"전기 대신 빛을 이용해 머신러닝 속도 대폭 향상"
"적절한 훈련 거치면 '빛의 속도'로 작업 수행 기대"
미국 조지워싱턴대 연구진이 인공지능의 데이터 처리에 전기 대신 빛을 이용하는 방법을 개발해 기계학습(머신러닝) 속도를 대폭 향상시킬 새로운 돌파구를 찾았다고 영국 일간 인디펜던트가 22일 보도했다.
이를 활용한다면 인공신경망(ANN)의 학습 속도를 대폭 향상시킬 수 있을 것으로 기대된다. 인공신경망이란 인간의 뇌기능을 모방하여 관리자의 개입 없이 인공지능(AI)이 스스로 과제를 학습하도록 하는 것을 목표로 하는 인공지능의 일종이다.
현재 머신러닝에 사용되는 프로세서는 데이터의 복잡함 정도에 따라 전력 수요가 덩달아 커지기 때문에 복잡한 작업을 수행하는 데 한계가 있다. 작업 과정에서 프로세서와 메모리 사이의 데이터 전송속도에 따라 소요 시간이 길어진다는 문제도 있다.
하지만 연구 결과에 따르면 인공신경망의 데이터 처리 하드웨어(TPU)내에서 광자를 사용하면 이러한 한계를 극복하고 보다 강력하고 전력 효율적인 AI를 만들 수 있다는 설명이다.
해당 논문이 실린 응용 물리 분야 국제학술지 ‘어플라이드 피직스 리뷰(Applied Physics Reviews)’에 따르면 광자 기반 TPU는 전기 기반 TPU보다 2~3배 많은 명령을 실행할 수 있었다고 한다.
공동 저자 중 한 명인 마리오 미스쿠글리오는 "효율적으로 광학 메모리를 결합한 통합 광학 플랫폼은 TPU와 동일한 작업으로 더 많은 데이터를 더 적은 전력으로 처리할 수 있다"고 밝혔다.
그는 "적절한 훈련을 거치고 나면 ‘빛의 속도’로 작업을 수행할 수 있을 것으로 기대한다"고 덧붙였다.
이러한 기술은 추후 5세대(5G) 및 6세대(6G) 이동통신 네트워크뿐만 아니라 방대한 양의 데이터 처리를 수행해야 하는 데이터 센터 구축 등에서도 유용하게 쓰일 수 있다.
미스쿠글리오 박사는 "광학 프로세서는 엄청난 양의 에너지를 절약하고, 응답 시간을 향상시키며, 데이터 트래픽을 줄일 수 있을 것으로 기대한다"고 말했다.