최초의 뉴로모픽 비전 및 비행 드론 제어
최근 뉴로모픽 기술은 인공지능(AI)과 컴퓨팅 효율성을 혁신할 수 있는 획기적인 분야로 급 부상하고 있습니다. 이 접근 방식은 인간 뇌의 구조와 기능을 모방하여 기존 컴퓨팅 시스템의 한계를 넘어서는 성능을 목표로 합니다. 이 분야에서 가장 주목할 만한 발전 중 하나는 인텔의 세계 최대 뉴로모픽 시스템인 Hala Point의 개발입니다. 이 시스템은 11억 5천만 개 이상의 뉴런을 자랑하며, 인텔의 Loihi 2 프로세서를 활용하여 전례 없는 계산 능력과 에너지 효율성을 달성했다고 합니다.
Hala Point는 처리, 메모리 및 통신을 단일의 대규모 병렬 패브릭으로 통합하도록 설계되어 초당 380조 개의 시냅스 연산을 수행할 수 있고, 이 아키텍처는 성능을 향상시킬 뿐만 아니라 기존의 컴퓨팅 시스템에 비해 전력 소비를 크게 줄입니다. 이러한 효율성 덕분에 실시간 연속 학습, 스마트 시티 인프라 관리, 복잡한 과학적 문제 해결 등 다양한 응용 프로그램에 활용이 가능합니다.
또 다른 중요한 혁신은 에너지 효율성과 계산 밀도에서 새로운 기준을 설정한 NeuRRAM 칩입니다. 국제 연구팀이 개발한 이 칩은 이미지 및 음성 인식에서 높은 정확도를 달성하면서도 기존 디지털 칩에 비해 에너지 효율성을 크게 향상시켰습니다. CMOS 뉴런 회로와 저항성 랜덤 액세스 메모리(RRAM) 가중치를 교차하여 배치한 이 아키텍처는 높은 병렬성과 재구성 가능성을 제공하여 다양한 AI 응용 프로그램에 적합하다고 합니다.
Issue: 처리, 메모리 및 통신을 단일 패브릭으로 통합하는 것이 Hala Point와 같은 뉴로모픽 시스템의 성능을 어떻게 향상시키나요?
Clue: Hala Point와 같은 뉴로모픽 시스템에서 처리, 메모리, 통신을 단일 패브릭으로 통합하는 것은 여러 면에서 성능을 극적으로 향상시킵니다.
1. 데이터 전송의 병목 현상 제거:
전통적인 컴퓨터는 프로세서와 메모리가 별도로 존재하여 데이터가 이 둘 사이를 오가야 합니다. 이는 데이터 전송 속도를 제한하는 병목 현상을 일으킬 수 있습니다. 반면, 뉴로모픽 시스템은 프로세서와 메모리가 같은 구조 내에 있어 데이터가 더 빠르게 이동할 수 있습니다. 이는 전체 시스템의 응답 속도를 높입니다 .
2. 에너지 효율성:
뉴로모픽 시스템은 에너지 효율성이 뛰어납니다. 예를 들어, Hala Point는 최적화 문제를 실행할 때 기존의 컴퓨터보다 100배 적은 에너지를 사용합니다. 이는 데이터 전송 과정에서 에너지 소모를 줄이기 때문입니다 .
3. 병렬 처리:
뉴로모픽 시스템은 병렬 처리 능력이 뛰어납니다. Hala Point의 1.15억 뉴런과 140,544개의 뉴로모픽 프로세싱 코어는 대규모 병렬 연산을 가능하게 하여, 복잡한 계산을 동시에 수행할 수 있습니다 .
4. 실시간 처리:
이 시스템은 실시간 데이터 처리에 적합합니다. 예를 들어, Hala Point는 비디오 스트림과 같은 실시간 데이터를 배치하지 않고도 처리할 수 있어 지연 시간을 최소화합니다. 이는 특히 자율 주행차나 드론 같은 실시간 응용 프로그램에서 매우 유용합니다 .
Issue: NeuRRAM 칩의 에너지 효율성과 계산 능력으로 가장 많은 혜택을 받을 수 있는 특정 AI 응용 프로그램은 무엇인가요?
Clue: NeuRRAM 칩의 독특한 설계와 높은 에너지 효율성 덕분에 여러 AI 응용 프로그램이 큰 혜택을 받을 수 있습니다.
