이번 연구는 지난 6월 14일부터 19일까지 개최된 반도체 분야 최고 학회 중 하나인 IEEE VLSI 기술 및 회로에 대한 심포지엄(VLSI Symposia)에서 200여편의 발표 논문 중 우수 논문인 하이라이트 논문으로 선정되는 등 큰 주목을 받았다.
심층 강화학습 알고리즘은 정답이 주어지지 않은 상황에서 최적의 답을 빠르게 찾기 위해 여러개의 신경망을 동시에 사용하는 특징이 있다. 하지만 신경망이 복잡하게 얽혀있고 대규모 데이터를 처리해야 하기 때문에 기존에는 대용량 메모리를 가진 다수의 고성능 컴퓨터를 병렬 활용해야만 구현 가능했으며 연산 능력이 제한적이고 사용되는 메모리가 적은 노트북, 스마트폰 등에서는 구현이 불가능했다.
이에 연구팀은 모바일 기기 등에서도 심층 강화학습이 가능하도록 기존 대비 성능이 우수하고 특히 전력효율이 2.4배 높은 인공지능 반도체 기술인 OmniDRL을 개발했다.
구체적으로 △심층 신경망 데이터에 대한 압축률 증가 △데이터 압축 상태로 연산 △연산·저장 기능이 통합된 SRAM 기반의 PIM 반도체 기술을 사용했다. 특히 기존 PIM 반도체는 정수 단위만 연산이 가능했으나 이번 연구를 통해 세계 최초로 소수점 기반 연산이 가능한 기술을 개발했다.
OmniDRL을 심층 강화학습 알고리즘의 성능 비교 연구에 주로 활용되는 인간형 로봇 적응 보행 시스템에 적용한 결과 OmniDRL이 연결되지 않았을 때보다 7배 이상 빠른 속도로 적응 보행이 가능했다.
유 교수는 "이번 연구는 한개의 반도체에서 심층 신경망을 높은 압축을 유지한 상태로 추론 및 학습을 가능하게 했으며 불가능이라 여겨졌던 소수점 연산이 가능한 인공지능 반도체 기술을 개발했다는 점에서 의미가 크다"며 "향후 지능형 로봇 조종, 자율주행 드론, 게임 등 다양한 분야에 응용이 가능할 것으로 기대된다"고 말했다.
송경희 과기정통부 인공지능기반정책관은 "이번 연구는 반도체 분야의 새로운 패러다임인 인공지능 반도체 분야에서 국내의 연구결과를 국제적으로 인정받았다는 점에서 의미가 크다"며 "과기정통부는 앞으로 지난해 착수한 1조원 규모의 인공지능 반도체 연구개발을 지속 지원하는 한편 내년부터 4000억원 규모의 PIM 반도체 기술 개발 사업을 본격적으로 추진하는 등 인공지능 반도체 분야에 대한 투자를 지속 확대해 나갈 계획"이라고 말했다.
syj@fnnews.com 서영준 기자
※ 저작권자 ⓒ 파이낸셜뉴스, 무단전재-재배포 금지