휴대전화, 스마트워치 및 웨어러블 기기 등이 새로운 모델을 위해 사용이 중단되거나 폐기될 필요가 없는 보다 지속 가능한 장치들이 탄생할 것으로 예상된다. 레고(LEGO) 브릭(Brick)과 같이 장치의 내부 칩에 최신 센서 및 프로세서로 업그레이드할 수 있게 된 것이다. 이러한 재구성 가능한 칩웨어는 전자 폐기물을 줄이면서 장치를 최신 상태로 유지할 수 있다.

美 매사추세츠 공과대학교(MIT) 전자연구소(Research Laboratory of Electronics)의 김지환 MIT 기계공학부 교수를 비롯한 강지훈, 김현석, 송민규, 최찬열 박사후 연구원 등 총 26명이 참여한 공동연구팀이 쌓을 수 있고 재구성 가능한 인공지능(AI) 칩을 위해 마치 레고와 같은 디자인으로 모듈식 비전을 향한 첫 발을 내디뎠다.

이 디자인은 칩 레이어가 광학적으로 통신할 수 있도록 하는 발광 다이오드(LED)와 함께 감지 및 처리 요소의 교대 레이어로 구성된다. 기존 모듈식 칩 설계는 기존 배선을 사용하여 레이어 간에 신호를 전달한다. 이러한 복잡한 연결은 절단 및 재배선이 불가능하지는 않더라도 어렵기 때문에 스택 가능한 설계를 재구성할 수 없다.

연구팀은 설계에서 물리적 와이어가 아닌 빛을 사용하여 칩을 통해 정보를 전송한다. 따라서 칩은 새로운 센서나 업데이트된 프로세서를 추가하기 위해 교체하거나 쌓을 수 있는 레이어로 재구성될 수 있는 것이다.

강지훈 MIT 박사후 연구원은 “빛, 압력, 냄새 등 원하는 만큼 컴퓨팅 레이어와 센서를 추가할 수 있습니다”라며, “레이어 조합에 따라 무한한 확장성을 갖기 때문에 이것을 레고와 같은 재구성 가능한 AI 칩이라고 부릅니다”라고 설명했다.

특히, 연구팀은 슈퍼컴퓨터나 클라우드 기반 컴퓨팅과 같은 중앙 또는 분산 리소스와 독립적으로 작동하는 자급식 센서 및 기타 전자 장치인 엣지 컴퓨팅 디바이스에 이 설계를 적용하기를 기대한다고 밝혔다.

이 연구를 주도한 김지환 교수는 “센서 네트워크를 기반으로 하는 사물인터넷(IoT) 시대로 접어들면서 다기능 엣지 컴퓨팅 장치에 대한 수요가 급격히 확대될 것”이라며, "우리가 제안한 하드웨어 아키텍처는 미래에 인공지능 기반 엣지 컴퓨팅의 높은 다용성을 제공할 것입니다"라고 밝혔다.

연구팀의 디자인은 현재, 기본적인 이미지 인식 작업을 수행하도록 구성되어 있다. 이것은 이미지 센서, LED, 인공시냅스(메모리 저항기 또는 '멤리스터' 배열)로 만들어진 프로세서의 레이어링을 통해 수행되며, 이는 함께 물리적 신경 네트워크 또는 '브레인-온-칩(brain-on-a-chip)'으로 기능한다. 각 어레이는 외부 소프트웨어나 인터넷 연결 없이 칩에서 직접 신호를 처리하고 분류하도록 훈련될 수 있다.

새로운 칩 설계에서 연구팀은 이미지 센서를 인공시냅스 어레이와 짝을 지었는데, 그들은 각각 특정한 문자(이 경우, M‧I‧T)를 인식하도록 훈련시켰다. 기존의 접근 방식은 센서의 신호를 물리적 와이어를 통해 프로세서에 전달하는 것이지만, 대신 연구팀은 각 센서와 인공시냅스 어레이 사이의 광학 시스템을 만들어 물리적 연결 없이 계층 간의 통신을 가능하게 한 것이다.

여기서, 핵심은 일반적으로 칩들은 금속을 통한 물리적으로 배선되어 있어 배선을 재설계 하기가 불가능하기 때문에 새로운 기능을 추가하려면 새로운 칩을 만들어야 한다. 하지만 연구팀은 원하는 방식으로 칩을 쌓고 추가할 수 있는 유연한 광통신 시스템으로 물리적 와이어 연결을 대체한 것이다.

적용된 연구팀의 광통신 시스템은 쌍을 이룬 광검출기와 LED로 구성되어 있으며, 각각은 작은 픽셀로 패턴화되어 있다. 광검출기는 데이터를 수신하기 위한 이미지 센서를 구성하고 LED는 다음 레이어로 데이터를 전송한다.

신호(예, 문자의 이미지)가 이미지 센서에 도달할 때, 이미지의 광 패턴은 들어오는 LED 광의 패턴 및 강도에 기초하여 신호를 분류하는 인공시냅스 어레이와 함께 광 검출기의 또 다른 어레이를 자극하는 LED 픽셀의 특정 구성을 인코딩한다.

연구팀은 컴퓨터 코어가 약 4평방 밀리미터 또는 색종이 조각 크기인 단일 칩을 제작했다. 이 칩에는 이미지 센서, 광통신 레이어 및 M‧I‧T의 세 문자 중 하나를 분류하기 위한 인공시냅스 어레이를 포함하는 세 개의 이미지 인식 '블록'이 쌓여 있다. 그런 다음, 무작위 문자의 픽셀화 된 이미지를 칩에 비추고 각 신경 네트워크 어레이가 생성하는 전류를 측정했다(전류가 클수록 이미지가 실제로 특정 배열이 인식하도록 훈련 된 문자 일 확률이 커진다).

연구팀은 이 칩이 각 글자의 선명한 이미지를 정확하게 분류했지만, 예를 들어, I와 T 사이의 흐릿한 이미지를 구별할 수 없다는 것을 발견했다. 그러나 그들은 칩의 처리 계층을 더 나은 '노이즈 제거' 프로세서로 빠르게 바꿀 수 있었고 그 후 칩이 이미지를 정확하게 식별한다는 것을 확인했다. 즉, 적층성과 교체성을 그리고 칩에 새로운 기능을 삽입할 수 있는 능력을 보여준 것이다.

연구팀은 칩에 더 많은 감지 및 처리 기능을 추가할 계획이며 응용 프로그램이 무한할 것으로 예상한다. 예를 들어, 휴대폰 카메라에 레이어를 추가하여 더 복잡한 이미지를 인식할 수 있도록 하거나 웨어러블 전자 피부에 내장될 수 있는 의료 모니터로 만들 수 있다.

또한, 전자 제품에 내장된 모듈식 칩에 대한 것으로 소비자가 최신 센서 및 프로세서를 브릭으로 구축하도록 선택할 수 있으며, 이미지 또는 음성 인식과 같은 다양한 유형의 신경망을 만들고 고객이 원하는 것을 선택하도록 하고 레고와 같이 기존 칩에 추가할 수 있다.

한편,  이 연구 결과는 국제 학술지 네이처 일렉트로닉스(Nature Electronics)지에 '인공지능이 내장된 적층형 칩을 사용하여 재구성 가능한 이기종 통합(Reconfigurable heterogeneous integration using stackable chips with embedded artificial intelligence-보기)'란 제목으로 지난 13일 게재됐다. 또, 연구는 부분적으로 한국 산업통상자원부(장관 이창양. MOTIE)의 지원을 받았다.