정홍식 교수(오른쪽)과 임동혁 박사(왼쪽).(UNIST 제공) © 뉴스1

인공신경망의 학습능력을 향상시키는 새로운 기술이 개발됐다. 인공신경망은 인공지능의 한 종류로 인간의 신경을 흉내낸 머신러닝 기법이다.UNIST(울산과학기술원)는 정홍식 신소재공학과 교수팀과 중국 칭화대 연구진이 인공신경망 칩의 불안정성을 역이용해 인공신경망의 학습능력을 향상시키는 새로운 학습법을 제안했다고 18일 밝혔다.

인공신경망 칩은 뇌의 뉴런과 시냅스를 반도체 칩으로 구현하는 미래기술이다.

연구진은 인공신경망 칩처럼 동작이 가능한 상변화 메모리반도체(P-RAM) 기반 멤리스터(메모리반도체+저항) 어레이(집합체,무리)를 만들어 제안된 학습법의 효과를 입증했다.

이 학습법은 정보저장 물질(상변화물질)의 자발적 전기저항 증가를 이용하기 때문에 추가적 전력소모 없이 학습능력 향상이 가능하다는 장점이 있다. 정 교수는 "반도체 소자의 불안정성을 최소화하려는 접근법 대신 이를 이용해 학습능력을 향상시키는 접근법을 고안했다는 점에서 인공신경망 칩 개발의 새로운 패러다임을 제시한 연구"라고 설명했다.

정 교수에 따르면 인공신경망 칩을 쓰면 인간 뇌처럼 에너지는 적게 쓰면서 연산과 기억 작업을 동시에 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.

이에 연구팀은 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.

연구팀은 숫자 0~9로 구성된 손글씨를 분류하는 실험을 통해 개발된 학습법이 3% 정도의 학습능력 향상 효과를 보이는 것을 확인했다. 특히 손글씨 분류가 어려운 숫자 8의 경우 정확도가 더 크게 향상됐다.

손글씨 분류 난이도에 따라 차별적으로 변화하는 시냅스 업데이트 패턴 덕분에 학습능력이 향상된 것이다.

[연구그림] 상변화 메모리소자와 이 소자의 저항변화 특성 확보.(UNIST 제공) © 뉴스1

연구진은 이번 연구가 최근 인공지능분야의 두 가지 화두인 '인공신경망 칩의 개발'과 '인공신경망을 통한 뇌신경기능 구현'을 잇는 인공지능기반 융합연구의 기폭제 역할을 할 것으로 기대했다.

중국 칭화대학교 루핑 시(Luping Shi) 교수와 공동으로 이뤄진 이번 연구는 국제학술지 네이쳐 커뮤니케이션즈(Nature Communications) 1월 12일 온라인판에 게재됐다.

연구수행은 한국연구재단의 나노소재원천사업, UNIST의 미래선도형특성화사업과 인공지능대학원프로그램의 지원으로 이뤄졌다.


minjuman@news1.kr