오늘날 대부분의 AI 개발은 거대한 데이터 센터에서 실행되는 크고 복잡한 모델에 중점을 두고 있지만 더 작고 전력 제약이 많은 장치에서 더 간단한 AI 애플리케이션을 실행하는 방법에 대한 수요도 증가하고 있다.

웨어러블에서 스마트 산업용 센서, 드론에 이르기까지 많은 애플리케이션에서 클라우드 기반 AI 시스템으로 데이터를 보내는 것은 의미가 없다. 개인 데이터 공유에 대한 우려나 데이터 전송 및 응답 대기로 인한 불가피한 지연 때문일 수 있다.

그러나 이러한 장치 중 상당수는 일반적으로 AI에 사용되는 종류의 고성능 프로세서를 수용하기에는 너무 작다. 또한 배터리 또는 환경에서 수확한 에너지로 실행되는 경향이 있으므로 기존 딥 러닝 접근 방식의 까다로운 전력 요구 사항을 충족할 수 없다.

이로 인해 이러한 종류의 시스템에서 AI를 실행할 수 있도록 하는 새로운 하드웨어 및 컴퓨팅 접근 방식에 대한 연구가 증가하고 있다. 이 작업의 대부분은 전구와 같은 양의 전력을 사용하면서 놀라운 컴퓨팅 능력을 발휘할 수 있는 두뇌에서 차용하려고 했다. 여기에는 뇌의 배선을 모방한 뉴로모픽 칩과 생물학적 뉴런처럼 행동하는 전자 부품인 멤리스터로 만들어진 프로세서가 포함된다.

Imperial College London의 과학자들이 주도한 새로운 연구는 나노스케일 자석 네트워크를 사용한 컴퓨팅이 유망한 대안이 될 수 있음을 시사한다. 지난 주 Nature Nanotechnology에 발표된 논문에서 팀은 작은 자기 요소 배열에 자기장을 적용함으로써 시스템을 훈련시켜 복잡한 데이터를 처리하고 일반 컴퓨터의 극히 일부만 사용하여 예측을 제공할 수 있음을 보여주었다.

그들의 접근 방식의 핵심은 내부 물리적 구조가 자연에서 일반적으로 발견되지 않는 특이한 특성을 부여하도록 신중하게 설계된 인공 물질인 메타물질로 알려진 것이다. 특히, 팀은 이국적인 자기 거동을 나타내기 위해 결합되는 많은 나노자석의 배열인 "인공 스핀 시스템"을 만들었다.

그들의 디자인은 600나노미터 길이의 수백 개의 퍼멀로이(고자성 니켈-철 합금)의 격자로 구성되어 있다. 이 막대는 위쪽 팔이 아래쪽 팔보다 두꺼운 X의 반복 패턴으로 배열된다.

일반적으로 인공 스핀 시스템은 나노자석 전체의 자화 패턴을 설명하는 단일 자기 질감을 가지고 있다. 그러나 Imperial 팀의 메타물질은 두 가지 별개의 텍스처와 자기장에 대한 응답으로 서로 다른 부분이 전환되는 기능이 있다.

연구원들은 이러한 속성을 사용하여 저수지 컴퓨팅으로 알려진 AI 형태를 구현했다. 신경망이 작업을 훈련할 때 연결을 다시 배선하는 딥 러닝과 달리 이 접근 방식은 연결이 모두 고정된 네트워크에 데이터를 공급하고 이 네트워크에서 나오는 내용을 해석하기 위해 단일 출력 레이어를 훈련하기만 하면 된다.

입력에 대한 비선형 응답 및 이전 입력의 일부 형태의 메모리와 같은 특정 속성이 있는 한 이 고정 네트워크를 멤리스터 또는 발진기와 같은 물리적 시스템으로 대체하는 것도 가능하다. 새로운 인공 스핀 시스템은 이러한 요구 사항에 적합하므로 팀은 이를 저장소로 사용하여 일련의 데이터 처리 작업을 수행했다.

그들은 자신의 내부 역학이 데이터를 처리하도록 허용하기 전에 일련의 자기장을 적용하여 시스템에 데이터를 입력한다. 그런 다음 그들은 강자성 공명이라고 하는 이미징 기술을 사용하여 나노자석의 최종 분포를 결정했으며 이것이 답을 제공했다.

이것이 실용적인 데이터 처리 작업은 아니었지만 팀은 시간에 따라 변하는 데이터와 관련된 일련의 예측 과제에서 그들의 장치가 주요 저수지 컴퓨팅 체계와 일치할 수 있음을 보여줄 수 있었다. 중요한 것은 많은 실제 IoT 애플리케이션에서 중요한 매우 짧은 훈련 세트에서 효율적으로 학습할 수 있다는 점이다.

그리고 장치가 매우 작을 뿐만 아니라 전기를 순환시키는 대신 자기장을 사용하여 계산을 수행한다는 사실은 훨씬 적은 전력을 소비한다는 것을 의미한다. 보도 자료에서 연구원들은 확장하면 기존 컴퓨팅보다 100,000배 더 효율적일 수 있다고 추정한다.

이러한 종류의 장치가 실용화되기까지는 갈 길이 멀지만 결과는 자석 기반 컴퓨터가 모든 곳에 AI를 내장하는 데 중요한 역할을 할 수 있음을 시사한다.

이미지 출처: Barbara Jackson/264