초록 ▼

□ 연구개발 목표 및 내용
◼ 최종 목표
스마트 플랫폼이란 IoT, 스마트 홈, 웨어러블 기기 등을 포함한 여러 가지 기기를 지원할 수 있으며 높은 확장성을 갖는 지능형 하드웨어 구조이다. 본 연구에서는 스마트 플랫폼의 핵심을 이루는 정보수집을 담당하는 하드웨어 프론트 엔드(front-end)와 수집된 정보를 기계학습으로 처리하는 인공지능 시스템의 초저전력화를 목표로 한다. 이를 위해 하드웨어 프론트 엔드의 주요 부분을 이루는 아날로그 회로의 에너지 효율을 높이는 설계와 인공지능 프로세서의 인식 범위를 넓히고 전력을 낮추

□ 연구개발 목표 및 내용
◼ 최종 목표
스마트 플랫폼이란 IoT, 스마트 홈, 웨어러블 기기 등을 포함한 여러 가지 기기를 지원할 수 있으며 높은 확장성을 갖는 지능형 하드웨어 구조이다. 본 연구에서는 스마트 플랫폼의 핵심을 이루는 정보수집을 담당하는 하드웨어 프론트 엔드(front-end)와 수집된 정보를 기계학습으로 처리하는 인공지능 시스템의 초저전력화를 목표로 한다. 이를 위해 하드웨어 프론트 엔드의 주요 부분을 이루는 아날로그 회로의 에너지 효율을 높이는 설계와 인공지능 프로세서의 인식 범위를 넓히고 전력을 낮추는 신경망의 설계를 목표로 한다. 동시에 이 두 분야에서 이미 세계 최고 수준의 역량, 실적을 이루어 많은 know-how를 가지고 있는 해외 명문 연구기관과의 공동 연구를 통해 핵심 기술을 배우고, 뿐만 아니라 파견인력의 글로벌 역량을 신장시키고 글로벌 인적 관계망을 형성하여 국가 과학 기술발전에 이바지하는 것을 목표로 한다.

◼ 전체 내용
지속 가능하며 다양한 분야에 적용 가능한 스마트 플랫폼 시스템을 위해서는 프론트 엔드 회로와 저전력 기계학습 알고리즘이 중요하다.
본 연구에서는 특정한 응용 분야 없이 일반적인 회로와 구조 설계를 하는 것이 아니라, 여러 어플리케이션에 널리 적용할 플랫폼을 구축하는 것이 목적이기 때문에 이를 위한 전반적인 저전력 집적회로 기반 소단위 하드웨어들과 AI 구동을 위한 최적화 알고리즘을 개발한다. 1) 하드웨어 프론트 엔드에서는 스마트 플랫폼 구현을 위해 필수적인 핵심 하드웨어 전반을 개발하며, 동시에 각각에 대해 저전력 구동 및 최적화를 위한 아이디어를 제시하고 검증한다. 2) 기계학습에서도 또한 그 확장성을 위해 패턴 인식을 위한 신경망을 고려하되, 구체적으로 스마트홈, 웨어러블 디바이스에서 필요한 다양한 명령어를 인식할 수 있는 효율적인 구조를 살펴본다. 세부적인 연구내용은 다음과 같다.
1) 초저전력 플랫폼을 위한 하드웨어 프론트 엔드에서는 신호 수집을 위한 센서 read-out회로, 클럭 생성 회로 및 전력 관리 회로 등의 핵심 하드웨어 모듈에 대해 다룬다. 센서 read-out 회로의 경우에는 스마트 플랫폼을 위한 다중 채널 및 array 신호를 받을 수 있는 극소전력의 회로를 연구한다. 낮은 대기전력으로 신호를 감지하고 시스템 동작을 활성화 시킬 수 있는 아날로그 아키텍처, 그리고 다중 채널 및 어레이 환경에서 잡음으로부터 높은 해상도의 신호를 추출할 수 있는 저잡음 증폭기와 필터 설계를 포함한다. 또한, 외부 환경 변화에 강인하여 일정한 특성을 가지도록 한다.
클럭 회로의 경우 칩에서 큰 면적을 사용하지 않고 구현이 가능한 디지털 기반 위상동기루프 회로의 최적화와 저전력 구현을 진행한다. 기존 세계 최고 수준의 성과에는 고려되지 않았던 hardware variation에도 강인한 회로를 연구한다.
전력관리 회로의 경우에는 전통적인 병렬 구조로 전력을 공급하는 것이 아닌 직렬로 연산기에 전력을 공급함으로써 하나의 전류로 여러번에 걸쳐 전력을 공급하는 시스템을 제안하여 생산성과 전력 효율을 높이고자 한다.
2) 기계 학습에서는 패턴 인식을 위한 효율적인 신경망 구조를 살펴본다. 스마트 플랫폼의 주요 응용 분야가 스마트 홈 디바이스와 IoT 등임을 감안하여, 기계학습에서는 명령어 인식과 이에 맞는 학습 모델을 구현한다. 연산량 측면에서 이득을 볼 수 있을 뿐만 아니라 메모리 사용량(파라미터 수)도 줄일 수 있는 신경망 구조를 고안한다.
연구는 Python과 Tensorflow를 이용하여 네트워크를 구현하며, 다양한 벤치마크 명령어 dataset을 이용하여 인식 가능한 명령어 수및 인식률을 평가한다. 또한, 중요레이어(critical layer)를 찾음으로써 학습 과정동안 필요한 리소스들을 더욱 효율적으로 사용할 수 있는 방법론을 연구한다.

