IIT 구와하티, 뇌 영감 시각 칩으로 에너지 500배 절감 주장

인도 IIT 구와하티 연구진이 빛에 반응하고 기억하며 학습하는 초박형 인공 시냅스 소자를 소개한다. 센싱과 메모리를 한 장치에 통합해 데이터 이동 에너지를 줄이는 것이 핵심이며, 단일 소자 수준의 에너지 결과와 시뮬레이션 기반 정확도가 함께 제시된다. 대규모 배열과 실제 응용, 노이즈 환경 대응은 아직 과제로 남아 있다.

⏱ 00:00자율주행이나 얼굴 인식 시스템은 이미지를 처리할 때마다 카메라에서 메모리와 프로세서로 픽셀 데이터를 옮기는 데 많은 에너지를 쓴다. 진행자는 인간의 뇌처럼 감지와 기억, 처리를 한데 묶은 카메라를 만들 수 있는지 질문하며 방송을 시작한다.

연구 성과의 주 저자인 프라바트 쿠마르 기리 교수가 게스트로 소개된다.

⏱ 01:00교수는 기존 컴퓨팅이 센싱, 메모리, 프로세싱을 분리해 데이터 전송 비용이 커진다고 설명한다. 연구진은 초박형 2차원 반도체 소재로 저비용 뉴로모픽 컴퓨팅을 구현하려 했고, 이 장치는 센싱과 메모리를 하나의 유닛으로 묶었다고 말한다.

교수는 장치의 에너지가 펨토줄 수준으로 측정되었다고 밝히며, 뇌의 뉴런 스파이크 동작이 피코줄 수준이라는 점을 들어 뇌보다 최소 100배 낮은 수치라고 설명한다. 다만 이는 개별 소자의 시연이며 완전한 통합 단계는 아니고, 데이터 처리는 아직 별도 소프트웨어가 맡고 있다.

⏱ 05:13MXene은 전하를 빠르게 옮기는 2차원 물질이고 P3HT는 빛에 민감한 유기 반도체다. 두 물질을 결합하면 뉴로모픽 응용에 필요한 특성을 얻을 수 있다는 것이 연구진의 설명이다. 용액 공정이 가능해 고도의 반도체 공정보다 에너지 부담이 적다는 점도 선택 이유로 꼽힌다.

MXene은 화학적 에칭 과정에서 산화되어 특성이 변하기 쉽다는 한계가 있다. 연구진은 P3HT로 코팅해 산화를 부분적으로 막아 안정성을 높였지만, 에칭 없이 산화 문제를 푸는 대안은 아직 완전히 해결되지 않았다고 밝힌다. 진행자는 상업화 가능성에 대한 우려도 제기했다.

⏱ 09:47교수는 생물학적 시냅스를 뉴런 사이의 연결 지점으로 설명하고, 두 물질이 맞닿은 접합부가 시냅스처럼 작동한다고 말한다. 시냅스 가중치, 즉 학습 정도는 빛의 세기와 파장, 저전압 같은 외부 신호로 조절되며 모두 저전력으로 이뤄진다. 이 가중치는 학습과 망각의 정도를 나타낸다.

진행자는 빛을 끈 뒤에도 이미지가 기억되는 이유를 물었다. 교수는 결함에 전하가 갇혀 전도도가 즉시 사라지지 않고 천천히 줄어드는 지속적 광전도 현상 때문이라고 답했다. 현재 기억 유지는 분 단위지만 특성 조정으로 더 길게 늘릴 수 있다고 전망했다.

⏱ 13:00교수는 두 번째 광 펄스에 대한 전기적 반응이 첫 펄스보다 180% 강하게 나타난다고 밝혔다. 이 현상은 펄스 쌍 기능(PPF)이라 불리며 조정이 가능하고, 장기 기억 형성과 관련이 있다고 설명했다. 짧은 간격의 반복 자극이 기억을 오래 남기는 뇌의 원리와 유사하다는 것이다.

진행자가 어린아이처럼 반복을 통해 학습하는 것인지 묻자 교수는 그것이 목표라고 답했다. 다만 소프트웨어 기반 역전파 학습이 필요 없는지에 대해서는 명확한 결론 없이 원리 수준의 설명에 머물렀다.

⏱ 15:09교수는 노이즈가 없을 때 시각 연산 정확도가 약 90%이지만 배경 노이즈가 있으면 떨어진다고 인정했다. 복잡한 교차로처럼 자극이 많은 환경에서 과도한 학습이나 포화를 막는 문제는 현재 한계이며, 연구진이 노이즈 대응 방법을 탐색 중이라고 말했다.

단일 소자의 에너지 효율을 고밀도 배열로 확장하면 상호 연결 저항에서 열이 발생해 응답이 느려지고 전력이 늘 수 있다고 설명했다. 연구진은 10x10 배열을 만들었으며 실제 응용에는 30x30 정도가 필요하다고 밝혔다. 90%라는 정확도는 인공 신경망 시뮬레이션을 통해 얻은 값이라는 점도 교수가 짚었다.

⏱ 17:59교수는 엔지니어와 과학자가 협력하면 10년 안에 뉴로모픽 칩의 실용화가 가능하다고 전망했다. 99%에 가까운 정확도를 얻으려면 클린룸이나 불활성 기체 같은 조건에서 공정을 더 정밀하게 제어해야 하며, 저비용 실험실 환경에서는 제어되지 않는 요소가 남아 있다고 설명했다. 연구팀은 현재 IP 사업보다 근본 특성과 어레이 수준의 성능 개선에 집중하고 있다.

연구는 약 2년 전 시작되었고, 작년 ANRF(Anusandhan National Research Foundation)에 과제를 제출해 연구비를 지원받았다고 한다. AI가 내장된 가정용 기기가 생활을 바꿀 것이라는 질문에 대해서는 일반적인 자동화 전망 수준의 답변이 이어졌다.