실제 뇌세포처럼 행동하는 인공 뉴런

수학적 모델을 통해서만 뇌 활동을 시뮬레이션하는 디지털 프로세서나 초기 뉴로모픽 칩과 달리 이 새로운 뉴런은 실제 뉴런이 작동하는 방식을 물리적으로 재현합니다. 자연스러운 뇌 활동이 화학적 신호에 의해 촉발되는 것처럼, 이러한 인공 버전은 실제 화학적 상호 작용을 사용하여 계산 과정을 시작합니다. 이는 단순히 상징적인 표현이 아니라 생물학적 기능을 유형적으로 재현한 것임을 의미합니다.

새로운 차원의 두뇌와 유사한 하드웨어

USC 컴퓨터 및 전기공학과 조슈아 양(Joshua Yang) 교수가 주도한 이번 연구는 10여 년 전 인공 시냅스에 대한 그의 초기 선구적인 연구를 기반으로 합니다. 팀의 새로운 접근 방식은 “확산형 멤리스터”라는 장치에 중점을 두고 있습니다. 그들의 연구 결과는 이러한 구성 요소가 어떻게 전통적인 실리콘 기반 전자 장치를 보완하고 향상시키는 차세대 칩으로 이어질 수 있는지 설명합니다. 실리콘 시스템은 계산을 수행하기 위해 전자에 의존하는 반면 Yang의 확산형 멤리스터는 대신 원자의 움직임을 사용하여 생물학적 뉴런이 정보를 전달하는 방식과 더 유사한 프로세스를 생성합니다. 그 결과, 뇌가 하는 방식으로 정보를 처리하고 잠재적으로 인공 일반 지능(AGI)을 향한 길을 열어주는 더 작고 효율적인 칩이 될 수 있습니다.

뇌에서는 전기적 신호와 화학적 신호가 모두 신경 세포 간의 통신을 유도합니다. 전기 충격이 시냅스라고 불리는 접합부에서 뉴런의 끝에 도달하면 화학적 신호로 변환되어 다음 뉴런에 정보를 전달합니다. 일단 수신되면 해당 신호는 뉴런을 통해 계속되는 전기 충격으로 다시 변환됩니다. Yang과 그의 동료들은 이 복잡한 과정을 놀랍도록 정확하게 그들의 장치에 재현했습니다. 이들 디자인의 가장 큰 장점은 각 인공 뉴런이 단일 트랜지스터의 설치 공간에 맞는 반면, 기존 디자인에는 수십 또는 수백 개가 필요하다는 것입니다.

생물학적 뉴런에서 이온으로 알려진 하전 입자는 신경계의 활동을 가능하게 하는 전기 자극을 생성하는 데 도움이 됩니다. 인간의 뇌는 이를 실현하기 위해 칼륨, 나트륨, 칼슘과 같은 이온에 의존합니다.

은 이온을 사용하여 뇌 역학 재현

USC 뉴로모픽 컴퓨팅 우수 센터의 소장이기도 한 Yang은 새로운 연구에서 산화물 물질에 내장된 은 이온을 사용하여 자연적인 뇌 기능을 모방하는 전기 펄스를 생성했습니다. 여기에는 학습, 이동, 계획과 같은 기본 프로세스가 포함됩니다.

“인공 시냅스와 뉴런의 이온이 정확히 동일하지는 않더라도 이온 운동과 역학을 지배하는 물리학은 매우 유사합니다”라고 Yang은 말합니다.

Yang은 “은은 확산되기 쉽고 매우 간단한 구조로 뉴런의 기능을 달성할 수 있도록 생물계를 에뮬레이트하는 데 필요한 역동성을 제공합니다.”라고 설명합니다. 두뇌와 같은 칩을 가능하게 할 수 있는 새로운 장치는 은을 사용하여 발생하는 이온 운동과 동적 확산 때문에 “확산형 멤리스터”라고 불립니다.

그는 팀이 인공지능 시스템을 구축하기 위해 이온 역학을 활용하기로 결정했다고 덧붙였습니다. “인간의 뇌에서 일어나는 일이 그럴 만한 이유가 있고 인간의 뇌는 ‘진화의 승자, 즉 가장 효율적인 지능형 엔진’이기 때문입니다.”

