-
유회준 교수, ISSCC 반도체 설계 최고 권위자로 선정
국제고체회로학회(International Solid-State Circuits Conference, 이하 ISSCC)는 세계 반도체올림픽이라고 불리며 70주년 기념식을 올해 2월 20일 미국 샌프란시스코 메리어트 호텔에서 개최했다.
우리 대학 전기및전자공학부 유회준 교수가 63편의 논문을 발표한 실적으로 동양인으로서 유일하게 톱5에 들어 최다 논문 발표자로 선정되었다고 1일 밝혔다.
유 교수는 ISSCC의 설립 41년이 지난 1995년에 현대전자(現 SK하이닉스)에서 세계 최초로 256M SDRAM을 개발한 뒤 이를 동 학회에서 한국 최초 논문을 발표한 바 있다. 이후 유 교수 연구팀은 KAIST로 옮겨 2000년부터 2023년까지 62편의 논문을 발표하여 동 학회에서 총 63편의 논문을 발표했다.
1996년에 유 교수가 집필한 `DRAM의 설계'라는 책은 삼성전자나 하이닉스 기술자들의 필독서로 활용됐다. 또한, 동 학회에서 DRAM 관련 반도체에 대해 5편, 바이오메디컬용 반도체 및 저전력 무선 통신용 칩에 대해 총 26편, 증강현실(AR)용 웨어러블 반도체에 대해 총 14편 발표했다. 특히 2008년부터 인공지능 반도체를 연구하기 시작해 2014년 세계 최초로 DNN 가속기를 발표하는 등 올해까지 총 18 편의 인공지능(이하 AI) 반도체 관련 연구 결과를 동 학회에서 발표했다. 아울러, 아시아 교수로는 최초로 2019년 AI 반도체에 관련한 ISSCC 기조강연자로 초청되기도 하였다.
올해는 특히 트랜지스터의 발명 75주년이기도 한데 이를 기념하기 위해 국제전기전자공학회 (IEEE) 전자소자학회/고체회로학회 (EDS/SSCS) 에서 10인의 대표강연자를 선정하여 세계 순회 강연을 계획 중에 있으며 이 중 1인으로 유 교수가 선정됐다. 또한 올해는 모든 반도체 제조에 이용되는 모스펫(이하 MOSFET)발명 60주년이기도 한데 MOSFET의 발명자인 강대원 박사를 기리는 강대원 상을 올해 2월 14일에 한국반도체 학술대회에서 수상하기도 했다.
올해 ISSCC 학회에서는 DRAM을 이용한 지능형 반도체(이하 PIM 반도체)인 다이나플라지아(DynaPlasia), 뉴로모픽 반도체인 스파이크 인공신경망(SNN, Spike Neural Network)과 기존의 합성곱 인공신경망(CNN, Convolutional Neural Network)을 결합해 저전력으로 동작하는 상보 심층신경망(C-DNN), 그리고 3차원 영상 제작 및 가속의 혁명을 가져올 NeRF(Neural Radiance Fields) 가속 칩을 세계 최초로 개발해 총 3편의 혁신적인 새로운 연구 방향을 제시하는 논문들을 발표하여 매우 우수하다는 평가를 받았다.
유 교수의 연구 결과에 대해 일본 동경대 전자공학과 학과장인 타케우치 교수는 "항상 새로운 방향을 제시하는 연구를 발표하는 것이 존경스럽다"고 했으며 미국 MIT 공대 학장인 아난싸 찬드라카산 교수는 "끊임없이 좋은 연구 결과를 내는 그 비결을 알고 싶다"며 찬사를 보내고 있다.
유 교수의 연구 결과는 삼성전자에 기술이전 되기도 했고, 특히 5개의 국내 대표 AI 반도체 벤처 창업들이 있다. 이중 `리벨리온'은 최근 챗GPT용 가속 인공지능 칩인 아톰칩(ATOM)을 개발해 KT와 함께 상용화를 하고 있으며 `모빌린트'는 자동차용 인공지능 칩을 개발하여 2023년 CES에서 선보이기도 했다.
유회준 교수는 2022년 6월에 과기정통부의 지원으로 PIM반도체 설계연구센터(AI-PIM)을 KAIST에 설립해 한국의 PIM반도체 연구의 허브로서 한국 메모리 산업, 시스템 반도체 기술의 업그레이드와 미래 도약 발판을 위해 아직도 왕성한 연구 의욕을 불태우고 있다.
2023.03.02
조회수 4159
-
반도체 분야 세계적인 국제학술대회 디자인콘(DesignCon)에서 최우수논문상 수상자 4명 동시 배출
반도체 설계 분야에서 세계적으로 권위를 인정받고 있는 국제학술대회인 디자인콘(DesignCon)에서 최우수 논문상 수상자 4명을 우리 대학 한 연구실에서 동시 배출해 화제다.
전체 수상자 8명 중 절반인 4명을 배출한 것도 대단한 성과인데 인텔(Intel)·마이크론(Micron)·AMD·화웨이(Hwawei)와 같이 반도체 강국으로 꼽히는 미국·중국·일본의 글로벌 빅테크 기업 소속 엔지니어 및 연구원들과 당당히 경쟁해서 따낸 것이기에 이들의 수상이 더욱 의미가 크고 값지다는 평가다.
전 세계 기업과 대학 연구실 가운데 최초이면서도 유일하게 인공지능(AI) 스스로 최적의 설계를 구현하는 강화학습(RL)을 포함한 머신러닝(ML) 기술과 3D 이종반도체 패키징(3D Heterogeneous Packaging) 기술을 결합하여 슈퍼 컴퓨터·초대형 데이터센터의 고성능 서버 등에 핵심적으로 사용되는 HBM(고대역폭 메모리) 등 차세대 인공지능(AI) 반도체를 연구하는 전기및전자공학부 김정호 교수 연구실 테라 랩(Terabyte Interconncection and Package Laboratory) 소속 박사과정 학생들의 이야기다.
이들의 연구는 인공지능이 중심이 되는 디지털 전환과 동시에 이를 가능하게 하는 인공지능 반도체와 컴퓨터의 발전을 선도하고 있다. 더 나아가 설계 과정 전체를 인공지능으로 자동화하려는 미래 방향을 제시하고 있다.
전기및전자공학부 테라 랩 소속 김성국(사진·31세)·최성욱(사진·27세)·신태인(사진·26세)·김혜연(사진·26세) 박사과정 학생 4명이 국제학회인 디자인콘(DesignCon)이 선정한 2022년 최우수 논문상 수상자로 선정됐다고 16일 밝혔다. 시상식은 오는 31일 미국 실리콘밸리 산호세 산타클라라 컨벤션센터에서 열리는 `디자인콘 2023 국제학술대회'에서 열린다.
