[더테크=조재호 기자] 국내 연구진이 현재 반도체 산업체에서 사용되는 실리콘 소재, 공정만을 사용해 초소형 진동 신경망을 구축하고 경계선 인식 기능을 구현했으며 난제 중 하나인 그래프 색칠 문제를 해결했다.

KAIST는 전기및전자공학부 최양규 교수 연구팀이 실리콘 바이리스터 소자로 생물학 뉴런의 상호작용을 모방한 뉴로모픽 진동 신경망을 개발했다고 3일 밝혔다.

그래프 색칠 문제는 그래프 이론에서 사용되는 용어로 그래프의 각 정점에 서로 다른 색을 할당해야 한다. 이러한 색 구분 문제는 방송국 주파수가 겹쳐 난시청 지역이 발생하지 않도록 주파수를 할당하는 문제 등과도 유사해 다양하게 응용되고 있다.

KAIST는 빅데이터 시대가 도래하면서 AI이 기술이 발전하고 있고 인간이 뇌 기능을 모사하는 뉴로모픽 컴퓨팅 중 하나인 상호 간 결합된 진동 신경망(oscillatory neural network)은 뉴런의 상호작용을 모방한 인공 신경망이라고 분석했다.

진동 신경망은 기본단위에 해당하는 진동자의 연결 동작을 이용하며 신호의 크기가 아닌 진동을 이용해 연산을 수행하면서 소모 전력 측면에서 이점을 갖고 있다.

연구팀은 실리콘 기반 진동자를 이용해 진동 신경망을 개발했다. 축전기를 이용해 두 개 이상의 실리콘 진동자를 연결하면 각각의 진동 신호가 상호작용해 시간이 경과하면서 동기화된다.

연구팀은 진동 신경망으로 영상 처리에 사용되는 경계선 인식(edge detection) 기능을 구현했으며 난제 중 하나인 그래프 색칠 문제(vertex coloring problem)를 해결했다.

또한 이번 연구는 제조 관점에서 복잡한 회로, 기존 반도체 공정과 호환성이 낮은 소재·구조 대신 현재 반도체 산업체에서 사용되는 실리콘 관련 소재·공정만으로 진동 신경망을 구축했기 때문에 양산에 바로 적용 가능하다는 장점이 있다.

KAIST는 개발된 진동 신경망이 복잡한 컴퓨팅 난제를 계산할 수 있는 뉴로모픽 컴퓨팅 하드웨어로 자원 분배, 신약 개발, 반도체 회로 설계·스케줄링 등에 유용하게 사용될 수 있을 것이라고 밝혔다.