제169호(2020.10.07)
 지난호 보기    
SNUNOW 174호 (2020.12.16) SNUNOW 173호 (2020.12.02) SNUNOW 172호 (2020.11.18) SNUNOW 171호 (2020.11.04) SNUNOW 170호 (2020.10.21) SNUNOW 169호 (2020.10.07) SNUNOW 168호 (2020.09.16) SNUNOW 167호 (2020.09.02) SNUNOW 166호 (2020.08.05) SNUNOW 165호 (2020.07.08) SNUNOW 164호 (2020.06.17) SNUNOW 163호 (2020.06.03) SNUNOW 162호 (2020.05.20) SNUNOW 161호 (2020.05.13) SNUNOW 160호 (2020.04.29) SNUNOW 159호 (2020.04.08) SNUNOW 158호 (2020.03.25) SNUNOW 157호 (2020.03.04) SNUNOW 156호 (2020.02.19) SNUNOW 155호 (2020.02.05) SNUNOW 154호 (2020.01.29) SNUNOW 153호 (2019.12.18) SNUNOW 152호 (2019.12.04) SNUNOW 151호 (2019.11.20) SNUNOW 150호 (2019.11.06) SNUNOW 149호 (2019.10.23) SNUNOW 148호 (2019.10.02) SNUNOW 147호 (2019.09.18) SNUNOW 146호 (2019.09.04) SNUNOW 145호 (2019.08.21) SNUNOW 144호 (2019.08.07) SNUNOW 143호 (2019.07.17) SNUNOW 142호 (2019.07.10) SNUNOW 141호 (2019.06.26) SNUNOW 140호 (2019.06.12) SNUNOW 139호 (2019.05.29) SNUNOW 138호 (2019.05.15) SNUNOW 137호 (2019.05.01) SNUNOW 136호 (2019.04.17) SNUNOW 135호 (2019.04.01) SNUNOW 134호 (2019.02.28) SNUNOW 133호 (2019.01.30) SNUNOW 132호 (2018.12.27) SNUNOW 131호 (2018.11.29) SNUNOW 130호 (2018.10.30) SNUNOW 129호 (2018.08.30) SNUNOW 128호 (2018.07.30) SNUNOW 127호 (2018.06.29) SNUNOW 126호 (2018.05.31) SNUNOW 125호 (2018.04.30) SNUNOW 124호 (2018.03.30) SNUNOW 123호 (2018.02.28) SNUNOW 122호 (2018.01.31) SNUNOW 121호 (2017.12.29) SNUNOW 120호 (2017.11.29) SNUNOW 119호 (2017.10.30) SNUNOW 118호 (2017.09.27) SNUNOW 117호 (2017.08.31) SNUNOW 116호 (2017.07.28) SNUNOW 115호 (2017.06.30) SNUNOW 114호 (2017.05.31) SNUNOW 113호 (2017.04.28) SNUNOW 112호 (2017.03.29) SNUNOW 111호 (2017.02.22) SNUNOW 110호 이전

■ 연구성과

전기·정보공학부 박남규 교수팀, 인공지능 활용해 두뇌 특성 모사한 하드웨어 설계 성공
2020.10.04

- 에러에 강하고 연산효율 우수, 두뇌 내 신호전달 체계 효율 닮아
- 광학 인공지능의 기초 플랫폼 개발, 〈네이처 커뮤니케이션즈〉 게재

 

▲ 왼쪽부터 서울대 전기정보공학부 박남규 교수, 유선규 교수, 박현희 박사
▲ 왼쪽부터 서울대 전기정보공학부 박남규 교수, 유선규 교수, 박현희 박사

 

서울대 공대(학장 차국헌)는 전기정보공학부 박남규 교수, 유선규 교수 연구팀이 인공지능 기술의 딥러닝 인공신경망을 활용하여 두뇌와 유사한 네트워크 특성을 갖는 하드웨어 설계에 성공했다고 밝혔다. 해당 시스템이 두뇌의 구조적 특성과 유사하게, 빛, 양자 등의 파동에 대하여 매우 효과적인 연산/신호처리가 가능하고 동시에 에러에는 강한 것을 확인하였다.