이들 대학원 학생 4명이 수상하는 최우수 논문상은 반도체 및 패키지 설계 분야에서 국제적으로 권위를 인정받고 있는 디자인콘이 인텔·마이크론·램버스·텍사스인스트루먼트(TI)·AMD·화웨이·IBM·앤시스(ANSYS) 등 글로벌 빅테크 기업의 연구원과 엔지니어, 그리고 세계 각 대학 대학(원)생을 대상으로 매년 7월 말 논문 초안을, 12월 말까지 전체 논문을 각각 모집하고 제출받아 심사를 거쳐 수여하는 학술대회 최고상이다.
이 때문에 발표되는 논문은 실무와 매우 밀접한 관련이 있고 곧바로 제품에 적용이 가능한 실용적인 기술에 관한 내용이 대부분이다.
2022년에는 총 8명의 수상자를 선정했는데 김정호 교수가 지도하는 KAIST 테라 랩에서만 수상자의 절반인 4명을 배출했다. 수상작 가운데 2편은 인공지능을 이용한 반도체 설계, 나머지 2편은 인공지능 컴퓨팅을 위한 반도체 구조 설계에 관한 논문이다.
우선 최우수 논문상 수상자 중 김성국 학생(31세)은 고성능 인공지능 가속기를 위한 고대역폭 메모리 기반 프로세싱-인-메모리(PIM) 아키텍처를 설계했다. 최성욱 학생(27세)은 강화학습 방법론을 활용해 고대역폭(HBM) 메모리를 위한 하이브리드 이퀄라이저를 설계해 주목을 받았다. 신태인 학생(26세)은 차세대 뉴로모픽 컴퓨팅 시스템의 신호 무결성 모델링과 설계 및 분석 방법론을 제안했다.
마지막으로 김혜연 학생은 반도체 설계 문제 중 디커플링 캐패시터 배치 문제를 조합 최적화 문제로 정의하고 오프라인 학습 방법인 모방 학습을 통해 자동 최적화했다. 김혜연 학생은 이번 수상 논문 이외에도 반도체 설계 문제에 지식 증류·데이터 증강·대칭성 학습 등 다양한 인공지능 기법을 적용, 한층 성능이 개선된 결과를 얻어 관련 산업계로부터 많은 주목을 받고 있다.
특히 김혜연 학생의 연구는 기존 인공지능을 적용한 연구에서 한 발 더 나가 반도체 설계 문제의 특징을 고려한 학습 방법과 신경 구조를 직접 설계한 연구로 평가받아 2022년 초 열린 인공지능 분야 최대학회인 뉴립스(NeurIPS) 워크숍에서 발표된 적이 있다.
우리 대학 테라 랩은 2022년 4명의 수상자 외에 지난 2021년에도 김민수 박사과정 학생이 최우수 논문상을 수상했다. 불과 2년 사이에 디자인콘이 주관하는 학술대회의 꽃인 최우수 논문상 수상자를 모두 5명을 배출했는데 5편의 수상자 논문 중 3편이 인공지능을 활용한 반도체 설계에 관한 논문이다.
반도체 설계는 고성능·저전력을 목적으로 미세한 3차원 패키지에 다양한 기능을 갖춘 수많은 부품을 최적화해 배치할 뿐만 아니라 검증을 위해서는 복잡한 시뮬레이션이 필요하기 때문에 매우 어려운 분야로 꼽힌다.
김정호 교수가 이끄는 테라 랩에는 올 1월 현재 석사과정 10명, 박사과정 13명 등 모두 23명의 학생이 반도체 전·후공정에 들어가는 다양한 패키지와 인터커넥션 설계를 강화·모방 학습과 같은 인공지능(AI) 머신러닝(ML)을 활용해 최적화하는 연구를 수행 중이다.
김정호 교수는 "테라 랩은 전 세계 산·학·연구기관 중 유일하게 그간의 연구성과를 기반으로 독창적으로 개발한 반도체 설계 자동화 기술인 5I(CI, PI, TI, EMI, AI) 융합 솔루션을 갖추고 있다ˮ면서 "2030년 이후에는 이종 칩(Chip)을 하나의 패키지로 통합하는 `3D 이종 집적화(Heterogeneous Integration) 패키징' 기술이 대세로 자리를 잡을 것ˮ이라고 전망했다. 김 교수는 이어 "디지털 대전환(DX) 시대를 맞아 반도체의 역할이 갈수록 중요해지는 만큼 차세대 반도체 개발에 필요한 맞춤형 인재 양성을 위해 더욱 노력하겠다ˮ고 소감을 밝혔다.
2023.01.16
조회수 5154
-
건설및환경공학과 3팀, 2022 EDISON 도시환경 SW 활용 경진대회 수상
우리 대학 건설및환경공학과 블리자드&올라프 외 2팀이 2022 EIDSON 도시환경 SW 활용 경진대회에서 각각 대상, 특별상, 장려상을 수상했다.
EIDSON 도시환경 SW 활용 경진대회는 계산과학공학 SW 웹 플랫폼인 EDISON(https://www.edison.re.kr/)의 소프트웨어를 활용하여 대학(원)생들의 도시환경 분야에 대한 연구 활동을 촉진 시키고 관련된 인재를 양성하기 위한 경진대회이다.
EIDSON SW 활용 경진대회는 지난 2012년부터 도시 환경 뿐만 아니라 다양한 분야에 걸쳐서 개최되고 있으며, 올해 2022년 대회에서는 과학기술정보통신부 장관상, 한국연구재단 이사장상을 비롯한 7개의 상을 우수 논문을 작성한 팀에게 수여했다.
우리 대학 건설및환경공학과 블리자드&올라프 팀의 노소정, 이하경 학생은 EDISON 앱의 Building Generator 기능을 활용한 서울시 젠트리피케이션 후보지 추천 시스템 구축 연구로 성과를 인정받아 대상을 수상하였다. 박철옹 팀의 박철웅, 오민석 학생은 EDISON 앱을 활용한 도시 네트워크 분석 결과를 이용한 마이크로 모빌리티의 이동량 예측 연구로 그 학업적 기여를 인정받아 선정되었다. 에.대.슨. 팀의 이소정, 최준용 학생은 EDISON Network Extractor 앱과 SUMO 시뮬레이터를 활용하여 자율주행 자동차의 주행 환경에 따른 교통 시뮬레이션 결과 비교 연구로 장려상을 수상하였다.
