모바일 및 내장형/실시간 시스템을 위한 인공지능 구현을 위해서는 전력 효율이 매우 중요하다. Spiking Neural Network (SNN) 은 뇌 신경망을 모사한 구조를 바탕으로 Deep Neural Network (DNN) 대비 뛰어난 전력 효율을 보여 이러한 시스템에 적용될 잠재력이 아주 크다. 그러나 SNN 은 DNN 과 달리 수 Layer 이상의 다층 구조의 고성능 네트워크를 위한 학습 방법인 딥러닝 (Deep Learning) 이 적용되기 어렵다는 단점이 있으며 현재까지 뚜렷한 해결책이 제시된 사례가 없다. 이 과제에서는 SNN에 적용 가능한 학습 방법을 제안하고 그 방법에 최적화된 전용 칩을 개발하여 다층구조의 딥러닝 응용을 시연하고자 한다. 

기존 연구는 주로 고성능 서버군을 이용한 학습을 통한 딥러닝 정확도 향상 또는 디바이스에서 저전력의 추론 (inference)을 가능하게 하는 하드웨어 가속기 구현에 집중해왔다. 반면 본 연구에서는 디바이스 내에서의 학습을 가능하게 하는 스파이크 기반 저전력 뉴로모픽 회로를 구현하고자 한다. 따라서 연구 성공시 인공지능 응용을 전력 소모가 매우 중요한 모바일과 내장형/실시간 시스템으로 확장하는데 매우 중요한 역할을 할 것으로 기대된다.