초록 ▼

지난 50년간 컴퓨터의 눈부신 발전은 1940년대 폰 노이만(Von Neumann)이 제안한 아키텍처를 기반으로 한다. 폰 노이만 아키텍처에서 데이터 저장 및 처리는 2개의 독립적인 영역으로 분리되어 있고 고성능 중앙처리장치(central processing unit, CPU)는 메모리에서 가져온 데이터와 명령에 의하여 순차적으로 작동한다[1, 2]. 하지만 방대한 데이터를 기반으로 학습 및 추론을 수행하는 인공지능(artificial intelligence, AI) 알고리즘이 폰 노이만 아키텍처 기반 시스템에서 수행될 때 연산 유

지난 50년간 컴퓨터의 눈부신 발전은 1940년대 폰 노이만(Von Neumann)이 제안한 아키텍처를 기반으로 한다. 폰 노이만 아키텍처에서 데이터 저장 및 처리는 2개의 독립적인 영역으로 분리되어 있고 고성능 중앙처리장치(central processing unit, CPU)는 메모리에서 가져온 데이터와 명령에 의하여 순차적으로 작동한다[1, 2]. 하지만 방대한 데이터를 기반으로 학습 및 추론을 수행하는 인공지능(artificial intelligence, AI) 알고리즘이 폰 노이만 아키텍처 기반 시스템에서 수행될 때 연산 유닛과 데이터스토리지 사이에서 병목현상이 발생하여 AI 시스템 성능의 한계로 작용한다. 이러한 문제를 해결하기 위해 병렬연산에 특화되어 AI 알고리즘의 빠른 처리를 위해 특별히 설계된 AI 가속기 개발이 활발히 진행되고 있다. 현재 AI 가속기는 CPU, GPU (graphics processing unit), ASIC (application-specific integrated circuit), FPGA (field programmable gate array) 등을 기반으로 구현되고 있으나 여전히 낮은 에너지 효율 및 높은 소비전력은 해결해야 할 과제로 남아 있다[3].



‘뉴로모픽 엔지니어링’이라는 개념은 1980년대 후반 캘리포니아공대의 Carver Mead 교수에 의해 제안되었다[4]. 뉴로모픽 엔지니어링은 생물학적 뇌의 구조 및 기능적 특성을 전자회로로 구현하여 연산하는 과정의 알고리즘 구조뿐만 아니라 알고리즘을 계산하고 처리하는 컴퓨터 자체도 뇌의 구조와 기능을 모사하여 구현하는 새로운 컴퓨팅 패러다임이다. 성인의 뇌에는 약 1011개의 뉴런이 존재하며, 하나의 뉴런은 평균적으로 103~104개의 시냅스를 통해 다른 뉴런들과 연결되어 있다. 뇌는 인지, 학습, 판단 등 고차원적 기능들을 동시에 병렬적으로 처리하는데, 이를 위해 약 20W 정도의 무시할 수준의 에너지를 소비하는 것으로 알려져 있다. 뉴로모픽 엔지니어링은 인간의 두뇌를 모방하여 소비전력이 낮으면서 고차원적 기능을 수행할 수 있는 컴퓨팅 시스템을 구현하는 연구 분야이다. 현재 뉴런 및 시냅스의 하드웨어적 구현과 이들을 하나의 시스템상에서 동작하도록 하는 시스템 레벨에서의 연구가 진행 중이며, 이를 수행하기 위한 알고리즘에 대한 연구가 함께 진행 중이다.



본 보고서에서는 생물학적 뉴런과 시냅스 구조를 모방한 뉴로모픽 하드웨어의 구조 및 최신 연구 동향에 대해 살펴보고자 한다.