노소정, 이하경 학생은 서울시의 비상업지역이 상업화되는 젠트리피케이션 현상에 주목하여 서울시의 비상업지역 골목상권 중 추후 발달상권으로의 위계 상승이 예상되고, 상업화에 따른 부동산 개발 수익이 기대되는 투자지 후보 상권을 도출하고자 하였다. 서울시 발달상권 중 용도지역이 비상업지역이면서 상권 특성 및 토지이용에서 대표성을 띠는 상권들을 벤치마크로 설정하였다. 이들의 상권 특성 변수 데이터를 구축한 뒤 서울시 전체 골목상권들과 Collaborative Filtering 유사도 분석을 진행하여 벤치마크의 발달상권과 유사한 골목상권들을 도출하였다. EDISON 앱의 Building Generator 기능을 활용하여 상권의 토지이용에서 개발할 수 있는 건축 연면적과 실제 상권의 총건축물 연면적을 비교, 신규로 개발 가능한 유휴 개발 면적을 산출하여 투자 후보 상권들을 선정하였다. 해당 상권의 매출 추이 및 현황을 검토를 통해 연구 분석 결과가 유의미함을 확인하였다. 본 연구는 상업 부동산 투자자뿐만 아니라 창업자의 상권 입지 분석이나 도시재생계획을 수립하는 지자체 및 공공기관 등 다양한 이해관계자들에게 상권의 변화와 성장을 예측할 수 있는 모델로서 활용될 수 있을 것으로 기대된다.
박철웅, 오민석 학생은 도시 네트워크 분석을 활용하여 도시 공간 내의 마이크로 모빌리티 이동량을 예측하는 프레임워크를 제시하였다. 전동킥보드의 사용자 이용 행태를 통해 도시 공간 내에 마이크로 모빌리티의 수요가 높게 나타날 수 있는 공간적 특성 (대중교통, 대학교 등) 을 규정하였고, 이러한 도시 공간적 특성을 중심으로 중심성이 높아 이동량이 많을 것으로 예상되는 도로를 EDISON 네트워크 분석 앱을 통해 도출하여 마이크로 모빌리티 이동량 예측을 가능하게 하였다. 이에 더 나아가 예측된 결과와 도시 공간의 물리, 환경적 특성을 고려하여 보다 안전한 마이크로 모빌리티 운행을 위한 도시 서비스 및 인프라를 제시하였다. 본 연구는 급증하는 마이크로 모빌리티의 도시 공간 기반에 기반한 수요 예측과 안전한 운행 인프라를 구축하는 데에 기여할 것으로 기대된다.
이소정, 최준용 학생은 도로의 형태와 용량에 따라 자율주행 자동차의 효용이 달라질 것이라는 가설을 세우고, 이를 검증하는 연구를 수행하였다. 도로의 형태를 기준으로 각각 도심과 교외의 특징을 가진 지역을 평가 및 선별하고, 선별된 지역에 자율주행 정책 별로 교통량을 발생시켜 주행 행태를 시뮬레이션하였다. 이 발표는 EDISON 앱과 오픈소스 시뮬레이터의 연계 활용으로 기대를 받았으며, 자율주행 자동차의 상용화를 위한 도시 공간 연구로도 주목을 받았다. 연구진은 보다 광범위하고 다양한 도시를 대상으로 시뮬레이션이 추가로 수행된다면, 우리나라의 도로 형태를 고려한 주행 정책의 발전에도 도움이 될 것이라 기대했다.
KAIST 스마트시티연구센터 센터장 김영철 교수는 스마트도시를 구현하는데 중요한 핵심 기술인 데이터기반 도시 분석 및 설계 연구를 KAIST 도시설계연구실에서 지속한 결과로 이와 같은 수상을 할 수 있었다고 설명하였다. 특히 EDISON의 도시환경 SW 웹플렛폼은 도시 환경 분야의 데이터를 취득하고 분석하는 다양한 온라인 앱을 제공하여 도시 분석 연구에 활용할 수 있다고 한다. 앞으로 스마트시티 분야를 이끌어갈 미래의 우수한 인재들이 더 많은 데이터 기반 도시 연구에 참여하길 기대한다고 소감을 밝혔다.
2022.10.14
조회수 4750
-
인공지능 활용 고용량 배터리 소재 역설계 기술 개발
우리 대학 신소재공학과 홍승범 교수 연구팀이 우리 대학 조은애 교수, 변혜령 교수, 이혁모 교수, 신종화 교수, 육종민 교수, 그리고 미국의 르하이 대학교(Lehigh University), 죠수아 C 에이가(Joshua C. Agar) 교수와 협업해 기존 문헌에 발표된 실험값들을 추출하는 데이터 마이닝 과정과 이런 실험값들을 입력변수로 하는 다변수 선형회귀 모형을 기반으로 배터리 소재 역설계 머신러닝(기계학습) 모델을 수립했다고 23일 밝혔다.
인공지능은 고차원의 변수 공간에서 각 매개변수 간의 정량적인 상관관계를 신속하고 정확하게 추출할 수 있다. 이를 공정-구조-물성 간의 상관관계를 기반으로 발전하는 신소재공학에 적용하면 신소재 개발 시간을 단축할 수 있으며, 이런 이유로 많은 연구자가 인공지능을 신소재 개발에 활용하려고 노력하고 있다. 특히, 배터리 소재 개발에 인공지능을 활용하는 예가 가장 많은데, 주로 제1 원리 계산(양자화학에 기반한 계산법으로 계산 시 다른 경험적 수량을 전혀 사용하지 않음)과 머신러닝을 융합해 수많은 전극 소재 조합을 대량으로 스크리닝하는 기술 개발이 주를 이루고 있다.
그런데, 인공지능을 활용해서 새로운 배터리 소재를 탐색하고, 탐색한 소재를 합성 및 특성 평가에 있어 가장 큰 문제점은 데이터의 신뢰성과 양이다. 제1 원리 계산으로 예측한 값들은 실험으로 검증이 돼야 하며, 실험데이터의 경우 실험실마다 편차가 있고, 중요한 공정변수들을 공개하지 않은 경우가 많아 인공지능이 학습할 수 있는 데이터의 크기가 한정적이라는 문제가 대두되고 있다.
