헬로티 이동재 기자 |
한국과학기술원(KAIST) 유회준 교수 연구팀이 구글 딥마인드에서 개발한 바둑 인공지능 프로그램인 ‘알파고’에서 활용됐던 심층 강화학습(DRL: Deep Reinforcement Learning)을 높은 성능과 전력효율로 처리할 수 있는 첨단 인공지능 반도체 기술을 개발했다.
해당 연구는 지난 6월 14일부터 19일까지 개최된 반도체 분야 최고 학회 중 하나인 ‘IEEE VLSI(Very Large Scale Intergrated Circuit) 기술 및 회로에 대한 심포지엄(VLSI Symposia)’에서 200여 편의 발표 논문 중 우수 논문인 하이라이트 논문으로 선정됐다.
심층 강화학습 알고리즘은 정답이 주어지지 않은 상황에서 최적의 답을 빠르게 찾기 위해 여러 개의 신경망을 동시에 사용하는 것이 특징이다.
하지만 신경망이 복잡하게 얽혀있고 대규모 데이터를 처리해야 하기 때문에 기존에는 대용량 메모리를 가진 다수의 고성능 컴퓨터를 병렬 활용해야만 구현할 수 있었으며, 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 ‘OmniDRL’을 개발했다.
연구팀은 구체적으로 ▲심층 신경망 데이터에 대한 압축률 증가(연산에 불필요하거나 중복된 데이터 개수 감소) ▲데이터 압축 상태로 연산 ▲연산(프로세서)·저장(메모리) 기능이 통합된 SRAM(Static RAM) 기반의 PIM(Processing-In-Memory) 반도체 기술을 사용했다.
특히, 기존 PIM 반도체는 정수 단위만 연산이 가능했으나, 이번 연구를 통해 세계 최초로 소수점 기반 연산이 가능한 기술을 개발했다.
‘OmniDRL’을 심층 강화학습 알고리즘의 성능 비교 연구에 주로 활용되는 ‘인간형 로봇 적응 보행 시스템’에 적용한 결과, ‘OmniDRL’이 연결되지 않았을 때보다 7배 이상 빠른 속도로 적응 보행이 가능했다.
유회준 교수는 “이번 연구는 한 개의 반도체에서 심층 신경망을 높은 압축을 유지한 상태로 추론 및 학습을 가능하게 했으며, 특히, 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 연구의 의의를 설명했다.
한편, 이번 연구는 과학기술정보통신부 ‘혁신성장 연계 지능형반도체 선도기술 개발’ 사업의 지원을 받아 수행됐다.
