【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]"저전력 뉴로모픽 AI용 '스파이킹 신경망' 새 학습기법 개발"

온카뱅크관리자

2026-07-23 12:07:28

<div id="layerTranslateNotice" style="display:none;"></div> KIST "새 SNN 학습기법 'A²SG' 개발…세계 최고 수준 정확도 달성" 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="b1dcKeMVXA">
 (서울=연합뉴스) 이주영 기자 = 국내 연구진이 사람 뇌처럼 필요한 순간에만 신호를 주고받으며 적은 에너지로 작동, 저전력 뉴로모픽 인공지능(AI)에 사용될 수 있는 '스파이킹 신경망'(SNN)의 학습 성능을 높이는 새로운 기법을 개발했다. 
 <figure class="figure_frm origin_fig" contents-hash="395aa7d9d1b8337666b135e5f4d9ebe48cbe461e070855cefc3af60196a886dd" dmcf-pid="9FiE2Je4ZN" dmcf-ptype="figure">
 <img alt="학습 방식에 따라 인공지능 모델이 도달하는 학습 지형 비교 기존 인공지능에 사용되는 심층신경망(DNN)은 완만한 학습 지형을 갖는다(왼쪽). 가운데와 오른쪽은 동일한 스파이킹 신경망(SNN)의 같은 학습 지형으로, 어떤 나침반(학습 방식)을 쓰느냐에 따라 탐색 경로가 달라진다. 기존 방식은 가파르고 험한 지점에 도달하지만(가운데), 새로 개발된 'A²SG'는 평탄한 지점에 도달해 성능이 향상된다(오른쪽).[KIST 제공. 재판매 및 DB 금지]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/23/yonhap/20260723120321608cktd.jpg" data-org-width="567" dmcf-mid="qu02v3tWYk" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/23/yonhap/20260723120321608cktd.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 학습 방식에 따라 인공지능 모델이 도달하는 학습 지형 비교 기존 인공지능에 사용되는 심층신경망(DNN)은 완만한 학습 지형을 갖는다(왼쪽). 가운데와 오른쪽은 동일한 스파이킹 신경망(SNN)의 같은 학습 지형으로, 어떤 나침반(학습 방식)을 쓰느냐에 따라 탐색 경로가 달라진다. 기존 방식은 가파르고 험한 지점에 도달하지만(가운데), 새로 개발된 'A²SG'는 평탄한 지점에 도달해 성능이 향상된다(오른쪽).[KIST 제공. 재판매 및 DB 금지]
 </figcaption>
 </figure>
 한국과학기술연구원(KIST) 반도체기술연구단 박성식 박사팀은 24일 SNN의 학습 성능을 높이는 새로운 학습 기법(A²SG)을 개발하고, 이를 이용해 대규모 이미지 인식 평가(ImageNet)에서 계산 부담과 전력 소모를 함께 줄이면서도 세계 최고 수준의 정확도를 달성했다고 밝혔다. 
 연구팀은 이 연구는 SNN 발전을 가로막던 학습의 한계를 실질적으로 개선해 뉴로모픽 AI와 기존 심층신경망(DNN) 기반 AI의 성능 격차를 좁히고 차세대 저전력 인공지능 시대를 앞당기는 발판이 될 것으로 기대한다고 말했다.
 이 연구는 지난 6~11일 서울 코엑스에서 열린 국제머신러닝학회 학술대회(ICML 2026)에서 발표됐으며, 국제머신러닝학회 논문집(PMLR)에 게재될 예정이다. 
 챗GPT(ChatGPT)와 제미나이(Gemini) 등 AI 사용 급증으로 데이터센터가 소비하는 막대한 전력 문제가 사회적 과제로 떠오르고 있으며, 글로벌 빅테크들은 이를 해결하기 위해 사람 뇌를 모방한 저전력 뉴로모픽 AI 개발에 나서고 있다.