연구팀은 배터리 양극재 원료조성, 1차 및 2차 소결 온도와 시간 등의 공정 변수와 컷오프 전위 및 충․방전률과 같은 측정 변수, 그리고 1차 및 2차 입자의 크기와 같은 구조 변수, 마지막으로 충․방전 용량과 같은 성능 변수 간의 상관관계를 정량적으로 수립했고, 이를 활용해 요구되는 에너지 용량에 맞는 합성 조건을 찾는 알고리즘을 개발했다.
홍 교수 연구팀은 고니켈 함량 양극재 관련 논문 415편 안에 발표된 주요 변수들을 추출하고, 그중 16% 정도의 정보가 기입되지 않음을 발견했으며, 머신러닝 기법 중에서 k-최근접 이웃 알고리즘(k-nearest neighbors (KNN)), 랜덤 포레스트(random forest (RF)), 연쇄등식을 이용한 다중대치(multiple imputations by chained equations (MICE))를 활용해 빠진 정보를 예측하여 기입했다. 그리고, 가장 신뢰도가 높은 MICE를 선택해 얻은 입력 데이터 셋을 기반으로 주어진 공정 및 측정 변수에 대해서 성능 변수를 예측하는 순방향 모델을 얻었다.
이어서 입자 군집 최적화(particle swarm optimization, PSO) 알고리즘을 활용하여 주어진 성능 변수에 대응하는 공정 및 측정 변수를 추출하는 역방향 모델을 수립했고, 이 모델을 검증하기 위해 소재를 실제로 합성하여 타깃 용량인 200, 175, 150 mAh/g과 11% 정도의 오차를 보여 상당히 정확하게 역설계할 수 있음을 입증했다.
교신 저자인 홍승범 교수는 "인공지능을 활용해 대량의 논문 및 특허 내에 있는 공정-구조-물성 변수들을 자동으로 분류하고 실험값들을 추출해 각 변수 간의 다차원 상관관계를 기반으로 모델을 수립하는 것이 차세대 배터리 소재의 역설계의 핵심ˮ이라며 "향후 데이터 마이닝 기술, 머신러닝 기술 그리고 공정 자동화 기술을 융합하는 것이 미래의 신소재공학ˮ이라고 말했다.
신소재공학과 치 하오 리오우(Chi Hao Liow) 박사가 제1 저자로 참여한 이번 연구는 국제 학술지 `나노에너지(Nano Energy)'에 게재됐다. (논문명: Machine learning assisted synthesis of lithium-ion batteries cathode materials)
한편 이번 연구는 KAIST 글로벌 특이점 사업의 지원을 받아 수행됐다.
2022.08.23
조회수 5396
-
IDEC 동탄 교육장 개소 및 시스템반도체설계 실무인력양성과정 시작
우리 대학이 국내 반도체 팹리스(설계 전문회사)의 만성적인 인력 부족 현상을 해소하기 위해 외부 교육장을 개소하고 실무 인력 양성에 나선다. KAIST 반도체설계교육센터(소장 박인철, 이하 IDEC)는 4일 'KAIST IDEC 동탄 교육장 개소식 및 시스템반도체설계 실무인력양성과정 제1기 입교식'을 개최했다. KAIST IDEC 동탄 교육장은 지난해 11월 체결한 화성시와 KAIST 간 업무협약을 바탕으로 설치됐다. 롯데백화점 동탄점이 화성시에 기부한 KAIST-화성 사이언스 허브에 입주하며, 산업계가 필요로 하는 시스템반도체 설계 교육센터를 운영하고 관련 교육과정을 개발할 예정이다. 이날 행사에서는 교육장 개소식과 함께 시스템반도체설계 실무인력양성과정 제1기 입교식이 개최됐다. 시스템반도체설계 실무인력양성과정은 산업현장에 투입할 수 있는 실무 인력을 양성하는 중·장기 교육 프로그램이다. 이를 위해, 지난 6월 말부터 수강생을 모집했다. 당초 40명을 선발할 예정이었으나, 총 306명이 지원해 8대 1이 넘는 높은 경쟁률을 기록했다. IDEC은 수강생들의 실질적인 수요를 반영해 계획된 정원을 두 배로 늘린 80명을 최종 선발했다.이날 입교한 학생들은 오는 11월까지 총 16주 동안 반도체 설계 전문교육을 받게 된다. 아날로그 트랙 40명, 디지털 칩 설계 특화 트랙 40명으로 구분되어 각각 기초과정부터 설계 실습이 포함된 심화 과정까지 아우르는 교육과정을 수강하게 된다. 이를 위해, KAIST, POSTECH 등 국내 우수대학 교수와 현직 설계 기업 임원 및 엔지니어 등 총 23명의 반도체 설계 전문 강사진을 초빙했다.또한, 교육과정 중 수강생 대상으로 기업설명회 등을 개최하며, 한국팹리스연합(회장 이서규)과 연계해 교육 수료자들에게 관련 분야 취업 기회도 제공할 예정이다. 차년도에는 기업과 수강생의 수요를 조사하여 FPGA(Field Programmable Gate Array: 용도에 맞게 회로를 다시 새겨넣을 수 있는 비메모리 반도체), 인공지능(AI) 트랙 등의 추가 교육과정도 신설할 계획이다.
이날 행사에는 이승섭 KAIST 부총장, 박인철 KAIST IDEC 소장, 임종철 화성시 부시장, 이서규 한국팹리스연합 회장, 이윤식 반도체공학회 회장, 백광현 대한전자공학회 부회장, 라정인 산업통상자원부 사무관 및 교육생 80명이 참석했다.
임종철 화성시 부시장은 축사를 통해 "화성시와 KAIST 그리고 롯데백화점이 손을 잡은 이 공간에서 우리나라 반도체 산업을 이끌 핵심 인재를 배출할 수 있도록 각 기관의 적극적인 지원을 부탁드린다"라고 전했다.박인철 KAIST IDEC 소장은 "산업체 현장에 즉시 투입할 수 있는 실무 인력을 양성하는 이번 프로그램이 국내 반도체 중소·중견 팹리스 업계의 인력 부족 현상을 해소하는 데 보탬이 되길 기대한다"라고 포부를 밝혔다.
2022.08.04
조회수 6719
-
촉매 반응 활성도의 정량적 분석이 가능한 측정 플랫폼 개발
우리 대학 신소재공학과 정우철 교수, 기계공학과 이강택 교수와 충남대학교 김현유 교수 공동 연구팀이 촉매 반응점 탐색 및 각 지점의 활성을 정량적으로 측정할 수 있는 금속 나노입자 기반 분석 플랫폼 개발에 성공했다고 28일 밝혔다.