 

인간의 두뇌는 수천억 개의 뉴런이 각각 수천 개의 시냅스로 연결된 매우 복잡한 네트워크 구조이다. 이러한 두뇌 신경망 네트워크의 연결 구조는 완전히 규칙적이지도 않고, 완전히 무질서하지도 않은 중간 영역에 존재하며, 특히 ‘척도 없는(Scale-Free) 네트워크’로서의 특징을 갖는다고 알려져 있다.

 

척도 없는 네트워크는 몇몇 허브(Hub)만 변화에 특히 민감한 불평등한 구조적 특성을 가져, 일반적인 에러에는 강하면서도 내부에서의 신호전달 속도가 빠르고 의도적인 제어가 쉽다. 이러한 특징들은 두뇌 내의 신호전달 체계가 효율적인 이유를 설명하는 데 사용되며, 이로부터 두뇌를 모사하는 인공지능 하드웨어를 개발할 때는 그 내부 구조가 필연적으로 척도 없는 네트워크로서의 특징을 가져야 유리할 것임을 추정할 수 있다. 그러나 시스템의 수많은 후보들 중 두뇌와 비슷한, 척도 없는 시스템을 찾아내는 것은 매우 어려운 문제였다.

 

박남규 교수, 유선규 교수 연구팀은 딥러닝 인공신경망을 활용하여 두뇌와 유사한, 즉 파동에 대하여 척도 없는 네트워크의 특성을 가진 하드웨어 시스템을 찾아낼 수 있음을 입증하였다.

 

논문의 교신저자인 박남규 교수는 “파동과 시스템 간의 상호작용을 해석할 수 있는 딥러닝 신경망 네트워크를 학습시킨 결과, 학습된 네트워크는 두뇌와 유사한, 척도 없는 네트워크 특성을 제공함을 발견하였다. 해당 네트워크로 매질을 역설계할 경우 또한, 매우 흥미롭게도, 신경망 네트워크의 척도 없는 특성이 하드웨어시스템에의 구조적 특성으로 전사(Projection)된다는 점을 확인하였다. 이는 ‘두뇌를 닮은 소프트웨어(딥러닝)’로 ‘두뇌를 닮은 하드웨어(척도 없는 시스템)’를 설계하고 구성하는 것이 가능함을 의미한다. 즉 딥러닝 뉴로모픽 소프트웨어를 사용해 그 특성이 이식된 뉴로모픽 하드웨어에 시스템을 설계할 수 있음을 말하는 것이다.”라고 연구의 의의를 밝혔다.

 

또한 “광학 연구자들의 오랜 목표 중 하나가 바로 빛으로 동작하는 연산 시스템을 구현하는 것이다. 본 연구진이 〈네이처 리뷰 머터리얼즈〉에 게재 예정인 ‘무질서 매질 관련 연구/리뷰’, 지난해 〈어드밴스드 사이언스〉에 게재한 ‘광학 뉴런 관련 연구’와 연계하여, 뉴로모픽 소자 및 복잡계 시스템의 장점을 살린, 빛으로 동작하는 인공지능 컴퓨터의 개발을 꼭 달성하고 싶다. 궁극적으로는 최근 MIT, 스탠포드와 여러 스타트업 등에서 집중적으로 개발하고 있는, 빛으로 동작하는 초고속 인공지능(Photonic Brain) 연구에 새로운 방법론을 제시하는 것과 더불어 나아가 양자파동에 기반한 Photonic Quantum Brain 개발이 장기적 목표”라고 밝혔다.

 

논문의 제1저자인 유선규 교수는 “개발된 척도 없는 하드웨어 시스템은 척도 없는 네트워크의 특성과 유사하게 임의의 에러에는 강하고 의도된 변조에는 매우 민감한 특성을 보여주었다. 즉 우리가 공정이나 실험 과정에서 실수하여 약간 잘못 만들어지거나 향후 작동 시 신호처리에 잡음이 들어가는 것 등에는 영향을 최소화하면서도, 허브 뉴런을 제어함으로써 파동의 거동을 쉽게 제어할 수가 있어 효율적인 스위치, 논리 소자, 메모리, 광학 딥러닝 시스템 등에도 적용할 수 있을 것이다”라고 하였다.

