인공지능에 대한 요구 사항은 보다 많고 다양하며 복잡하다. 이러한 요구가 계속 증가함에 따라 AI 실행 속도를 높이고 에너지 소비를 줄이는 방법의 필요성도 그만큼 커지고 있다.

대규모로 인공지능 및 머신러닝과 관련된 에너지 비용은 엄청날 수 있다. 예를 들어, 클라우드 컴퓨팅 데이터 센터는 현재 연간 약 200 테라와트 시(작은 국가보다 많은 양. Terawatt Hours)를 사용하고 있다고 한다. 또한 에너지 소비는 환경에 심각한 영향을 끼치며 기하급수적으로 증가할 것으로 예상된다. 

여기에, 워싱턴대학교(University of Washington) 전기 및 컴퓨터 공학부(UW ECE)의 모리(Mo Li) 교수가 이끄는 연구팀과 메릴랜드대학교(University of Maryland)의 연구원들이 공동으로 에너지와 환경비용을 줄이면서 AI 속도를 높이는 데 혁신할 수 있는 시스템을 개발했다.

시스템은 얇은 필름의 분자 구조 변화를 이용하는 광디스크 재료의 하나(예, CD-ROM 및 DVD가 정보를 기록하는 데 사용하는 것과 유사한 물질)인 상변화 물질(Phase-Change Material)을 사용하는 광 컴퓨팅 코어(Optical Computing Core) 프로토타입으로 이 시스템은 비교 가능한 기존의 디지털 컴퓨터보다 약 10 배 빠르고, 에너지 효율적이며, AI와 머신러닝에 사용되는 신경망을 가속화할 수 있다.

이 기술은 또한 확장 가능하며, 클라우드 컴퓨팅에 직접 적용할 수 있다. 클라우드 컴퓨팅은 AI와 머신러닝을 사용하여 검색 엔진, 스트리밍 비디오, 전화, 데스크톱 컴퓨터 및 기타 장치용 수많은 앱과 같이 사람들이 매일 사용하는 인기 있는 소프트웨어 및 애플리케이션을 구동한다.

리 교수는 “우리가 개발한 하드웨어는 인공신경망의 알고리즘을 실행하도록 최적화되어 있습니다. 이는 실제로 AI와 머신러닝의 백본 알고리즘입니다”라며, "이 연구 발전은 AI 센터와 클라우드 컴퓨팅을 보다 에너지 효율적으로 구현하고 훨씬 더 빠르게 실행합니다"라고 밝혔다.

리 교수 연구팀의 전기 및 컴퓨터공학 대학원생인 창밍 우(Changming Wu) 수석저자는 "광학 컴퓨팅은 1980년대에 처음 개념으로 등장했지만, 그 후 마이크로 전자공학의 그늘에서 사라졌다"며, "이제 무어의 법칙(집적 회로의 트랜지스터 수가 약 2년마다 두 배로 증가한다는)이 끝나고, 집적광자(Integrated Photonics) 기술이 발전하고, 인공지능 컴퓨팅이 요구되면서, 무어의 법칙(Moore’s law)은 새롭게 바뀔 것"이라고 말했다.

리 교수는 “광 컴퓨팅은 기존 디지털 전자 장치에서 사용되는 훨씬 느린 전기 대신 레이저에서 생성된 빛을 사용하여 놀라운 속도로 정보를 전송하기 때문에 매우 빠르다. 연구팀이 개발한 프로토타입은 인공신경망의 연산 속도를 가속하도록 설계되었다”며, “연산 속도는 초당 수십억, 수조 연산으로 측정됩니다. 초기 프로토타입으로 아직 시스템에서 가능한 최고 속도를 사용하지 않고 있습니다.”향후 최소한 10배는 더 빨라질 질 것으로 예상됩니다”라고 밝혔다.

이어, 그는 “이 기술의 궁극적인 실제 적용에서는 검색 엔진, 비디오 스트리밍 및 클라우드 지원 장치와 같이 클라우드를 통해 광학 컴퓨팅으로 구동되는 모든 소프트웨어가 더 빠르게 실행되어 성능이 향상된다는 것을 의미합니다”라고 덧붙였다.

연구팀은 상변화 물질을 사용하여 데이터를 저장하고 물질을 통해 전달되는 빛을 감지하여 컴퓨팅 작업을 수행함으로써 프로토타입을 한 단계 더 발전시켰다. 이진 컴퓨팅에 사용되는 0과 1을 나타내고 유지하기 위해 일정한 전압이 필요한 디지털 전자 제품에 사용되는 트랜지스터와 달리 상변화 물질은 이 정보를 유지하는 데 에너지가 전혀 필요하지 않다.

또한 재료를 나노구조로 패터닝하여 광 컴퓨팅 코어에 사용되는 상변화 재료를 더욱 향상시켰다. 이러한 미세한 구조는 재료의 내구성과 안정성, 대비(바이너리 코드에서 0과 1을 구별하는 능력)를 개선하고 더 큰 계산 용량과 정밀도를 가능하게 한다.

연구팀은 이 물질을 나노구조로 패터닝(patterning)함으로써 광학 컴퓨팅 코어에 사용되는 위상 변화 물질을 더욱 향상시켰다. 이러한 미세 구조는 재료의 내구성과 안정성, 대비(이진 코드에서 0과 1을 구별하는)를 향상시키고 더 큰 연산 용량과 정밀도를 가능하게 한 것으로 프로토 타입의 광학 컴퓨팅 코어에 위상 변화 물질을 완전히 통합했다.

연구팀이 개발한 방법은 현재, 사용 가능한 광 컴퓨팅 기술에 가장 확장 가능한 접근 방식 중 하나이며, 궁극적으로 전 세계 데이터 센터의 네트워크 클라우드 컴퓨팅 서버와 같은 대규모 시스템에 적용할 수 있다.

리 교수는 "우리의 설계 아키텍처는 고해상도 이미지 인식에서 비디오 처리 및 비디오 이미지 인식에 이르기까지 까다로운 인공지능 작업을 처리할 수 있는 훨씬 더 큰 네트워크로 확장할 수 있습니다."라며, “가장 유망한 것은 물론, 프로토타입을 구성하는 재료는 모두 반도체 파운드리 공정과 잘 호환됩니다”라고 말했다.

이어 그는 “그리고 기술이 충분히 확장되면, 클라우드 컴퓨팅에 구동되는 소프트웨어 애플리케이션의 성능을 높이고 에너지 수요를 감소시킴으로써, 에너지 집약적인 데이터 센터와의 미래 통합에 도움이 될 것입니다”라고 덧붙였다.

마지막으로 리 교수는 "연구팀이 개발한 광학 컴퓨팅 기술은 연산 능력을 더욱 향상시키고 차세대 인공지능을 가능하게 하는 것을 상상할 수 있습니다"라며, "요즘 데이터 센터에서는 이미 광섬유로 연결되어 있습니다. 따라서 광섬유 인프라가 이미 구축되었기 때문에 광학 컴퓨팅이 다시 등장할 적기라고 생각합니다"라며 이 개발에 대한 소감을 밝혔다.

한편, 연구 결과는 국제학술지 네이처 커뮤니케이션즈(Nature Communications)에 '다중 모드 광자 컨볼루션 신경망을 위한 도파관의 프로그래밍 가능한 위상 변화 메타표면(Programmable phase-change metasurfaces onwaveguides for multimode photonic convolutionalneural network-다운)'란 제목으로 지난 4일 게재됐다.