[개념] 뇌의 작동 방식을 실리콘에 구현해서 인간의 사고과정과 비슷하게 정보를 처리하는 소형의 뇌 신경 모방칩
사람의 뇌신경을 모방한 차세대 반도체이며, 인공 뉴런(Neuron)을 병렬 구성함으로써 빠른 처리 능력을 구현하고 전력소비량을 낮출 수 있는 기술
이명재, 최현식. (2021). 인공지능 구현을 위한 뉴로모픽 컴퓨팅 : 리뷰. 정보기술융합공학논문지, 11(1), 1-9.
자료: ETRI - 인공지능 뉴로모픽 반도체 기술 동향 (2020)
* 인공지능 가속기(Accelerator)는 인공지능 알고리즘의 빠른 처리를 위해 특별히 설계된 하드웨어 혹은 마이크로칩을 말한다.
AI 알고리즘의 대부분은 대규모의 병렬 연산을 기반으로 하고 있으며, 종래 3차원 그래픽스 관련 벡터 연산에 사용되었던 GPU를 인공지능 알고리즘 처리에 활용하게 되었고, 그로 인하여 GPU에 내장된 많은 연산 코어를 인공지능 알고리즘 연산에 활용하여 인공지능과 관련된 작업의 가속이 가능하게 되었다. GPU의 구조적 특징을 활용하여 최근까지도 인공지능 알고리즘과 같은 대규모 병렬 컴퓨팅 구현에 GPU를 활용하고 있다.
한편, 인공지능 연산 가속을 위한 ASIC 칩은 TPU, NPU, VPU 등 여러 유형의 아키텍처를 가지며 각기 인공지능 응용을 위한 전용 아키텍처를 탑재하고 있다. 기본적으로 ASIC 칩은 GPU 또는 FPGA보다 더 높은 에너지 효율성을 가지고 고속으로 동작하며 die 크기가 더 작은 것이 특징이다. ASIC은 다양한 높은 연산 특성을 가지는 매우 규칙적인 데이터 처리를 에너지 효율적이고 신속하게 처리하는 것을 첫 번째 목표로 하여 궁극적으로는 CPU와 같은 범용성까지 탑재할 것을 추구하고 있으나 설계에서 제작까지 이르는 개발주기가 매우 길고, 한번 설계된 내부의 구조는 변경이 불가하여 다양한 어플리케이션에 유연하게 대응이 어려우므로 범용성 탑재는 힘들 것으로 보고 있다.
인공지능 연산 가속 측면에서의 FPGA는 고객의 요구에 따라 인공지능 연산에 필요한 칩 내부 구성의 배열을 높은 자유도로 설정할 수 있는 칩을 일컫는다. 일반적으로 FPGA는 ASIC보다 설계주기가 짧으며 GPU 기반의 하드웨어보다 소비 전력이 낮으나 하드웨어적인 설계 자유도가 높으므로 내부 게이트 카운트의 규모가 커질수록 칩당 가격도 상대적으로 높다. 최근 인공지능 하드웨어 시장에서 FPGA는 에너지 효율성을 추구하는 ASIC과 구현의 유연성을 추구하는 GPU 사이에서 적절한 절충안으로 자리 잡고 있으며, 매우 급변하고 있는 AI 알고리즘에 대응할 수 있는 솔루션으로 주목받고 있다.
또한, FPGA는 ASIC 제작으로 발생할 수 있는 비용 및 기술적 제한을 피하면서 각각의 어플리케이션에 적합한 사용자에 의해 정의된 칩을 구현할 수 있는 장점이 있다. 표 1에 상기 열거한 GPU, ASIC, FPGA 외에 인공지능 가속기로서의 다양한 하드웨어 구현방법에 따른 특징과 장단점을 정리하였다.
https://ettrends.etri.re.kr/ettrends/183/0905183007/
인공지능 뉴로모픽 반도체 기술 동향
깊은 신경망(DNN: Deep Neural Networks)에 기반을 둔 인공지능 알고리즘은 여러 복잡한 인지 과제에서 인간과 유사하거나 인간을 뛰어넘는 성능을 입증했지만, 이러한 알고리즘을 구현하는 컴퓨팅 시�
ettrends.etri.re.kr
클라우드로 가기 전 엣지단에서 인텔리전스 기능으로 노드를 분산시켜 운영할 수 있기 때문
(http://m.epnc.co.kr/news/articleView.html?idxno=78715
네패스 "뉴로모픽 칩으로 엣지 컴퓨팅 시장 공략 목표"⑥ - 테크월드뉴스
[테크월드=이나리 기자] 네패스는 1990년 설립한 한국의 전자부품 전문기업이다. 2000년대부터 반도체 범핑기술을 기반으로 첨단 패키징 기술인 WLP(Wafer Level Package), FOWLP(Fan-out WLP)를 공급하고 있으
www.epnc.co.kr
[특징] 1) 저전력 (초당 10회, 10Hz, CPU GHz단위 연산처리),(20와트 vs 메가와트급)
2) 병렬연산수행 및 정보처리
[동작]
코어의 일부 소자는 뇌의 신경세포인 뉴런의 역할을 담당하며, 코어 속의 메모리는 시냅스(뉴런과 뉴런 사이)를 담당
하나의 코어에서 발생한 전기 신호가 다음 층의 코어로 빠르게 전달되면 둘 사이의 연관이 높다고 판단하고 저항을 낮춰 흐르는 전류량을 늘립니다.