1. 이미지 및 음성 인식:
NeuRRAM 칩은 이미지 및 음성 인식 작업에서 높은 정확도를 유지하면서도 기존 디지털 칩보다 에너지를 적게 사용합니다. 이는 스마트폰, 스마트 스피커, 감시 시스템 등 에너지 효율성이 중요한 기기에서 유용합니다 .
2. 엣지 컴퓨팅:
에너지 효율성이 뛰어난 NeuRRAM 칩은 데이터 센터가 아닌 엣지에서 AI 작업을 수행하는 데 이상적입니다. 예를 들어, IoT 기기나 웨어러블 디바이스에서 실시간 데이터를 처리하고 분석하는 데 사용할 수 있습니다 .
3. 자율 시스템:
자율 주행차, 드론, 로봇 등 자율 시스템은 신속하고 효율적인 데이터 처리가 필수적입니다. NeuRRAM 칩의 낮은 전력 소비와 높은 연산 성능은 이러한 시스템이 더 오래 작동하고 더 복잡한 작업을 수행할 수 있게 합니다 .
Issue: Hala Point와 같은 뉴로모픽 컴퓨팅 시스템이 과학 연구와 엔지니어링 문제 해결의 판도를 어떻게 바꿀 수 있을까요?
Clue: Hala Point와 같은 뉴로모픽 컴퓨팅 시스템은 과학 연구와 엔지니어링 문제 해결에 있어 여러 가지 혁신적인 변화를 가져올 수 있습니다.
1. 복잡한 문제 해결 능력:
Hala Point는 대규모 병렬 연산을 통해 복잡한 과학적 및 공학적 문제를 더 빠르고 효율적으로 해결할 수 있습니다. 예를 들어, 기후 모델링, 약물 발견, 우주 탐사 등에서 복잡한 시뮬레이션을 빠르게 실행할 수 있습니다 .
2. 실시간 데이터 처리:
뉴로모픽 시스템은 실시간 데이터 처리에 뛰어나, 실시간 분석과 의사 결정을 필요로 하는 분야에서 유용합니다. 이는 스마트 시티의 인프라 관리, 자율 주행차의 교통 제어 등 다양한 분야에 적용될 수 있습니다 .
3. 지속적 학습:
Hala Point와 같은 시스템은 연속 학습이 가능하여, 새로운 데이터를 통해 끊임없이 학습하고 적응할 수 있습니다. 이는 AI 모델이 환경 변화에 빠르게 대응하고 스스로 개선될 수 있게 하여, 보다 지능적이고 유연한 시스템을 만들 수 있습니다 .
또한 최근 논문 중에 동물의 뇌를 묘사한 뉴로모픽 기술을 사용하여 세계 최초의 자동 주행 드론을 개발했습니다. 이 논문을 알아보고, 뉴로모픽 기술의 발전 방향을 알아보겠습니다.
동물 뇌에서 영감을 받은 AI, 자율 로봇의 게임 체인저
비행 드론의 첫 뉴로모픽 비전 및 제어
연구팀은 동물 뇌의 작동 방식을 기반으로 하는 뉴로모픽 이미지 처리와 제어를 사용하여 자율적으로 비행하는 드론을 개발했습니다. 동물 뇌는 현재 GPU(그래픽 칩)에서 실행되는 깊은 신경망에 비해 적은 데이터와 에너지를 사용합니다. 뉴로모픽 프로세서는 무거운 하드웨어와 큰 배터리가 필요하지 않기 때문에 작은 드론에 매우 적합합니다. 결과는 놀랍습니다: 비행 중 드론의 깊은 신경망은 GPU에서 실행될 때보다 데이터 처리 속도가 최대 64배 빠르고 에너지 소비는 세 배 더 적습니다. 이 기술의 추가 개발은 드론이 날아다니는 곤충이나 새처럼 작고, 민첩하며, 똑똑해질 수 있는 도약을 가능하게 할 수 있습니다.
델프트 공과대학교의 연구팀이 동물 뇌의 작동 원리를 기반으로 하는 뉴로모픽 이미지 처리와 제어를 사용하여 자율 비행 드론을 개발했습니다. 동물 뇌는 현재 GPU(그래픽 칩)에서 실행되는 깊은 신경망에 비해 적은 데이터와 에너지를 사용합니다. 따라서 뉴로모픽 프로세서는 무거운 하드웨어와 큰 배터리가 필요 없는 소형 드론에 매우 적합합니다. 결과적으로 이 드론은 비행 중 GPU에서 실행될 때보다 데이터 처리 속도가 최대 64배 빠르고 에너지 소비는 세 배 더 적습니다. 이 기술의 추가 개발은 드론이 날아다니는 곤충이나 새처럼 작고, 민첩하며, 똑똑해질 수 있는 도약을 가능하게 할 수 있습니다. 이 연구 결과는 최근 ’사이언스 로보틱스(Science Robotics)’에 게재되었습니다.