촉매란 반응 과정에서 소모되거나 변하지 않으면서 반응 속도를 빠르게 만드는 물질을 말하며, 반응에 참여하지만 소모되지 않기 때문에 소량만 있어도 반응 속도에 지속적으로 영향을 미칠 수 있는 물질이다. 반응을 빠르게 하는 촉매 반응은 더 적은 활성화 에너지를 필요로 하기 때문에 다양한 산업에 활용되고 있다. 백금 등을 이용해 화석 연료의 연소로 인해 발생하는 배기가스의 해로운 부산물을 분해하는 반응을 예로 들 수 있다.
연구팀은 균일한 크기의 금속 나노입자 합성 기술과 3차원 전자 단층촬영 기법을 활용해 촉매 핵심 반응점인 금속-가스-산화물 및 금속-가스상 접합 계면의 수를 정량적으로 분석했으며, 이 같은 결과를 측정된 촉매 반응성과 연계시키는 방식으로 촉매 반응 활성도의 정량적 분석이 가능한 측정 플랫폼을 설계했다. 이러한 기술은 특정 반응에 활용이 제한되지 않기 때문에 향후 여러 촉매 반응 분야에 폭넓게 응용 및 적용될 수 있을 것으로 기대된다.
신소재공학과 이시원, 하현우 박사후연구원, 기계공학과 배경택 박사과정생 공동 제1 저자로 참여한 이번 연구는 재료화학분야 국제 학술지 `켐(Chem, IF=22.804)'에 12월 23일 자 온라인판에 게재됐다. (논문명 : A measure of active interfaces in supported catalysts for high-temperature reactions).
금속 나노입자 촉매는 매우 적은 양으로 우수한 촉매 활성을 보일 수 있다는 가능성으로 에너지·환경 등 여러 분야에서 큰 관심을 받고 있다.
하지만 나노입자로 구성된 촉매 소재는 높은 작동온도에서 서로 응집되는 특성이 있으며 이는 결과적으로 촉매 활성을 저해하는 한계로 작용한다. 그뿐만 아니라, 실제 반응 작동 환경에서 금속 입자 촉매의 구체적인 반응 활성 지점이 어디인지, 각 지점에서의 반응활성도는 얼마나 되는지 그 양을 정량적으로 비교·분석할 수 있는 기술이 없어 해당 분야 발전에 한계가 있었다.
연구팀은 문제 해결을 위해 균일한 크기로 금속 나노입자 촉매를 합성해 입자의 구조를 제어하는 데 성공했으며, 이를 산화물 막으로 감싸는 코팅기술을 적용해 고온에서 나노입자가 응집되는 현상을 해결했다. 여기에 3차원 전자 단층촬영 기법, 스케일링 관계식, 그리고 밀도범 함수 이론을 적용하고 이를 다양한 조건에서 측정한 반응성과 연계시킴으로써 구체적인 반응 지점 및 활성을 규명했다.
연구팀은 이번 연구에서 대표적 귀금속 촉매인 백금과 고온 촉매 반응인 메탄산화반응을 활용했으나, 이번 기술은 향후 소재 종류 및 반응 종류에 상관없이 다양한 분야에 폭넓게 응용 및 적용될 수 있다.
정우철 교수는 "이번 연구를 통해서 주어진 반응에 대한 금속 나노입자 촉매의 반응 특성을 정량적으로 분석할 수 있는 고신뢰성 측정 플랫폼을 구축했다ˮ며, "이는 앞으로 우수한 복합촉매 소재 선별 등 촉매설계 종합 솔루션을 제공하는 데 활용될 것으로 기대한다ˮ 라고 말했다.
우리 대학 물리학과 양용수 교수, GIST 김봉수 교수 연구팀에서도 공동으로 참여한 이번 연구는 한국연구재단 나노·소재원천기술개발사업의 지원을 받아 수행됐다.
2021.12.28
조회수 7057
-
전기및전자공학부 최재혁 교수팀, '제22회 대한민국 반도체 설계대전' 대통령상 수상
우리 대학 전기및전자공학부 최재혁 교수 연구실(연구실명: 집적회로 시스템 연구실, Integrated Circuits and System Lab)에서 ‘제22회 대한민국 반도체 설계대전’의 대통령상 수상자를 배출했다.
‘제22회 대한민국 반도체 설계대전’은 산업통상자원부와 한국반도체산업협회가 공동으로 주관하는 반도체 설계 전문 공모전으로, 반도체 설계분야 대학(원)생들의 설계 능력을 배양하고, 창의적인 아이디어를 발굴하는 것을 목표로 한다.
대통령상 수상자는 최재혁 교수 연구실의 박선의 박사과정, 조윤서 박사과정, 방주은 박사과정 학생으로 6G 통신에서 통신을 방해하는 잡음(noise)을 획기적으로 낮추는 ‘초 저잡음 신호’를 생성할 수 있는 CMOS(상보형금속산화반도체) 공정 기반의 칩을 개발해 대통령상에 선정됐다.
6G 통신은 최대 20 기가bps(Gbps)의 전송 속도를 갖는 5G 통신 대비 최대 50배 빠른 1 테라bps(Tbps)를 목표로 연구가 진행되고 있다. 일반적으로 통신 주파수 대역이 올라갈수록 넓은 통신 대역폭을 사용할 수 있어 데이터 전송 속도를 높일 수 있기 때문에, 6G 통신에서 요구하는 높은 데이터 전송 속도를 위해서는 100 기가헤르츠(GHz) 이상 주파수 대역의 사용이 필수적이다.
하지만, 이러한 높은 주파수 대역에서 반송파로 사용될 수 있는 정확한 기준 신호를 CMOS 공정을 이용해 만드는 것은 큰 난제였다. CMOS 공정이 초소형, 저전력 디자인에 유리함에도 불구하고, 그 동작 주파수와 고주파 대역 이득(gain)에 한계가 있고, 저잡음 특성이 SiGe, InP 등의 현존하는 다른 공정에 비해 불리하기 때문에 100 기가헤르츠(GHz) 이상의 주파수 대역에서 초 저잡음 성능을 달성하기 어려웠기 때문이다.
하지만, 최재혁 교수팀 학생들이 개발한 칩에서는 이러한 한계를 극복하고, CMOS 공정을 사용해 처음으로 100 기가헤르츠(GHz) 이상 대역에서 고차 변‧복조 기술을 지원할 수 있는 초 저잡음 신호 생성 기술을 선보였다. 이 기술은 CMOS 공정 기반으로도 6G 통신에서 요구하는 초 저잡음 성능을 달성할 수 있다는 것을 보여줌으로써, 장차 상용화될 6G 통신 칩의 가격 경쟁력과 집적도를 높이는 데 기여할 것으로 기대된다.
