A Nanowire Network
오늘날의 선도적인 AI 시스템을 운영하는 신경망은 광범위한 양의 정적 데이터에서 패턴을 검색할 때 인간의 뇌를 상당히 능가할 수 있습니다.
하지만 학습해야 할 데이터가 거의 없거나 시간이 지남에 따라 데이터의 흐름이 동적으로 변화하면 어려워지는 경향이 있습니다.
여기서 인간의 뇌는 방사선을 방출하고, 이로 인해 많은 연구원들이 neuromorphic computing(신경형 컴퓨팅) 으로 알려진 새로운 컴퓨터 패러다임을 만들기 위해 설계 원리의 일부를 사용하게 되었습니다.
그리고 시드니 대학교와 일본 국립 재료 과학원의 연구원들은 나노 와이어 무작위 네트워크를 사용하여 뇌의 구조와 역학을 모두 재현하고 간단한 처리 작업을 해결할 수 있다는 것을 보여주었습니다.
시드니대 보도자료에서 Zdenka Kuncic 은 말했습니다.
"이런 유형의 나노와이어 네트워크는 정보처리를 최적화하는 데 사용할 수 있는 서로 다른 뇌와 유사한 집단 역학을 가진 영역에서 조정될 수 있습니다"
오늘날의 심층 신경망은 이미 뇌의 일면, 즉 고도로 연결된 뉴런 네트워크를 모방하고 있습니다.
하지만 인공 뉴런은 단지 계산하는 것이기 때문에 생물학적 뉴런과는 매우 다른 행동을 합니다.
뇌에서 뉴런은 그들의 이전 활동을 기억할 수 있으며 이는 그들의 미래 행동에 영향을 미칩니다.
이 내장 메모리는 뇌가 정보를 처리하는 방법의 중요한 측면이고, 신경형태학 기술의 중요한 측면은 이 기능을 복원하는 데 초점을 맞추고 있습니다.
이것에 의해 이른바 "memrister"를 위한 광범위한 설계가 이루어졌습니다.
"memrister" 는 전기 이전 신호에 따라 반응이 달라지는 전기 부품입니다.
은 나노와이어가 겹치는 교차로에서도 memristive 특성이 발견돼 neuromorphic 공학자들에게 점점 인기를 얻고 있습니다.
이들은 뇌와 다를 바 없는 복잡한 네트워크에 적응할 수 있다는 추가적인 이점을 갖고 있지만 멤리스틱 노드는 신경 필요 간 시냅스처럼 작용합니다.
네이처커뮤니케이션즈 논문에서 연구원들은 설명합니다.
어떻게 이들이 두께 500나노미터 이하, 10마이크로미터 길이의 무작위 네트워크를 만든 뒤 전기 자극에 노출시켰는지에 대해.
전류가 네트워크를 통해 흐를 때 memristive 연결이 켜지고 꺼지면서 신호 경로를 변경했습니다.
그러나 이 회로의 패턴은 입력 신호의 강도에 따라 크게 달라졌습니다.
신호가 낮았을 때 경로는 매우 깨끗하고 예측할 수 있었지만, 신호가 높았을 때 그들은 매우 혼란스러워졌습니다.
이 역학을 정보 처리에 사용할 수 있는지를 테스트하기 위해 팀은 네트워크를 시뮬레이션하고 간단한 신호 처리 작업을 수행하는 방법, 즉 하나의 파형을 다른 파형으로 변환하는 방법을 알려주려고 했습니다.
그들은 입력 진폭과 주파수를 조정하여 성능에 영향을 미치는지 확인하고 네트워크 압력 수준에서 신호의 강도가 혼돈 상태에 있을 때 네트워크가 가장 잘 작동한다는 것을 발견했습니다.
인간의 두뇌가 이 영역에서도 작용할 것이라는 추측이 가능하기 때문에 이는 매혹적인 관찰입니다.
Kuncic는 말했습니다.
"신경과학의 일부 이론은 인간의 정신이 혼돈의 경계, 이른바 임계 상태에서 작동할 수 있다는 것을 암시합니다"
"일부 신경과학자는 우리가 이 상태에서 가장 큰 뇌 성능을 달성한다고 생각합니다."
또 다른 흥미로운 발견은 '혼돈의 경계' 상태가 가장 다양한 파형 사이에서 전환하고자 할 때 가장 강하다는 것입니다.
이는 지금까지의 결과와 일치하며,
이 접근법이 단순한 작업에 유효하지 않지만 보다 복잡한 작업에 특히 적합함을 암시합니다.
하지만 인간의 두뇌 파워에 상응하는 나노와이어 네트워크는 아직 갈 길이 멉니다. 연구원들이 설정한 도전은 매우 간단해 지금까지 네트워크 시뮬레이션만으로 실제 사례로 입증됐습니다.
이 "혼돈의 경계" 상태가 두뇌 작동 방식에 핵심적인 중요성을 갖는 정도도 아직 멀었습니다.
하지만 그 결과는 나노와이어 네트워크가 뇌의 강력하고 에너지 효율적인 처리를 회복하는 유망한 방법이 될 수 있다는 주장에 힘을 실어 줍니다.
댓글