동물 뇌에서 배우기: 스파이킹 신경망
인공지능은 실제 세계의 응용 프로그램에서 자율 로봇에 필요한 지능을 제공할 수 있는 큰 잠재력을 지니고 있습니다. 그러나 현재의 AI는 상당한 컴퓨팅 파워를 요구하는 심층 신경망에 의존하고 있습니다. 심층 신경망을 운용하기 위해 만들어진 프로세서인 그래픽 처리 장치(GPU)는 상당한 양의 에너지를 소모합니다. 이는 센싱과 컴퓨팅 측면에서 매우 제한된 자원을 운반할 수 있는 작은 로봇들, 예를 들어 비행 드론에게는 문제가 됩니다.
동물의 뇌는 GPU에서 운영되는 신경망과 매우 다른 방식으로 정보를 처리합니다. 생물학적 뉴런은 비동기적으로 정보를 처리하고 주로 스파이크라고 불리는 전기 펄스를 통해 통신합니다. 이러한 스파이크 전송은 에너지를 소비하므로, 뇌는 스파이킹을 최소화 하면서 문제를 처리합니다.
이러한 동물 뇌의 특성에 영감을 받아 과학자들과 기술 회사들은 새로운 뉴로모픽 프로세서를 개발하고 있습니다. 이 새로운 프로세서들은 스파이킹 신경망을 운영할 수 있으며 훨씬 더 빠르고 에너지 효율적일 것이라 약속합니다.
“스파이킹 신경망에서 수행되는 계산은 표준 심층 신경망에서의 계산보다 훨씬 단순합니다,“라고 글의 저자 중 한 명인 박사과정 학생 제시 하게나르스가 말했습니다. “디지털 스파이킹 뉴런은 정수를 더하기만 하면 되지만, 표준 뉴런은 부동 소수점 숫자를 곱하고 더해야 합니다. 이로 인해 스파이킹 신경망이 더 빠르고 에너지 효율적입니다. 왜 이런 차이가 생기는지 이해하려면, 사람들도 5 + 8을 계산하는 것이 6.25 x 3.45 + 4.05 x 3.45를 계산하는 것보다 훨씬 쉽다는 사실을 생각해보면 됩니다.”
이 에너지 효율성은 뉴로모픽 센서, 예를 들어 뉴로모픽 카메라와 함께 뉴로모픽 프로세서를 사용하면 더욱 향상됩니다. 이러한 카메라들은 고정된 시간 간격으로 이미지를 만들지 않습니다. 대신, 각 픽셀은 밝아지거나 어두워질 때만 신호를 보냅니다. 이러한 카메라들의 장점은 움직임을 훨씬 빠르게 인지할 수 있고, 에너지 효율적이며, 어두운 환경과 밝은 환경 모두에서 잘 작동한다는 것입니다. 게다가, 뉴로모픽 카메라의 신호는 뉴로모픽 프로세서에서 운영되는 스파이킹 신경망으로 직접 입력될 수 있습니다. 이러한 기술의 조합은 특히 작고 민첩한 로봇, 예를 들어 비행 드론과 같은 자율 로봇에 있어 큰 가능성을 열어줍니다.
비행 드론의 첫 뉴로모픽 비전 및 제어
2024년 5월 15일에 발표된 ‘사이언스 로보틱스’의 기사에 따르면, 네덜란드 델프트 공과대학의 연구자들은 뉴로모픽 비전과 제어를 사용하여 자율 비행하는 드론을 처음으로 시연했습니다. 특히, 이들은 뉴로모픽 카메라에서 나오는 신호를 처리하고 드론의 자세와 추력을 결정하는 제어 명령을 출력하는 스파이킹 신경망을 개발했습니다. 이 네트워크는 드론에 탑재된 인텔의 로이히 뉴로모픽 연구 칩에 배치되었습니다. 네트워크 덕분에 드론은 모든 방향으로 자신의 움직임을 인지하고 제어할 수 있습니다.
