[논문]뉴로모픽 포토닉스 기술 동향

권용환; 김기수; 백용순

doi:10.22648/etri.2020.j.350404

뉴로모픽 포토닉스 기술 동향
Trends in Neuromorphic Photonics Technology 원문보기

전자통신동향분석 = Electronics and telecommunications trends, v.35 no.4, 2020년, pp.34 - 41

권용환 (광융합부품연구실) , 김기수 (광융합부품연구실) , 백용순 (광무선원천연구본부)

Abstract ▼ AI-Helper

The existing Von Neumann architecture places limits to data processing in AI, a booming technology. To address this issue, research is being conducted on computing architectures and artificial neural networks that simulate neurons and synapses, which are the hardware of the human brain. With high-speed, high-throughput data communication infrastructures, photonic solutions today are a mature industrial reality. In particular, due to the recent outstanding achievements of artificial neural networks, there is considerable interest in improving their speed and energy efficiency by exploiting photonic-based neuromorphic hardware instead of electronic-based hardware. This paper covers recent photonic neuromorphic studies and a classification of existing solutions (categorized into multilayer perceptrons, convolutional neural networks, spiking neural networks, and reservoir computing).

주제어

표/그림 (5)

그림 그림 1 뉴로모픽 하드웨어 플랫폼 비교
표 표 1 전자 및 광 뉴로모픽 소자의 특성 비교
그림 그림 2 뉴로모픽 포토닉스 연구 분류(광 다층 신경망, 컨볼루션 신경망, 스파이킹 신경망, 축적 컴퓨팅)
그림 그림 3 마하 젠더 간섭계로 구성된 광학 간섭 유닛 및 비선형 유닛 개념도
그림 그림 4 위상변화재료를 마이크로 링 공진기에 적용한 포토닉 뉴런의 개념도

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

보고되었다[10]. 본 연구에서는 단위 소자, 단위 뉴런, 단위 레이어들의 계위를 보여주고 이들이 통합되어 하나의 뉴로모픽 포토닉 칩을 구성할 수 있음을 제안하였고, 입출력 펄스를 피드백 라인을 통해서 겹치게 하여 스파이크 생성에 기여한 모든 입력의 시냅스 가중치는 증가하는 반면, 다른 입력은 감소하도록 하는 비지도 학습의 가능성을 제시하였다.

제안 방법

Mehrabian 등은 마이크로 링 공진기(MRR: MicroRing Resonator) 기반으로 컨볼루션 신경망을 위한 광 가속기를 제안하였다[6]. MRRe 소자 크기가 작은 장점을 가지고 있으며, 노드에 위치하여 MAC 연산을 수행하고 BW(Broadcast-and -Weight) 프로토콜을 구현하도록 설계되었다. BW 프로토콜은 파장분할다중화(WDM: Wavelength Division Multiplexing) 방법을 사용하여 광 뉴런 프로세서 간에 확장 가능한(Scalable) 상호 연결을 제공할 수 있어 향후 큰 배열의 제작도 가능할 전망이다.
그래핀 레이저는 스파이크 정보 처리를 위한 스파이킹 뉴런으로 제안되었다. 중간에 삽입된 그래핀 층은 비선형 활성화 기능을 수행하기 위해 광 포화 흡수체로 사용되었으며, 시간적 패턴 인식을 시연하기 위해 광섬유 기반의 프로토 타입으로 구현된 바 있다.
, without memory) 신경망과 스파이킹신경망과 축적 컴퓨팅(Reservoir Computing)과 같은 상태를 저장하는(Stateful) 신경망 용도로 나누어 볼 수 있다[1]. 그리고 더 세부적으로는 자유 공간 광학과 집적 광학 소자를 이용하는 구도와 추론만 진행하는 경우와 훈련과 추론을 동시에 진행하는 연구로 분류해 보았다.
좀 더 작은 크기의 부품 구현을 위해분포궤환형(DFB: Distributed Feedback) 레이저를 기반으로 하는 스파이킹 뉴런의 개념이 소개되었다. 본 연구에서는 각각 억제(Inhibitory) 및 흥분(Exci- tatory) 자극을 제공하는 두 개의 광 검출기를 사용하였으며, 본 시스템은 BW 프로토콜과 호환되었고, 최대 10¹²MAC/s의 처리속도를 보여주었다[7].
제안된 구도의 단위 뉴런은 양극성의 적분 및 발사(Integrate-and-fire) 기능을 가지는데, 이때 적분 유닛은 PCM이 적용된 두 개의 MRR 소자로 구성되며 합쳐진 MRR 출력이 상황에 따라 발사 유닛을 활성화하도록 구성된다. 물리적으로는 PCM 소재의 MRR 적용 시에 일어나는 흡수 및 굴절률변화 현상을 이용하여 시냅스의 가중치와 뉴런의 integrate-and-fire 기능을 수행할 수 있다.

