효율적인 AI를 위한 아날로그 시냅스 처리 성능을 제공하는 작은 양성자 프로그래밍 가능 저항기

매사추세츠 공과대학(MIT)과 MIT-IBM Watson AI Lab의 연구원들은 딥 러닝을 아날로그 영역에 적용하는 것이 인공 지능(AI) 시스템의 성능을 향상하고 에너지 효율성을 획기적으로 향상시키는 열쇠가 될 것이라고 믿습니다. 그리고 이를 정확하게 수행하는 데 필요한 하드웨어를 생각해냈습니다.

"이 장치의 작동 메커니즘은 가장 작은 이온인 양성자를 절연 산화물에 전기화학적으로 삽입하여 전자 전도도를 조절하는 것입니다."라고 팀이 개발한 프로세서에 대해 수석 저자이자 MIT 교수인 Bilge Yildiz가 설명했습니다. "우리는 매우 얇은 장치로 작업하고 있기 때문에 강한 전기장을 사용하여 이 이온의 운동을 가속화하고 이러한 이온 장치를 나노초 작동 영역으로 밀어 넣을 수 있습니다."

프로세서는 아날로그 시냅스를 개발하기 위한 이전 작업을 기반으로 하지만 속도가 크게 향상되었습니다. 양성자 프로그래밍 가능 저항기 배열로 구성된 새 버전의 장치는 이전 버전보다 백만 배 더 빠르게 작동합니다. 인간의 두뇌에서 발견되는 것과 같은 생물학적 시냅스보다 1배 작고 10,000배 더 빠르게 작동합니다.

이러한 기술을 실험실에서 꺼내는 것은 항상 어려운 일이지만 여기서 팀은 획기적인 발전을 이루었다고 주장합니다. 새로운 장치는 표준 실리콘 제조 기술과 호환되는 재료를 사용하여 기존 공장에서 생산하고 나노미터까지 축소할 수 있습니다. 프로세스 노드 - 이론적으로는 상용 프로세서에 통합되어 딥 러닝 워크로드를 가속화할 수 있음을 의미합니다.

수석 저자이자 MIT 교수인 Jesús A. del Alamo는 "우리는 이러한 조각들을 하나로 모아 이러한 장치가 본질적으로 매우 빠르며 합리적인 전압으로 작동한다는 것을 입증할 수 있었습니다."라고 말했습니다. "이 작업을 통해 이러한 장치는 이제 미래 응용 분야에서 매우 유망해 보이는 지점에 도달했습니다."

수석 저자인 Murat Onen은 "일단 아날로그 프로세서를 갖게 되면 더 이상 다른 사람들이 작업하는 훈련 네트워크가 아닐 것입니다. 다른 누구도 감당할 수 없는 전례 없는 복잡성을 갖춘 훈련 네트워크가 될 것이며 따라서 성능이 크게 향상될 것입니다"라고 말했습니다. 즉, 이것은 더 빠른 차가 아니라 우주선입니다."

팀의 연구는 비공개 접근 조건으로 Science 저널에 게재되었습니다.

주요 기사 이미지 제공: Ella Maru Studio 및 Murat Onen.