인간의 뇌를 모방해 기억과 연산을 대량으로 같이 진행할 수 있도록 하는 것이 뉴로모픽(Neuromorphic) 기술의 핵심이다

인텔은 1억 개의 뉴런의 연산 능력을 제공하는 가장 새롭고 가장 강력한 뉴로모픽 연구 시스템인 포호이키 스프링스(Pohoiki Springs)의 준비 상태를 18일(현지시간) 발표했다.

클라우드 기반 이 시스템은 인텔 뉴로모픽 리서치 커뮤니티(Intel Neuromorphic Research Community, INRC) 회원들에게 제공될 것이며, 더 크고 복잡한 문제를 해결하기 위해 뉴로모픽 작업을 확장한다.

마이크 데이비스(Mike Davies) 인텔 뉴로모르픽 컴퓨팅 연구소(Neuromorphic Computing Lab) 소장은 "포호이키 스프링스는 500와트 미만의 전력 수준에서 작동하면서 인텔의 로이히 뉴로모픽 연구(Loihi neuromorphic research) 칩을 750배 이상 확장시킨다. 이 시스템을 통해 연구 파트너들은 고성능 컴퓨팅(HPC) 시스템을 비롯한 기존 아키텍처에서 느리게 실행되는 워크로드를 가속화할 수 있는 방법을 모색할 수 있다"고 밝혔다.

특히 포호이키 스프링스는 데이터 센터 랙 마운트 시스템(Data Center Rack-Mounted System)이며, 현재까지 개발된 인텔 최대의 뉴로모픽 컴퓨팅 시스템으로 5 개의 표준 서버 크기의 섀시 내에 768 개의 로이히 뉴로모픽 연구 칩을 통합한다.

또한 로이히 프로세서는 인간의 두뇌에서 영감을 얻는다. 두뇌와 마찬가지로 로이히는 기존 프로세서보다 최대 1,000 배 더 빠르고 10,000 배 더 효율적인 특정 워크로드를 처리할 수 ​​있다. 또 포호이키 스프링스는 인공지능(AI) 문제뿐만 아니라 광범위한 분야에서 계산상 어려운 문제를 해결할 수 있는 잠재력을 평가하기 위해 이 아키텍처를 확장하는 다음 단계이다.

인텔 연구원들은 뉴로모픽 시스템의 극한 병렬처리와 비동기 신호는 기존 컴퓨터와 비교하여 전력 수준을 획기적으로 줄이면 상당한 성능 향상을 제공할 수 있다고 믿는다. 자연계에서 가장 작은 생물체조차도 매우 어려운 계산 문제를 해결할 수 있다. 예를 들어, 많은 곤충은 100만 개의 뉴런 이하의 뇌를 가지고 있음에도 불구하고 시각적으로 물체를 추적하고 실시간으로 장애물을 탐색하고 피할 수 있는 능력을 가지고 있다.

마찬가지로 인텔의 가장 작은 뉴로모픽 시스템(Neuromorphic System)인 카포호 베이(Capoho Bay)는 26만 2000개의 뉴런을 가진 2개의 로이히 칩으로 구성되어 있으며 다양한 실시간 에지 워크로드를 지원한다. 인텔과 INRC 연구원들은 로이히가 수십 밀리와트의 전력을 소비하면서 실시간으로 제스처를 인식하고, 새로운 인공 피부를 사용하여 점자를 읽고, 학습된 시각적 랜드마크를 사용하여 방향을 정하고, 새로운 냄새 패턴을 배울 수 있는 능력을 보여주었다고 한다.

이러한 소규모 사례는 지금까지 뛰어난 확장성을 보여주었으며, 기존 솔루션에 비해 로이히에서 더 큰 문제도 더 빠르고 효율적으로 실행된다. 이것은 곤충에서 인간의 뇌에 이르기까지 자연에서 발견되는 뇌의 확장성을 반영한 것이다.

