초록 ▼

연구개요
이번 연구의 최종 목표는 생물학적 신경망을 모방한 차세대 신경망인 Spiking Neural Network(SNN)를 모바일 하드웨어 플랫폼으로 구현하기 위하여 초저전력 초저면적 기본 산술연산기를 에너지 효율적인 근사 연산 기법 중 하나인 확률론적 연산기법(Stochastic computing: SC)을 사용하여 개발하고 이를 적용한 뉴로모픽 회로를 연구 개발하는 것. 인공신경망 내부의 네트워크는 각 노드 간의 간단한 함수로 구현이 가능함. 특히, 추론과 학습에서 가중치의 곱셈 값을 합산하여 하나의 뉴런에 전달하는

연구개요
이번 연구의 최종 목표는 생물학적 신경망을 모방한 차세대 신경망인 Spiking Neural Network(SNN)를 모바일 하드웨어 플랫폼으로 구현하기 위하여 초저전력 초저면적 기본 산술연산기를 에너지 효율적인 근사 연산 기법 중 하나인 확률론적 연산기법(Stochastic computing: SC)을 사용하여 개발하고 이를 적용한 뉴로모픽 회로를 연구 개발하는 것. 인공신경망 내부의 네트워크는 각 노드 간의 간단한 함수로 구현이 가능함. 특히, 추론과 학습에서 가중치의 곱셈 값을 합산하여 하나의 뉴런에 전달하는 수많은 MAC(Multiplier-accumulator) 연산들로 이루어져 있음. 이번 연구를 통하여 Neural Network의 기본 연산기인 MAC의 multiplier와 accumulator를 저전력/저면적의 SC 기법을 통하여 연구 개발하고자 함.

연구 목표대비 연구결과
1차년도 연구한 maxtrix 곱셉기와 근사덧셈기의 최신 연구경향을 바탕으로 양자컴퓨터 등 보다 복잡한 연산을 효율적으로 할 수 있는 matrix 곱셈기 중 하나인 NTT-based polynomial multipler를 HDL을 사용하여 로직 검정을 하고, Hspice를 사용하여 트랜지스터 수준에서 지연시간과 전력소모등의 개선에 대하여 분석함. 그 결과 제안된 설계는 평균 지연속도 30%와 8%이상의 전력소모 감소 효과를 볼 수 있음. 곱셈기와 더불어 많이 사용되는 나눗셈기에 대한 최신 연구동향 분석을 통하여 기존 근사 나눗셈기 설계의 문제를 파악하고 이보다 정확도가 향상된 새로운 restoring 기반의 나눗셈기를 연구하여 제안, 기존 설계보다 70% 정확한 몫의 값, 40% 정확한 나머지를 구할 수 있음. 연구 개발된 근사 matrix 곱셈과 덧셈기(MAC)를 사용하여 CNN (Convolutional Neural Network) 알고리즘을 FPGA에 구현하여 그 성능을 정량적으로 비교 분석함. LeNet5 기반의 CNN 아키텍트를 사용하였고, MNIST 데이터셋에서 inference 성능을 비교함. 기존 floating-point가 아닌 fixed-point를 사용하고 loop parallelization을 적용하여 연산속도를 개선하였음. 또한 round를 적용한 근사 MAC을 사용하여 충분한 정확도를 유지하면서 동작속도와 리소스 소모량을 향상시킬 수 있었음. 그 결과 제안된 근산 MAC 기반의 CNN은 기존보다 66% 적은 메모리 사용량과 약 50% 속도 향상을 보임.

연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
이번 연구를 통하여 새로운 Stochastic Computing 기법을 연구 개발하여 기존보다 저전력/고집적이 가능한 논리 연산기를 개발함. 개발된 논리 연산기를 생물학적 신경망을 모방한 차세대 신경망인 Spiking Neural Network에 적용하여 차세대 모바일 플랫폼에 가능한 저전력 뉴로모픽 칩 개발에 응용
본 과제에서 얻어진 다양한 하드웨어 모듈은 대부분의 딥 러닝 알고리즘에서도 같은 연산이 요구되기 때문에 개발된 하드웨어 IP 상품화 가능.
이번 연구를 통하여 새로운 Stochastic Computing 기법을 연구 개발하여 기존보다 저전력/고집적이 가능한 논리 연산기를 개발. 개발된 논리 연산기를 생물학적 신경망을 모방한 차세대 신경망인 Spiking Neural Network에 적용하여 차세대 모바일 플랫폼에 가능한 저전력 뉴로모픽 칩 개발에 응용 가능.
따라서 설계 단계부터 인공신경망 구조에 특화되어 현재 수준에 비해 획기적으로 최적화된 하드웨어가 본 과제를 통해 제작된다면 국내 산업계의 최신 메모리 설계 기술과 시너지 효과를 일으켜서 미래 반도체 산업을 선도하는데 핵심 역할을 할 것으로 확신함.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 가. 연구의 목표 및 내용 ... 4
• 나. 연구의 필요성 ... 5
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 6
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 7
• 1) 정성적 연구개발성과(연구개발결과) ... 7
• 2) 세부 정량적 연구개발성과 ... 11
• 3) 목표 달성 수준 ... 11
• 4) 목표 미달 시 원인 분석 ... 12
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 12
• 5. 연구개발성과의 관리 및 활용 계획 ... 13
• 6. 자체점검표 ... 14
• 7. 참고문헌 ... 14
• 붙임1. 세부 정량적 연구개발성과 ... 15
• 붙임2. 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 18
• 끝페이지 ... 32