너지의 이득 및 손실이 있더라도 전체 에너지 상태는 안정적일 수 있다고 알려져 있다.

비선형성은 입력값과 출력값이 비례관계에 있지 않은 특성이다. 빛은 전자기파의 특성을 결정하는 맥스웰 방정식에 의해 선형적 특성을 가지지만, 빛 전파 매질의 특성 및 빛의 세기에 따라 비선형성을 가질 수 있다.

메타물질은 인위적 매질의 배열 구조를 통해 자연계에 존재하지 않은 특성을 가지도록 설계된 물질로서, 투명망토 등에 응용된다.

연구진은 빛의 세기에 따라 입력값과 출력값이 달라지는 비선형성을 갖는 메타물질을 개발하고, 이를 두뇌 내 뉴런과 같은 나트륨 채널과 칼륨 채널에 대응시킴으로써, 뉴로모픽 광소자에서의 신경 신호 처리를 광속으로 구현하는 데 성공하였다.

전기 신호가 외부 잡음에도 흔들림 없이 안정적 세기를 유지하는 등 뉴로모픽 및 두뇌 모사 메모리 소자에서 필요로 하는 다양한 기능들을 빛의 흐름으로 구현할 수 있음도 이론적으로 확인하였는데, 이는 세계 최초로 빛의 속도로 동작이 가능한 초고속 뉴런 모사 광소자의 설계 개념을 정립한 것이다.

연구를 주도한 박남규 교수는 “본 연구에서는 생물학적 구조의 동작 원리를 물리적 대칭성을 통해 해석하고, 이를 이용해 새로운 광학 소자를 설계하는 다학제적인 접근 방식을 적용하였다”고 말했다.

이어, “뉴로모픽 회로의 단위 소자인 뉴런의 기능들을 빛을 신호 전달체로 하여 구동할 수 있게 함으로써, 초고속 뉴로모픽 소자 및 AI 개발에 전기가 되는 것은 물론, 구현된 각 기능은 높은 안정성을 갖는 레이저 등에도 응용할 수 있다”고 밝혔다.