초록 ▼

연구의 목적 및 내용
인간 두뇌 학습시스템의 소프트웨어적 모방에 불과했던 과거의 인공 신경회로망을 하드웨어 회로로 구현하여 하드웨어적 고속 학습이 가능한 인공 신경회로망의 프로토 타입을 개발함을 목표로한다. 이를 위해서, 새로운 전기전자 소자인 멤리스터를 활용한 인공 시냅스 및 인공 뉴런 회로를 개발하며, 하드웨어적 병렬고속 학습을 위한 RWC 학습 알고리즘을 하드웨어적으로 구현한다.

연구결과
본 연구에서는 하드웨어적 학습이 가능한 인공 신경회로망을 전자 회로적으로 구현함을 목표로 하여 1) 멤리스터를 활용한

연구의 목적 및 내용
인간 두뇌 학습시스템의 소프트웨어적 모방에 불과했던 과거의 인공 신경회로망을 하드웨어 회로로 구현하여 하드웨어적 고속 학습이 가능한 인공 신경회로망의 프로토 타입을 개발함을 목표로한다. 이를 위해서, 새로운 전기전자 소자인 멤리스터를 활용한 인공 시냅스 및 인공 뉴런 회로를 개발하며, 하드웨어적 병렬고속 학습을 위한 RWC 학습 알고리즘을 하드웨어적으로 구현한다.

연구결과
본 연구에서는 하드웨어적 학습이 가능한 인공 신경회로망을 전자 회로적으로 구현함을 목표로 하여 1) 멤리스터를 활용한 인공 시냅스 및 인공 뉴런 회로를 개발하였고, 2) 하드웨어적 자율학습을 위한 RWC 학습 알고리즘의 하드웨어적 회로를 개발하였다. 또, 이 연구과정에 수반되는 멤리스터 에뮬레이터 개발, 멤리스터 모델 연구 및 biological 시냅스 등의 이론 연구도 병행하였다.

연차적으로 다음과 같은 연구를 수행하였다.
· 1차 년도: - 하드웨어적 학습시스템의 설계 및 설계된 학습 시스템의 회로 개발
- 인공시냅스를 위한 멤리스터 에뮬레이터 개발

· 2차 년도: - 멤리스터의 회로 모델 연구
- 인공 시냅스 및 뉴런의 CMOS 회로 개발

· 3차 년도: 하드웨어적 학습이 가능한 인공신경망 회로 개발
이 연구에서는 상대적으로 작은 크기의 문제를 선정하여 하드웨어적 학습이 가능한 인공신경회로망을 설계하였고, hspice 시뮬레이션을 통하여 학습이 성공적으로 수행됨을 확인하였다. 그러나 다른 어려운 학습 문제들 경우도 이 회로의 단순한 확장으로 해결 가능할 것이다. 연구 결과물로는 하드웨어적 학습이 가능한 인공신경회로망의 회로도가 있으며, 자세한 방법 및 다양한 시뮬레이션 결과는 [A14]와 [A15]에 수록되어 있다. 또, 다수의 논문과 특허를 발표하였는데, 그 중 이 분야의 최고 저널인 IEEE Transactions on Circuits and Systems 1에 2 편의 논문 [A1][A2]이 대표적 성과물이다. 구체적인 연구 성과물은 다음과 같다.
- SCI 등재 저널 발표 논문 수: 12 - 비 SCI 저널 발표 논문 수: 3
- 특허 등록 수 : 1 건 - 국제학술회의 발표논문 수: 12
- 국내 학술회의 발표논문 수: 6 - 초청강연 (Keynote Speech, ISITC): 1

연구결과의 활용계획
▷ 드론이나, 로봇 혹은 핸드폰과 같은 모바일 기기에서 사용할 수 있는 소형 deep learning system의 하드웨어 구현에 중요하게 활용할 수 있을 것임.

▷ 고속 영상처리 및 인식 분야에서 인간의 시각처럼 저 에너지, 고도의 병렬처리 기능을 갖는 비젼 시스템 실용화에 활용될 것임.

(출처 : 한글요약문 4p)

Abstract ▼

Purpose&contents
The aim of this research is to implement the past artificial intelligence which was a software-based simple mimicking of human learning system in hardware and build a prototype of an artificial intelligence with hardware-based learning capability. Toward this end, artificial syna

Purpose&contents
The aim of this research is to implement the past artificial intelligence which was a software-based simple mimicking of human learning system in hardware and build a prototype of an artificial intelligence with hardware-based learning capability. Toward this end, artificial synapses and artificial neuron circuits are developed using memristors which are new electrical elements and also RWC learning algorithm is implemented in circuits for a hardware-based parallel and fast learning.

Result
Aiming to implement an artificial intelligence system with hardware-based learning capability, 1) artificial synapses and artificial neural networks and also 2) RWC algorithm for hardware-based learning were developed in CMOS circuits. Additionally, theoretical studies on memristor emulators, memristor models and biological synapses which are essential items for the study of hardware implementation of artificial intelligence were performed. Annual research activities performed during last 3 year research period are as follows.

· 1st Year: - Design of the hardware-based learning system and development of the designed learning system in circuits
- Development of memristor emulators for artificial synapses

· 2nd Year: - Development of memristor circuit models
- Development of artificial synapse and neural circuits

· 3rd Year: Development of an artificial intelligence system with hardware-based learning capability For this study, a problem with relatively smaller size was chosen as a target and developed in circuits. Successful operations of the developed learning system were verified via various kinds of hspice simulations. It is believed that other big sizes of learning problems can also be implemented with a simple extension of this study. As one of the research results, the detailed circuits and descriptions of the developed artificial intelligence system with hardware-based learning capability are included in [A14] and [A15]. Also, many other important papers and patent were published as outcomes of the research. Among them, two papers published in IEEE Transactons on Circuits and Systems 1 are the most representative ones [A1][A2]. The detailed list of the research outcomes are as follows.
- SCI listed journal papers: 12 - SCOPUS listed journal papers: 3
- Registered Patents: 1 EA - International Conference Papers: 12
- Domestic conference papers: 6 - Invited Talk (Keynote Speech, ISITC): 1 times

Expected Contribution
▷ The research results would be utilized importantly for the implementation of small deep learning systems for mobile devices such as drones, robots or cell phones.

▷ With the use of the research outcomes, practical applications of vision systems with functions of high speed image processing, and image recognition with low energy and highly parallel processing capability like human vision system would be possible.

(출처 : SUMMARY 5p)

목차 Contents

• 표지 ... 1목차 ... 2연구계획 요약문 ... 3연구결과 요약문 ... 4 한글요약문 ... 4 SUMMARY ... 5연구내용 및 결과 ... 6 1. 연구개발과제의 개요 ... 6 2. 국내외 기술개발 현황 ... 7 3. 연구수행 내용 및 결과 ... 9 4. 목표달성도 및 관련분야에의 기여도 ... 38 5. 연구결과의 활용계획 ... 42 6. 연구과정에서 수집한 해외 과학기술정보 ... 42 7. 주관연구책임자 대표적 연구실적 ... 43 8. 참고문헌 ... 44 9. 연구성과 ... 46 10. 국가과학기술지식정보서비스에 등록한 연구시설‧장비 현황 ... 54 11. 연구개발과제 수행에 따른 연구실 등의 안전조치 이행실적 ... 54 12. 기타사항 ... 54별첨1 ... 55별첨2 ... 70끝페이지 ... 92