새로운 연구: 첨단 반도체 기술로 AI 훈련 성능 향상 및 에너지 절약 가능성 발견

Seoul포항공대와 고려대 연구진이 반도체 기술을 발전시켰습니다. 이들은 AI 계산을 강화하기 위해 전기화학적 램(ECRAM)을 활용하였으며, 이를 통해 CPU 및 GPU와 같은 기존 디지털 하드웨어가 겪는 한계를 극복하였습니다. 이러한 발전은 생성 AI 응용 프로그램을 포함한 AI의 빠른 발전에 발맞춰 나가는 데 도움을 줍니다.

다음은 몇 가지 주요 사항입니다:

• 연구팀은 김세영 교수, 노경미, 곽현정, 이형민 교수로 구성되어 있습니다.
• ECRAM 장치는 이온 이동을 통해 전기 전도성을 조절합니다.
• 이 장치는 효율적인 데이터 읽기/쓰기 작업을 위해 3-단자 구조를 사용합니다.
• 팀의 ECRAM 장치는 이전의 10×10 배열에 비해 상당히 개선된 64×64 배열로 제작되었습니다.

아날로그 하드웨어는 외부 전압이나 전류를 사용하여 반도체의 저항을 조정합니다. 이러한 방식은 크로스포인트 배열을 통해 AI 작업을 동시에 처리합니다. 아날로그 하드웨어는 특정 작업과 연속적인 데이터 처리에 적합하지만, 학습과 추론에 필요한 다양한 계산 요구를 처리하는 데 어려움을 겪습니다.

연구팀은 이러한 문제를 해결하기 위해 ECRAM 장치를 개발했습니다. 이 장치는 이온 농도를 통해 전기 전도성을 제어하며, 데이터를 읽고 쓰는 경로가 분리되어 있어 비교적 낮은 전력을 사용합니다. 연구팀은 64×64 크기의 ECRAM 장치 배열을 만들었는데, 이는 현재까지 보고된 가장 큰 규모입니다. 연구 결과, 뛰어난 전기적 성능과 안정적인 스위칭, 높은 성공률 및 일관성이 입증되었습니다.

연구진은 고급 학습 기법인 Tiki-Taka 알고리즘을 효과적인 하드웨어에 적용했습니다. 이로 인해 AI 신경망 훈련의 정밀도가 향상되었습니다. 그들은 하드웨어의 학습 방법이 가중치를 안정적으로 유지하며, 신경망에 과도한 부담을 주지 않는다는 것을 발견했습니다. 이 발견은 기술을 상업적으로 활용할 가능성을 높이기 때문에 중요합니다.

더 읽기:

2024년 11월 21일 · 오전 10:27

미국, AI 혁신 선도하며 중국 앞질러 - 스탠퍼드 보고서

이 혁신은 AI 계산에 변화를 가져올 수 있습니다. 디지털 하드웨어는 전력과 확장성에서 한계가 있습니다. ECRAM 기반의 아날로그 솔루션은 AI에 더 에너지 효율적이고 확장 가능할지도 모릅니다. 저전력 작동을 가능하게 하는 3단자 구조는 대규모 응용 프로그램에 유망합니다.

김세영 교수는 대규모 배열과 특수화된 AI 알고리즘이 현재의 디지털 기법보다 성능과 에너지 효율 면에서 더 우수할 수 있음을 논의했습니다. 이 연구는 더욱 복잡하고 대규모의 AI 모델을 처리할 수 있는 새로운 AI 훈련 기술로 이어질 수 있습니다.

이 연구는 산업통상자원부와 한국산업기술진흥원을 비롯한 여러 한국 기관들의 지원을 받았습니다. 대학과 기업 간의 협력은 인공지능을 위한 반도체 기술을 발전시키기 위한 강력한 노력을 보여주고 있습니다. 이와 같은 발전은 AI가 여러 분야에서 빠르게 확산됨에 따라 곧 중요한 상업적 용도로 이어질 가능성이 있습니다.

아날로그 하드웨어에서 ECRAM 장치를 사용하면 현재의 디지털 하드웨어보다 AI 연산을 더 효율적이고 확장 가능하게 만들 수 있습니다. 연구팀의 작업은 AI 기술의 흥미로운 미래 방향을 제시하고 있습니다.