대통령상 수상팀에게는 상금 500만 원과 부상이 수여되며, 시상식은 11월 22일 코엑스에서 진행된다.
2021.11.22
조회수 5315
-
KAIST-화성사이언스HUB 유치 조성 MOU
화성시(시장 서철모)는 오늘(11일) 오전 우리 대학, 지역국회의원, 롯데백화점 동탄점과 반도체산업 발전을 위한 「KAIST-화성 사이언스 HUB 조성」 업무협약(MOU)을 체결했다고 밝혔다.
롯데백화점 동탄점이 화성시와 협의로 10년간 무상 제공하기로 한 공공기여 공간의 활용방안과 관련하여 지역 국회의원이자 국회 과학기술정보방송통신위원장인 이원욱 의원의 제안으로 화성시와 KAIST가 협력하여 반도체 산업발전과 과학기술 교육을 위한 공간으로 활용하기로 결정하였다.
내년 3월 OPEN을 목표로 추진할 예정으로 허브 내에 반도체설계교육센터(IDEC)를 유치하여 반도체 신규인력양성을 통해 인근 반도체 클러스터에 우수 인재 지원 및 기존 반도체 인력의 재교육을 담당할 계획이다.
또한, 공유오피스 조성하여 관내 청년 창업 지원 및 기업 컨설팅을 실시할 예정이며, 일부 공간에 KAIST 연구성과 전시관 개관 및 KAIST 스타교수진의 대중강연을 일반 시민과 중·고등학생을 대상으로 정기적으로 개최하여 과학기술에 대한 이해를 높이고 흥미를 유발할 예정이다. 화성시는 이번 협력을 통해 「KAIST-화성 사이언스 HUB」는 반도체 인력양성과 창업 육성은 물론, 과학 대중화를 주도할 ‘K-과학 허브’의 역할을 본격 수행할 전망이다.
11일 오전 롯데백화점 동탄점에서 개최된 「KAIST-화성 사이언스 HUB」 업무 협약식에는 서철모 화성시장, KAIST 이광형 총장, 이원욱 지역 국회의원, 롯데백화점 동탄점 정후식 점장, 과기정통부 고서곤 연구개발정책실장 등 총 10여명이 참석했다.
서철모 화성시장은 “화성시는 삼성전자를 비롯하여 1,500여개 반도체 기업이 소재하는 K-반도체 전략의 중심도시이다. 하버드, MIT와 견주어도 부족하지 않은 카이스트 과학 역량을 통해 화성시 반도체산업 발전을 위해 반드시 필요한 과학기술 인재양성 대장정을 카이스트와 함께 시작하게 되어 기대가 크며, 모든 지원을 아끼지 않겠다”고 말했다.
우리 대학 이광형 총장은 “미래 인재 양성을 위해 각 기관의 뜻을 한데 모은 점이 매우 의미가 있다”라며, “화성시와 KAIST, 롯데가 과학기술을 기반으로 한 동반 성장의 발판을 마련하고 성과를 확대해 나갈 것”이라고 말했다.
이원욱 국회의원은 “4차산업혁명시대 경쟁력은 과학기술 인재에서 나온다. 반도체인력양성을 위해 제안한 내용이 화성시와 카이스트의 노력으로 결실을 맺게 되어 매우 기쁘게 생각한다. 과학기술정보방송통신위원장으로서 국회 차원에서의 지원방안을 강구해 나갈 것이다.”라고 말했다.
한편, 이번 업무협약 기간은 2022년 1월 1일부터 2031년 12월 31일까지이며, 내년 3월 「KAIST-화성 사이언스 HUB」 OPEN 이후, 반도체 인력 양성, 대중 강연 및 과학전시 등을 통해 대중의 관심을 키워나갈 예정이다.
2021.11.15
조회수 6382
-
신소재 데이터 고속 분석을 위한 인공지능 훈련 방법론 개발
우리 대학 신소재공학과 홍승범 교수 연구팀이 시뮬레이션을 기반으로 한 신소재 데이터 분석을 위한 인공지능을 개발했다고 24일 밝혔다.
최근 컴퓨팅 파워가 기하급수적으로 증가함에 따라 인공지능을 활용한 다양한 응용들이 실생활에 활용되고 있으며, 이에 인공지능을 활용해 신소재 데이터를 고속으로 분석하고 소재를 역설계하는 기술의 연구 역시 가속화되고 있다.
최근 인공지능의 효율 및 정확도를 증가시키는 연구를 바탕으로 자율주행 자동차, 데이터베이스 기반의 마케팅 및 물류 시스템 보조 등의 분야에 인공지능의 활용이 높아지고 있다. 특히 신소재 개발에 장시간이 소요되는 점을 고려할 때, 소재 및 공정 개발에 인공지능을 활용해 다양한 구조 및 물성 데이터 사이의 상관관계를 빠르게 분석해 신소재 개발 소요 시간을 획기적으로 줄일 수 있는 인공지능 방법론이 주목을 받고 있다.
그러나 신소재 데이터의 경우, 대량의 유의미한 실험 데이터를 구하기 어렵고 기업들이 중요한 데이터는 대외비로 취급하고 있어서 인공지능을 소재 데이터 영역에 적용하는 것이 상당히 어려운 것이 현실이다. 이런 데이터의 다양성, 크기 및 접근성 문제가 해결돼야 하며, 이를 보완하기 위해 생성 모델 및 적절한 데이터의 합성에 관한 연구가 진행되고 있다. 인공지능의 성능 향상을 위해 생성되는 데이터 또한 실제 소재가 가지는 물리적 제약을 따라야 하며, 소재 데이터의 재료적 특징을 파악할 수 있는 기술이 필요하다.
홍승범 교수 연구팀이 이번에 개발한 인공지능 훈련 방법론은 훈련을 위해 생성되는 데이터가 물리적 제약을 공유하도록 위상 필드 시뮬레이션을 활용해 기초 데이터를 형성하고 소재 데이터가 가지고 있는 실제 측정 과정에서 발생하는 다양한 잡음, 입자의 분포 정보 및 입자의 경계를 모사해 크기가 작은 소재 데이터의 한계를 해결했다. 기존에 수작업으로 작성한 소재 데이터를 활용한 인공지능과의 상 분리 성능을 비교했으며, 생성된 데이터의 모사 요소가 상 분리에 영향을 미치는 영향을 파악했다.
