[언론보도] 박남규 교수, 서울대 박남규 교수팀, 인공지능 활용해 두뇌 특성 모사한 하드웨어 설계 성공(베리타스 알파,2020.09.25)
에러에 강하고 연산효율 우수, 두뇌 내 신호전달 체계 효율 닮아
광학 인공지능의 기초 플랫폼 개발, '네이처 커뮤니케이션즈' 게재
서울대 공대는 전기정보공학부 박남규 교수, 유선규 교수 연구팀이 인공지능 기술의 딥러닝 인공신경망을 활용해 두뇌와 유사한 네트워크 특성을 갖는 하드웨어 설계에 성공했다고 25일 밝혔다. 해당 시스템이 두뇌의 구조적 특성과 유사하게, 빛, 양자 등의 파동에 대해 매우 효과적인 연산/신호처리가 가능하고 동시에 에러에는 강한 것을 확인했다.
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 활용해 두뇌와 유사한, 즉 파동에 대해 척도 없는 네트워크의 특성을 가진 하드웨어 시스템을 찾아낼 수 있음을 입증했다.
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 발견했다. 해당 네트워크로 매질을 역설계할 경우 또한, 매우 흥미롭게도, 신경망 네트워크의 척도 없는 특성이 하드웨어시스템에의 구조적 특성으로 전사(Projection)된다는 점을 확인했다. 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 것"이라며 이번 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 연계해, 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 실수해 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 했다.
본 연구는 과학기술정보통신부 글로벌프런티어사업(GFP, 파동에너지 극한제어 연구단)과 교육부 대통령Post-Doc.펠로우십 과제(PPD) 사업, 해외우수신진연구자유치사업(KRF)의 지원으로 수행됐고, 세계적인 국제학술지 '네이처 커뮤니케이션즈'에 9월24일자로 게재됐다.
(사진 왼쪽부터)서울대 전기정보공학부 박남규 교수, 유선규 교수, 박현희 박사 /사진=서울대 제공
>>기사 원문 보기
광학 인공지능의 기초 플랫폼 개발, '네이처 커뮤니케이션즈' 게재
서울대 공대는 전기정보공학부 박남규 교수, 유선규 교수 연구팀이 인공지능 기술의 딥러닝 인공신경망을 활용해 두뇌와 유사한 네트워크 특성을 갖는 하드웨어 설계에 성공했다고 25일 밝혔다. 해당 시스템이 두뇌의 구조적 특성과 유사하게, 빛, 양자 등의 파동에 대해 매우 효과적인 연산/신호처리가 가능하고 동시에 에러에는 강한 것을 확인했다.
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 활용해 두뇌와 유사한, 즉 파동에 대해 척도 없는 네트워크의 특성을 가진 하드웨어 시스템을 찾아낼 수 있음을 입증했다.
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 발견했다. 해당 네트워크로 매질을 역설계할 경우 또한, 매우 흥미롭게도, 신경망 네트워크의 척도 없는 특성이 하드웨어시스템에의 구조적 특성으로 전사(Projection)된다는 점을 확인했다. 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 것"이라며 이번 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 연계해, 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 실수해 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 했다.
본 연구는 과학기술정보통신부 글로벌프런티어사업(GFP, 파동에너지 극한제어 연구단)과 교육부 대통령Post-Doc.펠로우십 과제(PPD) 사업, 해외우수신진연구자유치사업(KRF)의 지원으로 수행됐고, 세계적인 국제학술지 '네이처 커뮤니케이션즈'에 9월24일자로 게재됐다.
(사진 왼쪽부터)서울대 전기정보공학부 박남규 교수, 유선규 교수, 박현희 박사 /사진=서울대 제공