전기를 사용하여 배울 수 있는 자료 찾기

May 04, 2023

차세대 슈퍼컴퓨터를 만들려는 과학자들은 지금까지 만들어진 컴퓨터 중 가장 복잡하고 에너지 효율적인 컴퓨터인 인간의 두뇌에서 영감을 찾고 있습니다.

뇌에서 영감을 받은 컴퓨터를 만들기 위한 초기 시도 중 일부에서 연구자들은 학습과 유사한 행동의 증거를 보여주기 위해 특성을 맞춤화할 수 있는 다양한 비생물학적 물질을 조사하고 있습니다. 이러한 재료는 더욱 강력하고 유용하며 에너지 효율적인 인공 지능(AI)을 가능하게 하는 새로운 소프트웨어 알고리즘과 결합될 수 있는 하드웨어의 기초를 형성할 수 있습니다.

새로운 연구에서 퍼듀 대학(Purdue University)의 과학자들이 이끄는 연구자들은 산소 결핍 니켈 산화물을 짧은 전기 펄스에 노출시켰고 학습과 유사한 두 가지 다른 전기 반응을 이끌어냈습니다. 그 결과 이러한 학습 행동을 보여주는 모든 전기 구동 시스템이 탄생했다고 Rutgers University의 Shriram Ramanathan 교수는 말했습니다. (Ramanathan은 이 작업 당시 퍼듀 대학의 교수였습니다.) 연구팀은 DOE 아르곤 국립 연구소의 미국 에너지부(DOE) 과학실 사용자 시설인 APS(Advanced Photon Source)의 리소스를 사용했습니다.

첫 번째 반응인 습관화는 자료가 약간 충격을 받는 것에 "익숙해질" 때 발생합니다. 과학자들은 초기 충격 이후 물질의 저항이 증가하지만 곧 전기 자극에 익숙해진다는 사실을 발견했습니다. APS의 물리학자이자 빔라인 과학자인 Fanny Rodolakis는 "습관화는 공항 근처에 살 때 일어나는 것과 같습니다."라고 말했습니다. "입주하는 날 '이건 말도 안 되는 소리구나'라고 생각하지만 결국에는 더 이상 눈치채지 못하게 됩니다."

물질에 의해 나타나는 또 다른 반응인 감작(sensitization)은 더 많은 양의 전기가 투여될 때 발생합니다. "더 큰 자극으로 인해 물질의 반응은 시간이 지남에 따라 감소하는 대신 증가합니다"라고 Rodolakis는 말했습니다. "이것은 무서운 영화를 보고 나서 누군가가 '야유!'라고 말하는 것과 비슷합니다. 모퉁이 뒤에서 보면 정말 뛰어오르는 걸 볼 수 있어요."

"거의 모든 살아있는 유기체는 이 두 가지 특성을 보여줍니다"라고 Ramanathan은 말했습니다. "그들은 실제로 지능의 기본 측면입니다."

이 두 가지 행동은 고전 물리학으로는 설명할 수 없는 전자 사이의 양자 상호작용에 의해 제어되며, 이는 물질의 상전이 기초를 형성하는 데 도움이 됩니다. "상 전이의 예는 액체가 고체로 변하는 것입니다."라고 Rodolakis는 말했습니다. "우리가 보고 있는 자료는 바로 경계에 있으며, 전자 수준에서 진행되는 경쟁적인 상호 작용은 작은 자극에 의해 쉽게 한 방향 또는 다른 방향으로 기울어질 수 있습니다."

전기 신호로 완전히 제어할 수 있는 시스템을 갖추는 것은 뇌에서 영감을 받은 컴퓨팅 애플리케이션에 필수적이라고 Ramanathan은 말했습니다. "이런 방식으로 재료를 조작할 수 있게 되면 하드웨어가 지능에 대한 책임을 일부 맡게 될 것입니다."라고 그는 설명했습니다. "양자 특성을 사용하여 하드웨어에 지능을 부여하는 것은 에너지 효율적인 컴퓨팅을 향한 핵심 단계를 나타냅니다."

습관화와 민감화의 차이는 과학자들이 AI 개발에서 안정성-가소성 딜레마라고 불리는 난관을 극복하는 데 도움이 될 수 있습니다. 한편으로 인공지능 알고리즘은 새로운 정보에 적응하는 것을 너무 꺼리는 경우가 많습니다. 그러나 다른 한편으로는 이미 배운 내용 중 일부를 잊어버릴 수도 있습니다. 습관화할 수 있는 물질을 만들어 과학자들은 불필요한 정보를 무시하거나 잊어버리도록 가르쳐 추가적인 안정성을 얻을 수 있으며, 민감화는 새로운 정보를 기억하고 통합하도록 훈련시켜 가소성을 가능하게 할 수 있습니다.

Rodolakis는 "AI는 이미 저장된 정보를 덮어쓰지 않고 새로운 정보를 학습하고 저장하는 데 어려움을 겪는 경우가 많습니다."라고 말했습니다. "안정성이 너무 높으면 AI가 학습하는 것을 방해하지만, 가소성이 너무 높으면 치명적인 망각으로 이어질 수 있습니다."

새로운 연구의 주요 장점 중 하나는 니켈 산화물 장치의 작은 크기와 관련이 있습니다. Rodolakis는 "이러한 유형의 학습은 이전에는 많은 수의 트랜지스터가 없는 현재 세대의 전자 장치에서는 수행되지 않았습니다."라고 말했습니다. "이 단일 접합 시스템은 이러한 특성을 보여주는 현재까지 가장 작은 시스템이며, 이는 뉴로모픽 회로의 개발 가능성에 큰 영향을 미칩니다."