‘인공 뇌’ 불안정성 역이용한 인공지능 학습 능력 향상 기술 개발

인공지능(인공신경망)의 학습 능력을 향상시키는 새로운 기술이 개발됐다.

UNIST(총장 이용훈)의 신소재공학과의 정홍식 교수팀과 중국 칭화대 연구진은 인공신경망 칩의 불안정성을 역이용해 인공신경망의 학습능력을 향상시키는 새로운 학습법을 제안했다. 인공신경망 칩은 뇌의 뉴런과 시냅스를 반도체 칩으로 구현하는 미래 기술이다. 연구진은 인공신경망 칩처럼 동작이 가능한 상변화 메모리반도체(P-RAM) 기반 멤리스터(메모리반도체+저항) 어레이를 만들어 제안된 학습법의 효과를 입증했다. 이 학습법은 정보저장 물질(상변화물질)의 자발적 전기저항 증가를 이용하기 때문에 추가적 전력소모 없이 학습능력 향상이 가능하다는 장점 또한 있다.

그림1. 상변화 메모리소자와 이 소자의 저항변화 특성 확보

정홍식 교수는 “반도체 소자의 불안정성을 최소화하려는 접근법 대신 이를 이용해 학습능력을 향상 시키는 접근법을 고안했다는 점에서 인공신경망 칩 개발의 새로운 패러다임을 제시한 연구”라고 설명했다. 정 교수는 지난 ‘19년 UNIST에 부임해 반도체소재 부품 대학원 설립 추진단을 이끌고 있다.

인공신경망 칩을 쓰면 인간 뇌처럼 에너지는 적게 쓰면서 연산과 기억 작업을 동시 할 수 있다. 하지만 물리적으로 수많은 소자가 집적된 인공신경망 칩은 오차가 존재한다는 단점이 있다. 기존 인공신경망 학습방법은 오차가 없는 완벽한 인공신경망 칩을 가정한 학습방법이라 인공신경망의 학습능력이 떨어진다.

정 교수 연구팀은 실제 인간 뇌도 완벽에 가까운 동작이 필요하지 않다는 점에서 착안해 상변화 메모리기반 멤리스터 인공신경망 학습법을 개발했다. 이 학습법은 메모리 반도체내 상변화물질의 ‘저항 드리프트 현상’(전기저항 증가)을 학습에 반영한 것이다. 학습 과정 중 정보 업데이트 패턴이 시냅스 역할을 하는 멤리스터에 전기저항 증가 형태로 기록되기 때문에 시냅스는 자신이 변화하는 패턴과 학습하는 데이터간 연관성을 추가로 학습하게 된다.

그림2. 상변화 메모리의 저항 드리프트에 의한 기존 학습과정과의 차별성

연구팀은 숫자 0~9로 구성된 손 글씨를 분류하는 실험을 통해 개발된 학습법이 3% 정도의 학습능력 향상 효과를 가짐을 보였다. 특히 손 글씨 분류가 어려운 숫자 8의 경우 정확도가 더 크게 향상됐다. 손 글씨 분류 난이도에 따라 차별적으로 변화하는 시냅스 업데이트 패턴 덕분에 학습능력이 향상된 것이다.