처음에는 모든 코어 사이에 흐르는 전류량이 비슷하지만, 학습이 진행될수록 전류량의 차이는 커집니다. 소프트웨어는 연결의 가중치를 높이고 낮추는 과정이 모두 명령어에 의한 연산이지만, 뉴로모픽은 코어 안의 전자 회로가 알아서 수치 조절을 할 수 있어 특별한 연산이 필요 없습니다.
1-1-6. IBM Watson & 뉴로모픽칩의 한계 – 고체칩을 유기체칩으로 전환해야
반도체칩이 고체칩이어서, 두뇌가 가지고 있는 뉴런과 시냅스 등과 생체호환이 안 된다는 단점을 갖고 있다.
▲ IBM과 인텔이 각각 개발하고 있는 고체칩의 뉴로모픽칩. Image: IBM / Intel
(http://www.itnews.or.kr/?p=25120
X-ABNI+α, 이를 융합 유기칩·MC·데이터 주권화 도전 - IT News
필자를 비롯한 국제미래학회 집필위원 20명이 서술한 <대한민국 4차 산업혁명 마스터플랜, 376페이지>이 광문각을 통해 2017년 12월 6일 발간되었다. 본 책은 우리나라가 추진해야 할 제4차 산업혁��
www.itnews.or.kr
뉴로모픽 컴퓨팅의 핵심 기술인 뉴로모픽 칩은 사람의 사고 과정과 비슷하게 정보를 처리하는 새로운 반도체로 뇌의 작동방식을 최대한 실리콘에 구현하는 기술
- 반도체 칩 안에는 여러 개의 ‘코어(Core)’들이 존재하며, 코어에는 트랜지스터를 포함한 몇 가지 전자 소자들과 메모리 등이 탑재
- 코어의 일부 소자는 뇌의 신경세포인 뉴런의 역할을 담당하며, 메모리칩은 뉴런과 뉴런 사이를 이어주는 시냅스 기능을 담당 - 인공 뉴런 역할을 하는 코어를 사람의 뇌처럼 병렬로 구성하였기 때문에 적은 전력*만으로 많은 양의 데이터 처리가 가능하며, 인간의 뇌처럼 학습하고 연산하는 능력**까지 증가
* 뇌는 뉴런과 시냅스를 잇는 방대한 연결구조가 병렬로 이루어져 소요전력이 적으며, 특히 시냅스의 경우 일을 하거나 하지 않을 때 수시로 이어졌다 끊어지면서 에너지 소모량을 최소화
** 뉴로모픽칩 스스로가학습능력을가지고있어이용자의행동·습관·주위환경까지인지하여작동하는컴퓨팅시스템으로변화가능
[동향] IBM 트로노스, 퀄컴 제로스 프로세서
[활용] 메모리 임플란트
기억을 관장하는 신경회로의 손상으로 인해 기억의 저장 및 추출이 원활하게 이루어지지 않는 경우, 뉴로모픽칩의 이식을 통해 기억저장을 유도할 수 있는 신경신호를 생성하여 새로운 기억을 심거나 기존 기억을 삭제할 수 있는 기술
[발전전망] 신경 재활 분야
인공지능(AI) 칩 로이히(Loihi). : 스스로 학습할 수 있는 자율 학습형 반도체 칩
뉴로모픽은 주변 환경의 다양한 정보를 수집해 인간의 뇌처럼 자율 학습을 할 수 있게 해주는 방식
□ 인간 두뇌처럼 작동하도록 설계된 인텔의 자체학습 칩(self learning)이 코드명은 Loihi가 발표됨
- 복잡한 결정이 더 빨리 이뤄지고 시간이 지남에 따라 적응
- 학습된 경험을 사용하여 산업 문제를 해결
- 실종자관련 카메라 이미지 인식과 분석
- 신호등을 트래픽 흐름과 동기화시켜 신호 타이밍 자동 조정
'07.AI' 카테고리의 다른 글
| ISO/IEC 22989 (2022) (0) | 2023.02.07 |
|---|---|
| 인공지능 위험 관리 프레임워크 'AI RMF 1.0'(AI Risk Management Framework-AI RMF 1.0) (0) | 2023.02.06 |
| 인공지능 - 편향성 측정 (0) | 2023.02.03 |
| 딥러닝 - DNN - 자율주행 자동차에서 DNN 기반 안전 필수 응용의 성능 저하 방지 (2020) (0) | 2023.02.02 |
| 딥러닝 - DNN - DNN 추론 가속 하드웨어 최적화를 위한 양자화 기법 (2018) (0) | 2023.02.01 |