Yang은 “더 효율적입니다”라고 말합니다.

AI 하드웨어에서 효율성이 중요한 이유

Yang은 현대 컴퓨팅의 문제는 성능 부족이 아니라 비효율성이라고 강조합니다. “우리 칩이나 컴퓨터가 무엇을 하든 충분히 강력하지 않다는 것이 아닙니다. 효율성이 부족하다는 것입니다. 너무 많은 에너지를 사용합니다”라고 그는 설명합니다. 이는 오늘날의 대규모 인공 지능 시스템이 대규모 데이터 세트를 처리하는 데 얼마나 많은 에너지를 소비하는지를 고려할 때 특히 중요합니다.

Yang은 계속해서 뇌와 달리 “기존 컴퓨팅 시스템은 자체적으로 엄청난 양의 데이터를 처리하거나 몇 가지 예를 통해 학습하도록 의도된 것이 아닙니다. 에너지와 학습 효율성을 모두 높이는 한 가지 방법은 뇌에서 관찰되는 원리에 따라 작동하는 인공 시스템을 구축하는 것”이라고 설명합니다.

순수한 속도를 찾고 있다면 최신 컴퓨팅을 실행하는 전자가 빠른 작업에 가장 적합할 것입니다. 하지만 그는 “뇌의 원리를 구현하는 데에는 이온이 전자보다 더 나은 매체”라고 설명했다. 전자는 가볍고 휘발성이기 때문에 이를 이용한 컴퓨팅은 뇌가 작동하는 방식과 근본적으로 다른 하드웨어 기반 학습이 아닌 소프트웨어 기반 학습을 가능하게 한다.

이와 대조적으로 그는 “뇌는 막을 통해 이온을 이동시켜 하드웨어에서 직접, 더 정확하게는 사람들이 ‘습식 소프트웨어’라고 부르는 것에서 에너지 효율적이고 적응 가능한 학습을 ​​달성함으로써 학습합니다.”라고 말합니다.

예를 들어, 어린 아이는 손으로 쓴 숫자의 몇 가지 예만 보고도 인식하는 방법을 배울 수 있는 반면, 컴퓨터는 동일한 작업을 수행하려면 일반적으로 수천 개가 필요합니다. 그러나 인간의 두뇌는 오늘날의 슈퍼컴퓨터에 필요한 메가와트에 비해 약 20와트의 전력만 소비하면서 이러한 놀라운 학습을 수행합니다.

잠재적 영향 및 다음 단계

Yang과 그의 팀은 이 기술을 자연 지능 복제를 향한 주요 단계로 보고 있습니다. 그러나 그는 이 실험에 사용된 은이 아직 표준 반도체 제조 공정과 호환되지 않는다는 점을 인정했습니다. 향후 연구에서는 유사한 효과를 얻을 수 있는 다른 이온 물질을 탐구할 것입니다.

확산형 멤리스터는 에너지와 크기 모두 효율적입니다. 일반적인 스마트폰에는 계산을 수행하기 위해 스위치를 켜고 끄는 수십억 개의 트랜지스터가 있는 약 10개의 칩이 포함될 수 있습니다.

“대신에 (이 혁신을 통해) 우리는 각 뉴런에 대해 하나의 트랜지스터의 설치 공간을 사용합니다. 우리는 결국 칩 크기를 몇 배로 줄이고, 에너지 소비를 몇 배로 줄이도록 하는 빌딩 블록을 설계하고 있습니다. 따라서 우리가 유지할 수 없는 에너지를 소모하지 않고 유사한 수준의 지능으로 미래에 AI를 수행하는 것이 지속 가능합니다.”라고 Yang은 말합니다.

이제 우리는 유능하고 컴팩트한 구성 요소, 인공 시냅스 및 뉴런을 시연했으므로 다음 단계는 많은 수를 통합하고 뇌의 효율성과 능력을 얼마나 밀접하게 복제할 수 있는지 테스트하는 것입니다. Yang은 “더욱 흥미로운 것은 그러한 뇌에 충실한 시스템이 뇌 자체가 어떻게 작동하는지에 대한 새로운 통찰력을 발견하는 데 도움이 될 수 있다는 전망입니다”라고 말했습니다.