□ 연구개발성과
신경 기록 회로의 저전력화를 위한 기법을 제안 및 적용하였다. 신경 기록 회로의 대기 전력을 달성하기 위한 극소전력 센싱 모드를 추가하였다. 뿐만 아니라 다중 어레이에서 적용할 수 있는 저전력 기법을 도입하였다. 32 x 32 = 1024개의 커패시터-기반 센싱 채널은 같은 행의 32개의 채널이 하나의 LNA-VGA 앰프 쌍을 공유하기 때문에 효율적으로 자원을 사용할 수 있다. 해당 시스템의 전력 소모량은 시뮬레이션을 통해 검증되었고, 결과적으로 전력의 큰 부분을 차지하는 AMP에서 한 센싱 채널 당 673nW 수준의 전력 소모만으로 신호를 읽어들일 수 있음이 검증되었다.
세계 최고 수준의 정밀한 저잡음 저전력 발진기 설계, 다양한 피드백 기법을 통한 낮은 spur 특성 달성, 작동 전위의 변동을 보상하여 선형성을 높인 회로 설계 등을 통해 디지털 위상동기루프의 효용성과 효율을 극대화할 수 있었다.
해외 기관에서 최근 개발한 높은 전력 밀도 특성을 갖는 온칩 전력 변환 회로를 활용해 새로 도입하는 직렬-스택형 전력관리 회로을 구현하여 매우 작은 면적으로도 온칩으로 많은 전력을 전달할 수 있는 완전한 온칩 전력 전달을 달성하였다. 동시에 기존 고전력밀도 전력변환회로의 고질적인 문제였던 전압 수렴값 변동 문제를 적분기를 이용한 피드백을 통해 해결하여, 프로세서의 연산 속도 저하 및 연산 오류를 방지할 수 있도록 하였다.
명령어 인식 논문들을 분석 및 구현하여 신경망의 구조적인 개선에 있어서 검토를 완료하였다. 기존 명령어 인식 논문들은 음성신호들을 MFCC로 변환하여 시간에 따른 주파수 스펙트럼 값을 이용해 명령어 인식을 수행하고 있다. 변환된 MFCC와 CNN을 이용하여 명령어 인식을 수행하는데, 기존 CNN은 일반적으로 작은 커널을 사용하기 때문에 상대적으로 제한된 주파수 범위만 포함한다. 따라서 저주파 혹은 고주파에서 의미있는 정보를 동시에 적용시킬 수 없다. 커널을 증가시킴으로써 이러한 문제를 해결할 수 있지만, 많은 연산량을 요구하므로 저전력 스마트 플랫폼에 적합하지 않다. 따라서 모든 주파수 정보를 포함하는 인간 청각 시스템을 반영하여, MFCC를 1채널 2차원 이미지로 받아 들이는 것이 아니라 다중 채널 1차원 이미지로 봄으로써 연산과정에서 모든 주파수 영역 정보를 활용할 수 있다. 이는 결과적으로 연산량 측면에서 이득을 볼 뿐만 아니라 파라미터 수도 줄일 수 있었다. 또한, 비지도 학습과정에서 많이 필요한 리소스를 줄이기 위해서, 기존처럼 모든 레이어를 학습시키는 것이 아니라 일부 레이어만 학습시키는 partial training을 제시하였다. Google Speech Command Dataset(GSCD)로 pre-train을 한 다음 직접 녹음한 음성 데이터(My voice dataset)을 사용하여 아이디어를 검증하였다. 모든 레이어를 학습시키는 것이 아니라 중요 레이어 하나만 학습시켜도 인식률이 저하되지 않은 것을 확인할 수 있었다.

□ 연구개발성과 활용계획 및 기대 효과
본 연구를 수행함으로써 최근 각광 받는 스마트 플랫폼의 최적화와 저전력 구동을 구현해낸다. 뿐만 아니라, 이 과정에서 습득될 해외 파견 연구자들의 여러 기법과 새롭게 고안될 연구들은 향후 새로운 시장수요에 대처할 수 있는 기반 기술을 제공하며 새로운 가치를 창출하는 데 커다란 도움을 줄 것이다. 또한 각 분야를 선도하는 해외 파견기관 과의 공동연구를 통해 전문적인 know-how를 전수받을 것은 물론, 글로벌 역량과 인적 관계망을 확보한 인재들을 양성할 수 있을 것으로 기대된다.

(출처 : 요약문 3p)

목차 Contents

• 표지 ... 1
• 최종보고서 ... 2
• 요 약 문 ... 3
• 과제 실적 요약 ... 6
• 목차 ... 8
• 1. 연구개발과제의 개요 ... 9
• 1) 추진 배경 ... 9
• 2) 정부 지원 필요성 ... 14
• 3) 수행기관 추진역량 ... 17
• 4) 해외기관 추진 전문성 ... 22
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 28
• 1) 연구 수행 개요 ... 28
• 2) 추진전략 및 체계 ... 33
• 3) 연구 수행 내용 ... 34
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 54
• 1) 연구수행 결과 ... 54
• 2) 목표 달성 수준 ... 56
• 4. 목표 미달 시 원인분석 ... 56
• 5. 연구개발성과의 관련 분야에 대한 기여 정도 ... 57
• 6. 연구개발성과의 관리 및 활용 계획 ... 57
• 7. 기대효과 ... 59
• 1) 협력연구 기대 효과 ... 59
• 2) 연구성과 활용 방안 ... 60
• 3) 파견에 따른 글로벌 인재양성 효과 ... 61
• 4) 후속 연구계획 및 성과관리 방안 ... 61
• 5) 파견인력 등 진로 추적 등 사후관리 ... 62
• 8. 예산집행실적 ... 63
• 1. 예산 총괄표 ... 63
• 2. 파견인력 지원비 ... 63
• 3. 비목/세목별 예산 집행실적 ... 63
• 끝페이지 ... 80