 

본 연구는 과학기술정보통신부 글로벌프런티어사업(GFP, 파동에너지 극한제어 연구단)과 교육부 대통령Post-Doc.펠로우십 과제(PPD) 사업, 해외우수신진연구자유치사업(KRF)의 지원으로 수행되었고, 세계적인 국제학술지 〈네이처 커뮤니케이션즈(Nature Communications, IF=12.121)〉에 9월 24일자로 게재되었다.

 

[그림 1] 이번 연구의 개념도: (왼쪽) 척도 없는 특성을 갖는 인간의 두뇌. 매우 느린 생물학적 진화의 결과이다. (가운데) 두뇌의 신경망을 소프트웨어적으로 모사한 딥러닝 인공신경망. 역시 척도 없는 네트워크로서의 특성을 가지며, 이는 빠른 수치해석 최적화를 통한 진화의 결과이다. (오른쪽) 뉴로모픽 소프트웨어-딥러닝 인공신경망-를 이용하여 역설계한 척도없는 파동 하드웨어시스템. 두뇌의 특성을 닯아서 우수한 성능의 뉴로모픽 하드웨어로 응용가능하다.
[그림 1] 이번 연구의 개념도: (왼쪽) 척도 없는 특성을 갖는 인간의 두뇌. 매우 느린 생물학적 진화의 결과이다. (가운데) 두뇌의 신경망을 소프트웨어적으로 모사한 딥러닝 인공신경망. 역시 척도 없는 네트워크로서의 특성을 가지며, 이는 빠른 수치해석 최적화를 통한 진화의 결과이다. (오른쪽) 뉴로모픽 소프트웨어-딥러닝 인공신경망-를 이용하여 역설계한 척도없는 파동 하드웨어시스템. 두뇌의 특성을 닯아서 우수한 성능의 뉴로모픽 하드웨어로 응용가능하다.

 

[그림 2] 척도 없는 파동 시스템의 특징: (왼쪽, 위) 도로망 네트워크는 각 연결의 중요도가 균일하다. (오른쪽, 위) 반면, 항공망 네트워크는 다른 부분보다 훨씬 중요한 허브(Hub)가 존재하여, 일반적인 에러/사고에는 더 강하지만, 허브들이 일종의 ‘급소’로 동작하여 전체 시스템의 동작을 좌우하게 된다. (왼쪽, 아래) 일반적인 불규칙적이고 무질서한 파동 시스템. 대부분의 입자가 “평등”한 민감도를 가진다. (오른쪽, 아래) 척도 없는 파동 시스템. 특정 입자들이 더 민감한 “불평등”한 민감도를 가진다. 이 경우 일반적인 에러에는 강하면서도 민감한 허브들을 제어하여 전체 시스템의 상태를 변화시킬 수 있다. 즉, 우리 두뇌의 신경망 네트워크는 불평등한 구조적 특성을 가지고 있으며, 이를 모사한 매질은 신호처리 및 학습 기능에 매우 적합하다.
[그림 2] 척도 없는 파동 시스템의 특징: (왼쪽, 위) 도로망 네트워크는 각 연결의 중요도가 균일하다. (오른쪽, 위) 반면, 항공망 네트워크는 다른 부분보다 훨씬 중요한 허브(Hub)가 존재하여, 일반적인 에러/사고에는 더 강하지만, 허브들이 일종의 ‘급소’로 동작하여 전체 시스템의 동작을 좌우하게 된다. (왼쪽, 아래) 일반적인 불규칙적이고 무질서한 파동 시스템. 대부분의 입자가 “평등”한 민감도를 가진다. (오른쪽, 아래) 척도 없는 파동 시스템. 특정 입자들이 더 민감한 “불평등”한 민감도를 가진다. 이 경우 일반적인 에러에는 강하면서도 민감한 허브들을 제어하여 전체 시스템의 상태를 변화시킬 수 있다. 즉, 우리 두뇌의 신경망 네트워크는 불평등한 구조적 특성을 가지고 있으며, 이를 모사한 매질은 신호처리 및 학습 기능에 매우 적합하다.

 

자료제공 : 전기정보공학부(02-880-1820 /  02-880-7281)

 

■ FOCUS

■ COVID-19 소식

■ 캠퍼스 주요 소식

■ 연구성과

■ 안내

■ 기부소식 및 동정