1억 개의 뉴런을 가진 포호이키 스프링스는 로이의 신경 능력을 작은 포유류 뇌의 크기로 증가시켜 훨씬 크고 정교한 뉴로모픽 작업 부하를 지원하는 길을 걷는 중요한 단계이다. 이 시스템은 자율적이고 연결된 미래를 위한 기반을 마련하는데, 실시간 동적 데이터 처리에 대한 새로운 접근법을 마련할 것이다.

그럼 어떻게 사용될 것인가? 포호이키 스프링스와 같은 인텔의 뉴로모픽 시스템은 여전히 연구 단계에 있으며 기존의 컴퓨팅 시스템을 대체하려는 의도는 없다. 대신, 그들은 연구자들이 실시간 처리, 문제 해결, 적응 및 학습을 위한 새로운 신경 영감을 받은 알고리즘을 개발하고 특성화할 수 있는 도구를 제공한다. INRC 회원은 인텔의 Nx SDK 및 커뮤니티 기반 소프트웨어 구성 요소를 사용하여 클라우드를 통해 포호이키 스프링스에서 응용 프로그램에 액세스하고 구축한다.

로이히(Loihi)를 위해 개발 중인 유망하고 확장성이 뛰어난 알고리즘의 예를 들어본다.

▶제약 만족도(Constraint satisfaction): 제한적 만족도 문제는 스도쿠(sudoku) 게임에서부터 항공사 스케줄링, 포장 배송 계획까지 현실 세계 어디에나 존재한다. 그들은 특정 제약조건을 충족하는 하나 또는 몇 가지 잠재적 해결책을 식별하기 위해 많은 수의 잠재적 해결책을 평가할 것을 요구한다. 이에 로이히는 고속으로 다양한 솔루션을 고속으로 동시에 탐색해 그러한 문제들을 가속화할 수 있다.

▶그래프와 패턴을 검색하는 것: 매일, 사람들은 최적의 경로와 밀접하게 일치하는 패턴을 찾기 위해 그래프 기반 데이터 구조를 검색한다. 예를 들어, 운전 방향을 얻거나 얼굴을 인식하기 위해서 로이히는 그래프에서 가장 짧은 경로를 빠르게 식별하고 가장 근접한 이미지 검색을 수행할 수 있는 능력을 보여 주었다.

▶최적화 문제: 뉴로모픽 아키텍처는 시간의 경과에 따른 동적 행동이 수학적으로 특정 목표를 최적화하도록 프로그램 될 수 있다. 이러한 행동은 무선 통신 채널의 대역폭을 극대화하거나 목표 수익률에서 위험을 최소화하기 위해 주식 포트폴리오를 할당하는 등의 현실적 최적화 문제를 해결하기 위해 적용될 수 있다.

뉴로모픽 컴퓨팅(Neuromorphic Computing)은 CPU나 GPU와 같은 전통적인 범용 프로세서는 매우 정밀한 수학적 계산과 같이 인간이 하기 어려운 작업에 특히 능숙하다. 그러나 기술의 역할과 적용 요구는 무한히 확장되고 있다. 자동화에서 인공지능(AI)에 이르기까지, 컴퓨터가 인간과 같이 더 많이 작동하고, 비구조적(비정형)이고 어지럽고 까다로운 데이터를 실시간으로 처리하면서, 변화에 적응해야 할 필요성이 증가하고 있는 것이다. 이 도전은 새롭고 전문화된 아키텍처에 동기를 부여한다.

이처럼 뉴로모픽 컴퓨팅은 컴퓨터 아키텍처를 밑바닥부터 완전히 재설계하는 것이다. 목표는 신경과학의 최신 통찰력을 적용하여 기존의 컴퓨터처럼 기능하지 않고 인간의 뇌와 더 유사한 솔루션을 만드는 것이다. 뉴로모픽 시스템은 하드웨어 수준에서 뉴런이 구성되고, 의사소통하고 학습하는 방식을 복제한다. 인텔은 로이히와 미래의 뉴로모픽 프로세서가 전 세계의 보급형 지능형 기기에 대한 수요 증가에 부응하기 위해 새로운 프로그래밍 가능 컴퓨팅 모델을 새롭게 정의하고 있는 것이다.