성능/효과

OIU는 56개의 프로그래밍 가능한 마하 젠더 간섭계(MZI: Mach- Zehnder Interferometers)로 구성된 일련의 배열로 이루어지며, 이때 MZI는 노드에서 신호의 분기비를조정할 수 있다. 온칩 교육 절차가 제안되었지만 실험적인 학습 훈련은 실제로 컴퓨터에서 수행되었고, MNIST 숫자 인식 작업에서 95%의 정확도를 보여주었다. 이 MZI 기반 접근법에 대한 최신연구 중 하나로 광 신경망에서 모드 믹싱 및 광학 비선형성과 같은 양자 광학 기능을 활용하는 양자광 신경망에 대한 제안이 있었다.

후속연구

AI 반도체이다. 뉴로모픽 포토닉스 기술은 차세대 AI 신경망인 스파이킹 신경망, 축적 컴퓨팅 등의 핵심 뉴로모픽 칩 및 프로세서 기술의 유력한 대안으로 제시되고 있으며, 향후 국내외에서 보다 많은 연구가 이루어질 것으로 예측된다.
뉴로모픽 포토닉스 연구는 컴퓨터 내부의 프로세서 안에서 기본적으로 광신호 기반의 프로세싱을 진행하므로 향후 자연스럽게 기존 광을 이용한 고속 인터페이스 연구와 연결점을 찾을 수 있을 것으로 예상된다.
하지만 새로운 뉴로모픽 소자들은 아직 제대로 된 신경망 시스템 동작을 지원하기에는 많은 기술적 난관들을 가지고 있으며, 향후 확장 가능하고 균일한 특성을 가진 소자 성능 확보와 더불어 복잡한 생물학적 역학과정 이해, 신경망의 구조 및 동작 원리에 대해 많은 연구가 필요하다.
포토닉스 솔루션에서 시냅스 기능으로 주로 활용되는 수동 필터는 누설 전류가 낮고 전력 소모가 거의 없으며, 전력은 주로 레이저에 의해 정적으로 소비되기 때문에 기존 클럭 속도에 따라 전력 소비가 동적으로 증가하고 인터커넥트 전력 소모가 과다한 전자 솔루션에 비해 높은 에너지 효율을 달성할 수 있다. 현재 수준으로도 매우 낮은 전력소모를 목표로 개발된 TrueNorth 칩과 비슷한 수준의 에너지 효율 (~0.2pJ/MAC)을 확보하고 있으며, 다파장 구조를 활용할 때 향후 1,000배 이상의 에너지 효율성 확보가 기대된다. MAC당 면적 지수는 포토닉 소자의 경우 광의 회절 한계를 넘어서 축소할 수 없기 때문에 중요한 비교 지표이다.

참고문헌 (11)

L. D. Marinis et al., "Photonic Neural Networks: A Survey," IEEE Access, vol. 7, 2019, pp. 175827-175841.

상세보기
M. A. Zidan et al., "The future of electronics based on memristive systems," Nature Electron. vol. 1, 2018, pp. 22-29.
문승언, "차세대 뉴로모픽 하드웨어 기술동향," 전자통신동향분석, 제33권 제6호, 2018, pp. 58-68.

원문보기 상세보기
B. J. Shastri et al., "Principles of Neuromorphic Photonics," arXiv: 1801.00016, 2018.
Y. Shen et al., "Deep learning with coherent nanophotonic circuits," Nature Photon., vol. 11, 2017, pp. 441-447.

상세보기
A. Mehrabian et al., "PCNNA: A Photonic Convolutional Neural Network Accelerator," arXiv:1807.08792, 2018.
M. A. Nahmias et al., "A TeraMAC neuromorphic photonic processor," in Proc. IEEE Photon. Conf. (IPC), 2018, pp. 1-2.
C. Rios et al., "Integrated all-photonic non-volatile multi-level memory," Nature Photon., vol. 9, 2015, pp. 725-733.

상세보기
I. Chakraborty et al., "Toward Fast Neural Computing using All-Photonic Phase Change Spiking Neurons," Scientific Reports, vol. 8, 2018, pp. 1-9.
J. Feldmann et al., "All-optical spiking neurosynaptic networks with self-learning capabilities," Nature, vol. 569, 2019, pp. 208-215.
A. Katumba et al., "Neuromorphic Computing Based on Silicon Photonics and Reservoir Computing," IEEE J, Select. Topics Quantum Electron., vol. 24, 2018, p. 8300310.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증