 뉴로모픽 AI에 사용되는 SNN은 뇌처럼 필요한 순간에만 신호를 주고받아 적은 에너지로 작동하지만 챗GPT 등 현재 AI의 근간인 심층신경망(DNN)에 견줄만한 성능을 내기 어렵다는 한계가 있다.
 연구팀은 SNN 성능이 DNN에 비해 떨어지는 원인이 신호 전달 방식이 다른 데도 DNN에 맞게 설계된 학습 방법을 그대로 사용하는 데 있다고 보고 SNN의 학습 성능을 높일 수 있는 새로운 기법 개발에 나섰다. 
 AI 모델 학습은 복잡한 지형에서 낮은 지점을 찾아가는 과정과 같다. AI는 문제를 풀고 결과를 확인하면서 모델을 수정해 더 나은 답을 찾아가는데, 이때 각 지점의 기울기가 모델을 어느 방향으로 얼마나 바꿔야 하는지 알려주는 역할을 한다.
 연구팀은 SNN은 신호를 주고받는 방식이 DNN과 달라 기존 DNN에서 사용하던 기울기만으로는 모델을 알맞게 조정하기 어려웠다고 지적했다.
 이들은 학습 상황에 따라 조정 방법을 바꾸는 '적응형(Adaptive)' 방식과 뇌 신경세포의 특성을 반영한 '비대칭형'(Asymmetric) 방식을 결합해 학습 성능을 높이는 학습 기법 'A²SG'를 개발했다. 
 또 A²SG를 챗GPT의 핵심 구조인 트랜스포머 기반 대형 SNN에 적용해 대규모 이미지 인식 평가(ImageNet)에서 구글의 대표 학습 기법보다 추가 연산 부담은 6분의 1 수준으로 줄이면서도 세계 최고 수준의 정확도를 달성했다. 
 연구팀은 A²SG는 소형부터 대형 모델까지 다양한 신경망 구조와 응용에서 일관된 성능 향상을 보여 범용성도 입증했다며 이 성과는 뉴로모픽 AI 학습 알고리즘 분야에서 원천 기술을 확보했다는 데 의미가 있다고 설명했다.
 이어 A²SG는 하드웨어 변경 없이 소프트웨어만으로 적용할 수 있어 스마트폰·웨어러블 기기·드론의 온디바이스 AI와 24시간 상시 작동하는 스마트 센서 등 저전력이 필요한 분야에 활용될 수 있다고 덧붙였다. 
 박성식 박사는 "이 연구는 뉴로모픽 AI의 성능 향상을 가로막던 학습의 구조적 난제를 개선해 저전력 AI의 실용화 가능성을 높인 성과"라며 "앞으로 이 원천기술을 차세대 AI 반도체에서 동작하는 AI 모델로 발전시켜나갈 계획"이라고 말했다.
 <figure class="figure_frm origin_fig" contents-hash="0984131ea346e186cf2e033ffe6f378a1327f83d13e847744df411c194791539" dmcf-pid="H5eAbRx25P" dmcf-ptype="figure">
 <img alt="국제머신러닝학회(ICML 2026)에서 연구 성과 발표하는 KIST 연구팀 왼쪽부터) 국제머신러닝학회(ICML 2026)에서 연구 성과 발표하는 박성식 박사(교신저자), 강예찬 학생연구원(제1저자), 박소희 학생연구원(공동저자). [KIST 제공. 재판매 및 DB 금지]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/23/yonhap/20260723120321774jwrr.jpg" data-org-width="409" dmcf-mid="BkESekAitc" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/23/yonhap/20260723120321774jwrr.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 국제머신러닝학회(ICML 2026)에서 연구 성과 발표하는 KIST 연구팀 왼쪽부터) 국제머신러닝학회(ICML 2026)에서 연구 성과 발표하는 박성식 박사(교신저자), 강예찬 학생연구원(제1저자), 박소희 학생연구원(공동저자). [KIST 제공. 재판매 및 DB 금지]
 </figcaption>
 </figure>
 scitech@yna.co.kr
 ▶제보는 카톡 okjebo
 </section> 
 </div> 
 Copyright © 연합뉴스. 무단전재 -재배포, AI 학습 및 활용 금지

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기