아울러 이번 연구에서 제시하는 소재 데이터 생성을 활용한 인공지능 훈련 방법은 기존의 수작업으로 훈련 데이터를 준비하는 시간을 크게 단축할 수 있으며, 인공지능의 전이 학습 및 다양한 물리적 제약을 바탕으로 하는 위상 필드 시뮬레이션 활용을 바탕으로 다양한 소재 데이터에 빠르게 적용할 수 있는 장점이 있다.
홍승범 교수는 "인공지능은 분야를 막론하고 다양한 영역에서 활용되고 있으며, 소재 분야 역시 인공지능의 도움을 바탕으로 신소재 개발을 더욱 빠르게 완료할 수 있는 세상을 맞이할 것이다ˮ라며, "이번 연구 내용을 신소재 개발에 바로 적용하기에는 데이터 합성 측면에서의 여전히 보강이 필요하지만, 소재 데이터 활용에 큰 문제가 됐던 훈련 데이터를 준비하는 긴 시간을 단축해 소재 데이터의 고속 분석 가능성을 연 것에 연구의 의의가 있다ˮ고 말했다.
신소재공학과 염지원 연구원, 노스웨스턴(Northwestern) 대학의 티베리우 스탄(Tiberiu Stan) 박사가 공동 제1 저자로 참여한 이번 연구는 노스웨스턴 대학의 피터 부리스(Peter Voorhees) 교수 연구실과 함께 진행됐으며 연구 결과는 국제 학술지 `악타 머터리얼리아(Acta Materialia)'에 게재됐다. (논문명: Segmentation of experimental datasets via convolutional neural networks on phase field simulations)
한편 이번 연구는 KAIST 글로벌특이점 연구 지원으로 수행됐다.
2021.08.24
조회수 6915
-
정유성 교수, 제4회 한성과학상 수상
한성손재한장학회(이사장 손명아)와 한성과학상 심사위원회는 우리 대학 생명화학공학과 정유성 교수를 제4회 한성과학상 화학분야 수상자로 선정했다고 24일 밝혔다.
정유성 교수는 신물질 발견과 그 합성 가능성을 알고리즘이 학습을 통해 예측하는 인공지능 (AI) 역설계 기법을 독자적으로 개발함으로써, 데이터 기반의 소재 및 분자 설계의 새로운 연구 방향을 제시하였다. 기존의 신물질 발견 과정은 전문가의 직관이나 실험적 시행착오를 통해 후보 물질을 제시하고 합성한 후 물성을 측정함으로써 응용 목적에 맞는 후보 물질을 발굴하는 직접 설계 방법이 주를 이루었으나, 많은 시간이 소요되거나 전문가의 직관에서 벗어나는 획기적인 물질의 발견이 더뎠다.
정유성 교수가 독창적으로 구현한 AI 소재 역설계 기법은, 원하는 물성을 갖는 결정구조를 전문가의 직관이나 편견 없이 데이터와 인공지능 알고리즘을 통하여 역으로 찾는 방법으로 신 물질 발견의 시간을 크게 줄여주었고, 화합물의 합성 가능성을 실험에 앞서 미리 예측할 수 있는 AI 알고리즘을 개발하여 실용적인 소재 설계의 가능성을 높였다.
정유성 교수는 “AI 역설계 기술을 통해 신소재 및 신약 개발을 가속화할 수 있다”며 “사람의 개입 없이 데이터와 알고리즘 그리고 로봇에 의해 구현되는 미래 자율 실험실의 알고리즘으로 활용될 수 있을 것"이라고 말했다. 그리고 "무엇보다 연구 성과들을 열정과 노력으로 만들어낸 연구실 멤버들에게 감사드린다"고 소감을 전했다.
한성과학상은 한국의 노벨상 수상자 배출을 위해 손재한 월드타워 회장이 제정했다. 2018년부터 물리학, 화학, 생명과학 3개 분야에서 독창적인 성과를 낸 젊은 과학자를 선정하고, 수상자에게는 상패와 상금 5,000만 원이 수여된다.
2021.06.30
조회수 9096
-
인공지능을 이용해 숨겨진 소재를 탐색하는 기술 개발
우리 대학 생명화학공학과 정유성 교수 연구팀이 인공지능(AI) 기술을 이용해 숨겨진 소재 공간을 탐색, 숨겨진 새로운 물질을 예측하는 기술을 개발하는 데 성공했다고 27일 밝혔다.
소재 연구의 궁극적인 목표는 원하는 *물성을 갖는 소재를 발견하는 것이다. 그러나 무기화합물의 가능한 모든 조성과 결정구조를 고려할 때 무한대에 가까운 경우의 수를 샅샅이 탐색하기는 쉽지 않다. 이러한 문제 해결을 위한 방안으로 컴퓨터 스크리닝 소재 탐색 방법이 널리 사용되고 있지만 찾고자 하는 소재가 스크리닝 후보군에 존재하지 않을 때는 유망한 물질 후보들을 놓치는 경우가 종종 발생한다.
☞ 물성(physical properties): 물질의 전기적, 자기적, 광학적, 역학적 성질 따위를 통틀어 이르는 말
정유성 교수 연구팀이 개발한 *소재 역설계 방법은 데이터 학습을 통해 주어진 조성을 갖는 결정구조를 새롭게 생성하게 함으로써 기존 데이터베이스에는 존재하지 않던 신물질을 발견할 수 있도록 한다. 특히, 기존의 역설계 방법에서는 원하는 조성을 제어할 수 없지만, 정 교수팀이 개발한 역설계 방법은 원하는 조성을 제어함으로써 숨어있는 화학 공간을 효율적으로 탐색해 물질을 설계할 수 있다.
☞ 소재 역설계(Materials Inverse Design): 주어진 구조에 대한 물성을 측정하는 방식의 반대 개념으로, 특정한 물성을 갖도록 소재의 구조를 역으로 찾아가는 방법
이번 정 교수팀의 연구성과인 결정구조 예측기술은 인공지능 생성모델인 적대적 생성 신경망(GAN, Generative Adversarial Network)을 기반으로 개발됐다. 또 기존의 복잡한 3차원 이미지 기반 물질 표현자의 단점을 해소하기 위해 비교적 간단한 원자들의 3차원 좌표를 기반으로 한 물질 표현자를 사용했다.
