과제 & 연구자
큰 꿈을 향한 무한탐구의 연구열정,
삼성미래기술육성사업이 응원하며 함께 하겠습니다.
지난 몇 년간 눈부신 발전으로 인간의 삶을 바꾸어 놓고 있는 인공지능 기술은 인간의 뇌에서 뉴런과 시냅스를 통해 정보를 전달하고 처리하는 방식을 모방한 뉴럴 네트워크 (neural network) 기술 기반의 기계학습(Machine Learning)을 통하여 자연어 처리 및 이미지 인식 등의 다양한 응용 분야에서 인간의 능력을 뛰어넘는 성능을 보여주고 있어 산업계는 물론 사회 전반적으로 지대한 파급효과를 가져오고 있습니다. 뉴럴 네트워크의 인지 성능은 일반적으로 학습 데이터의 양이 많을수록, 그리고 뉴럴 네트워크의 규모가 크고 심도가 깊을수록 더욱 향상되는 경향성이 있어서 뉴럴 네트워크의 규모는 갈수록 커지고 계층의 숫자는 더욱 많아지고 있습니다. 이로 인해 각 계층의 뉴런을 서로 연결하는 가중치 파라미터의 개수가 급격히 증가하고 있어 뉴럴 네트워크 학습을 위해 필요한 연산의 양이 기하급수적으로 늘어나고 있는 상황입니다. 따라서, 전통적인 반도체 공정 미세화를 통한 연산 속도의 향상을 기대하기 어려운 현재 상황에서 뉴럴 네트워크 연산에 특화된 새로운 하드웨어에 대한 필요성이 대두되고 있는 상황입니다.
최근 뉴로모픽 시냅스 소자 어레이로 구성된 새로운 아키텍쳐를 이용하면 대규모 병렬 연산이 가능해져 현재의 디지털 컴퓨터에 비해 수 백배 이상 빠른 뉴럴 네트워크 학습 속도를 달성할 수 있음이 밝혀져 활발한 연구가 진행되고 있습니다. 본 연구에서는 시냅스 어레이를 이용한 뉴럴 네트워크 학습에 특화된 새로운 알고리즘을 개발 및 발전시키고, 이를 기반으로 뉴로모픽 시냅스 소자의 핵심 기술을 개발하여 뉴럴 네트워크 연산 속도의 획기적인 향상을 이룰 수 있는 기본 기술을 개발하고자 합니다.
이러한 연구가 성공하게 된다면 인공지능 관련 연산의 처리 속도가 현재보다 획기적으로 빨라져 현재 수 일에서 수 주까지 소요되는 상용 스케일의 뉴럴 네트워크 학습을 수 분에서 수 시간까지 단축시킬 수 있고, 기존에는 학습이 어려웠던 초대형 뉴럴 네트워크까지 학습이 가능하게 됨으로써 인공지능 기술의 성능과 응용분야의 질적, 양적 확대가 가능해지고 막대한 사회경제적 파급효과가 기대됩니다.
지난 몇 년간 눈부신 발전으로 인간의 삶을 바꾸어 놓고 있는 인공지능 기술은 인간의 뇌에서 뉴런과 시냅스를 통해 정보를 전달하고 처리하는 방식을 모방한 뉴럴 네트워크 (neural network) 기술 기반의 기계학습(Machine Learning)을 통하여 자연어 처리 및 이미지 인식 등의 다양한 응용 분야에서 인간의 능력을 뛰어넘는 성능을 보여주고 있어 산업계는 물론 사회 전반적으로 지대한 파급효과를 가져오고 있습니다. 뉴럴 네트워크의 인지 성능은 일반적으로 학습 데이터의 양이 많을수록, 그리고 뉴럴 네트워크의 규모가 크고 심도가 깊을수록 더욱 향상되는 경향성이 있어서 뉴럴 네트워크의 규모는 갈수록 커지고 계층의 숫자는 더욱 많아지고 있습니다. 이로 인해 각 계층의 뉴런을 서로 연결하는 가중치 파라미터의 개수가 급격히 증가하고 있어 뉴럴 네트워크 학습을 위해 필요한 연산의 양이 기하급수적으로