연구에 참여한 연구원 중 한 명인 페데리코 파레데스-발레스는 “많은 도전을 마주쳤지만, 가장 어려웠던 점은 스파이킹 신경망을 어떻게 훈련시킬 수 있을지 상상하는 것이었다”고 말했습니다. “결국 우리는 두 모듈로 구성된 네트워크를 설계했습니다. 첫 번째 모듈은 움직이는 뉴로모픽 카메라의 신호에서 움직임을 시각적으로 인지하는 방법을 완전히 독립적으로, 자기 주도적으로 학습합니다. 이는 동물이 세계를 스스로 인지하는 방식과 유사합니다. 두 번째 모듈은 추정된 움직임을 제어 명령으로 매핑하는 것을 시뮬레이터에서 학습합니다. 이 학습은 시뮬레이션에서 인공 진화에 의존했으며, 드론을 더 잘 제어하는 네트워크가 후손을 낳을 확률이 높았습니다. 인공 진화의 세대를 거치며 스파이킹 신경망은 제어 능력이 점점 향상되어 결국 다양한 속도로 모든 방향으로 비행할 수 있게 되었습니다. 우리는 두 모듈을 훈련시키고 그것들을 통합할 수 있는 방법을 개발했습니다. 통합된 네트워크가 실제 로봇에서 즉시 잘 작동하는 것을 보고 기뻤습니다.”
이 드론은 뉴로모픽 비전과 제어를 통해 다양한 속도로 다양한 광조건 하에서 비행할 수 있습니다. 심지어 깜빡이는 조명 아래에서도 비행할 수 있으며, 이러한 조명은 뉴로모픽 카메라의 픽셀이 움직임과 관련 없는 많은 신호를 네트워크로 보내게 합니다.
뉴로모픽 AI에 의한 에너지 효율성 및 속도 향상
“뉴로모픽 AI의 잠재력을 확인하는 중요한 측정 결과가 있습니다. 이 네트워크는 평균적으로 초당 274회에서 1600회 사이에서 작동합니다. 같은 네트워크를 소형 내장형 GPU에서 실행하면 평균적으로 초당 25회만 작동하며, 이는 약 10-64배의 차이입니다! 또한 네트워크를 실행할 때 인텔의 로이히 뉴로모픽 연구 칩은 1.007와트를 소비하는데, 이 중 1와트는 칩을 켤 때 프로세서가 사용하는 대기 전력입니다. 네트워크 자체를 실행하는 데는 단지 7밀리와트만 소모됩니다. 반면에 같은 네트워크를 실행할 때 내장형 GPU는 3와트를 소비하며, 이 중 1와트는 대기 전력이고, 2와트는 네트워크를 실행하는 데 사용됩니다. 뉴로모픽 접근 방식은 AI를 더 빠르고 효율적으로 실행하게 하여 훨씬 더 작은 자율 로봇에 배포할 수 있게 합니다.“라고 뉴로모픽 드론 분야의 박사과정 학생인 스타인 스트루반츠가 말합니다.
미니 로봇을 위한 뉴로모픽 AI의 미래 응용
“뉴로모픽 AI는 모든 자율 로봇을 더욱 똑똑하게 만들 것입니다.“라고 생체 모방 드론 분야의 교수인 귀도 드 크룬은 말합니다. “하지만 특히 미니 자율 로봇에 있어서는 절대적인 촉진제가 됩니다. 네덜란드 델프트 공과대학의 항공우주공학부에서 우리는 온실에서 작물을 모니터링하거나 창고에서 재고를 추적하는 등의 다양한 응용 분야에 사용될 수 있는 소형 자율 드론을 연구합니다. 소형 드론의 장점은 매우 안전하며 토마토 식물 범위 사이와 같은 좁은 환경에서도 탐색할 수 있다는 것입니다. 또한 매우 저렴해서 무리지어 배치할 수 있습니다. 이는 탐사 및 가스 원천 위치 파악 설정에서 보여준 것처럼 지역을 더 빨리 커버하는 데 유용합니다.”
“현재의 연구는 이 방향으로의 큰 발걸음입니다. 그러나 이러한 응용 프로그램의 실현은 뉴로모픽 하드웨어의 더욱 축소화와 복잡한 작업에 대한 능력 확장에 따라 달라질 것입니다.”
DOI: 10.1126/scirobotics.adi0591
뉴로모픽 컴퓨팅의 발전은 AI 워크로드의 효율성을 높일 잠재력을 보여줄 뿐만 아니라, 현재의 한계를 넘어서는 미래 기술의 길을 열어줍니다. 이러한 시스템이 상용화되고 기존의 도전 과제를 극복하는 연구가 계속됨에 따라, 뉴로모픽 원리가 주류 컴퓨팅에 통합되어 산업과 일상 생활을 변화시킬 수 있는 새로운 시대를 열 것으로 생각됩니다.