정 교수팀은 이번 연구를 통해 개발한 소재 역설계 방법을 활용, 빛을 이용한 수소생산 촉매로 활용될 수 있는 마그네슘-망간-산화물 기반의 광촉매 물질의 결정구조를 예측하는 데도 성공했다. 기존 데이터베이스에 존재하지 않는 조성들을 생성조건으로 다양한 마그네슘-망간-산화물 구조를 생성한 결과, 기존에 알려지지 않았으면서 광촉매로서 전도유망한 특성을 갖는 신물질을 다수 발견했다.
정유성 교수는 "광촉매 물질의 설계에 적용한 이번 소재 설계 프레임워크는 화합물의 화학적 조성뿐 아니라 사용자가 원하는 특정 물성을 갖는 소재를 역설계하는데 적용이 가능하다ˮ면서 "여러 소재 응용 분야에서 활용될 수 있을 것으로 기대된다ˮ고 말했다.
우리 대학 생명화학공학과 김성원 박사과정과 노주환 박사과정이 공동 제1 저자로, 토론토 대학의 아스푸루-구지크(Aspuru-Guzik) 교수가 공동연구로 참여한 이 연구성과는 미국화학회(ACS)가 발행하는 국제학술지 ACS 센트럴 사이언스(ACS Central Science) 지난 8월호에 실렸다.(논문명: Generative Adversarial Networks for Crystal Structure Prediction)
한편, 이번 연구는 과학기술정보통신부 산하 한국연구재단의 기초연구사업(중견연구) 지원을 받아 수행됐다.
2020.10.28
조회수 25949
-
스스로 그림 그리는 인공지능 반도체 칩 개발
전기및전자공학부 유회준 교수 연구팀이 생성적 적대 신경망(GAN: Generative Adversarial Network)을 저전력, 효율적으로 처리하는 인공지능(AI: Artificial Intelligent) 반도체를 개발했다.
연구팀이 개발한 인공지능 반도체는 다중-심층 신경망을 처리할 수 있고 이를 저전력의 모바일 기기에서도 학습할 수 있다. 연구팀은 이번 반도체 칩 개발을 통해 이미지 합성, 스타일 변환, 손상 이미지 복원 등의 생성형 인공지능 기술을 모바일 기기에서 구현하는 데 성공했다.
강상훈 박사과정이 1 저자로 참여한 이번 연구결과는 지난 2월 17일 3천여 명 반도체 연구자들이 미국 샌프란시스코에 모여 개최한 국제고체회로설계학회(ISSCC)에서 발표됐다. (논문명 : GANPU: A 135TFLOPS/W Multi-DNN Training Processor for GANs with Speculative Dual-Sparsity Exploitation)
기존에 많이 연구된 인공지능 기술인 분류형 모델(Discriminative Model)은 주어진 질문에 답을 하도록 학습된 인공지능 모델로 물체 인식 및 추적, 음성인식, 얼굴인식 등에 활용된다.
이와 달리 생성적 적대 신경망(GAN)은 새로운 이미지를 생성·재생성할 수 있어 이미지 스타일 변환, 영상 합성, 손상된 이미지 복원 등 광범위한 분야에 활용된다. 또한, 모바일 기기의 다양한 응용 프로그램(영상·이미지 내 사용자의 얼굴 합성)에도 사용돼 학계뿐만 아니라 산업계에서도 주목을 받고 있다.
그러나 생성적 적대 신경망은 기존의 딥러닝 네트워크와는 달리 여러 개의 심층 신경망으로 이루어진 구조로, 개별 심층 신경망마다 다른 요구 조건으로 최적화된 가속을 하는 것이 어렵다.
또한, 고해상도 이미지를 생성하기 위해 기존 심층 신경망 모델보다 수십 배 많은 연산량을 요구한다. 즉, 적대적 생성 신경망은 연산 능력이 제한적이고 사용되는 메모리가 작은 모바일 장치(스마트폰, 태블릿 등)에서는 소프트웨어만으로 구현할 수 없었다.
최근 모바일 기기에서 인공지능을 구현하기 위해 다양한 가속기 개발이 이뤄지고 있지만, 기존 연구들은 추론 단계만 지원하거나 단일-심층 신경망 학습에 한정돼 있다.
연구팀은 단일-심층 신경망뿐만 아니라 생성적 적대 신경망과 같은 다중-심층 신경망을 처리할 수 있으면서 모바일에서 학습도 가능한 인공지능 반도체 GANPU(Generative Adversarial Networks Processing Unit)를 개발해 모바일 장치의 인공지능 활용범위를 넓혔다.
연구팀이 개발한 인공지능 반도체는 서버로 데이터를 보내지 않고 모바일 장치 내에서 생성적 적대 신경망(GAN)을 스스로 학습할 수 있어 사생활을 보호를 가능케 하는 프로세서라는 점에서 그 활용도가 기대된다.
모바일 기기에서 저전력으로 다중-심층 신경망을 가속하기 위해서 다양한 핵심 기술이 필요하다. 연구팀이 개발한 GANPU에 사용된 핵심 기술 중 대표적인 기술 3가지는 ▲적응형 워크로드 할당(ASTM, 처리해야 할 워크로드*를 파악해 칩 상의 다중-심층 신경망의 연산 및 메모리 특성에 맞춰 시간·공간으로 나누어 할당함으로써 효율적으로 가속하는 방법) ▲입출력 희소성 활용 극대화(IOAS, 인공신경망 입력 데이터에서 나타나는 0뿐만 아니라 출력의 0도 예측해 연산에서 제외함으로써 추론 및 학습 과정에서의 속도와 에너지효율 극대화) ▲지수부만을 사용한 0 패턴 추측(EORS, 인공신경망 출력의 0을 예측하기 위한 알고리즘으로 인공신경망 입력과 연결 강도(weight)의 부동소수점 데이터 중 지수 부분만을 사용해 연산을 간단히 수행하는 방법)이다.
위의 기술을 사용함으로써 연구팀의 GANPU는 기존 최고 성능을 보이던 심층 신경망 학습 반도체 대비 4.8배 증가한 에너지효율을 달성했다.
연구팀은 GANPU의 활용 예시로 태블릿 카메라로 찍은 사진을 사용자가 직접 수정할 수 있는 응용 기술을 시연했다. 사진상의 얼굴에서 머리·안경·눈썹 등 17가지 특징에 대해 추가·삭제 및 수정사항을 입력하면 GANPU가 실시간으로 이를 자동으로 완성해 보여 주는 얼굴 수정 시스템을 개발했다.
2020.04.06
조회수 14736