뇌를 닮은 AI 반도체, 뉴로모픽 반도체란?

 

AI에 대한 관심이 높아지고, 많은 자본을 투입하여 학습을 수행하고 있습니다. 그에 따른 전력 소모도 굉장히 큰데요. 이번 글에서는 저전력으로도 학습이 가능한 뇌를 모방한 혁신적인 AI 반도체, 뉴로모픽 반도체가 무엇인지 알아보고 기존 CPU와 어떠한 차이가 있는지 알아보겠습니다.

폰 노이만 구조의 문제점

일반적으로 컴퓨터 시스템을 생각한다면 폰 노이만 구조가 가장 대표적일 텐데요. 폰 노이만 구조란 연산을 담당하는 CPU와 기억을 담당하는 캐시와 메모리로 이루어져 있습니다. 계산이 필요할 때 메모리에서 캐시나 레지스터로 값을 옮기고 CPU에서 연산을 한 다음 다시 메모리에 저장하는 것이죠.

 

이렇게 순차적인 작업을 빠르게 처리하는 데 특화되어 있는 기존의 컴퓨터는 연산과 기억을 담당하는 부분이 나뉘어져 있다는 특징 때문에 대용량으로 정보가 들어왔을 때 병목현상이 일어나게 됩니다. 즉 순차적인 건 잘 처리하는데 막대한 데이터를 한번에 처리하지 못하며 전력소모도 크게 나타납니다.

 

반응형

 

뉴로모픽 반도체란?

뉴로모픽 반도체는 이러한 기존의 컴퓨터 구조가 가지고 있는 문제점을 해결하기 위해 고안된 반도체인데요. 두뇌의 신경세포인 뉴런(neuron)을 모사(morphic)하는 반도체입니다.

 

인간의 뇌는 연산과 기억을 담당하는 뉴런이 따로 존재하는 것도 아니고, 다양한 감각기관에서 받아들이는 대량의 정보를 시냅스를 활용해 패턴화하여 병렬적으로 처리하죠. 이처럼 뉴로모픽 반도체는 뇌의 작동 원리를 모방하여 패턴을 추상화하고 정보처리를 빠르게 할 수 있습니다. 그에 따라 전력 소모도 많이 줄어들게 됩니다. 그런데 이러한 병렬처리는 GPU도 잘하지 않나요?

 

 

 

GPU 병렬 처리와의 차이

GPU(Graphic Processing Unit)는 복잡한 계산이 가능한 CPU와 달리 단순한 연산을 병렬적으로 빠르게 처리하는 데 특화된 하드웨어인데요. AI를 학습할 때 행렬 곱셈이 필수인데 이를 빠르게 수행할 수 있어 많이 사용되고 있죠. 이러한 GPU는 딥러닝에도 많이 쓰이지만 일반적인 컴퓨터에서 그래픽을 처리하는 용도로도 사용되는 general한 목적을 가지고 있습니다. 그에 반해 뉴로모픽 반도체는 AI 학습에 특화된 반도체인데요.

 

뉴로모픽 반도체는 우선 입출력부터 기존에 우리가 사용하던 01001 같은 binary 체계가 아닌 spike 신호로 들어오는 즉시 처리가 이루어지고, 연산을 담당하는 유닛이 아니라 뉴런들을 사용해 학습과 저장, 계산을 한번에 합니다. 또 DNN(Deep Neural Network)처럼 레이어 별로 순차적인 계산이 이루어지는 게 아니라 모든 뉴런들이 서로 연결되어 더욱 빠르고 전력소모도 덜하죠.

 

물론 장점만 있는 건 아닙니다. DNN은 순차적으로 비선형적인 연산을 중간중간 해주어 데이터를 표현할 수 있는 범위가 복잡하고 다양한데, 뉴로모픽의 SNN(Spike Neural Network)는 조금 더 단순한 표현이 가능합니다.

 

뉴로모픽 반도체 전망

뉴로모픽 반도체는 뇌의 작동 원리를 모방해 그동안의 연산과 저장을 따로 수행하는 구조를 벗어나 빠르고 저전력으로 AI 학습을 가능하게 해주는데요. 아직 상용화되지는 않았지만, 기존 하드웨어의 틀을 깨는 혁신적인 주제이고, 기존의 딥러닝 모델들과 성능을 비교하며 전력 소모를 대폭 줄이는 연구들이 진행되고 있습니다. 그에 따라 향후 AI 발전에 중요한 역할을 하게 될 것으로 기대됩니다.