연구원들은 원숭이올빼미(barn owl)에서 영감을 받아 저항성 랜덤 액세스 메모리(RRAM)를 기반으로 하는 뉴로모픽 컴퓨팅 맵과 최첨단 센서를 결합한 혁신적인 위치인식 시스템을 개발했다.
컴퓨터 사용이 만연하는 시대에 접어들면서 일상적인 사물의 더 많은 부분이 우리의 삶을 원활하게 운영하는 데 도움이 되는 마이크로프로세서와 함께 내장되고 있다. 이를 달성하기 위해 이러한 시스템은 지속적으로 작동해야 하고, 최소한의 에너지만 사용하는 동시에 여러 센서에서 실시간으로 캡처된 데이터에서 유용하고 간결한 정보를 추출해야 한다. 메모리 내 이벤트 주도(event-driven) 컴퓨팅 기능 덕분에 하이브리드 멤리스틱(memristive) CMOS(Complementary Metal-Oxide Semiconductor) 뉴로모픽 아키텍처는 이러한 작업에 이상적인 하드웨어 기판을 제공한다.
EU가 자금을 지원하는 MeM-Scales 프로젝트에서 일부 지원을 받는 연구원들은 이러한 시스템의 모든 잠재력을 입증하기 위하여 연구를 시작했다. 이를 위해 그들은 고급 압전 미세 가공 초음파 변환기(PMUT) 센서를 RRAM 기반의 신경학적 계산 지도와 결합하여서, 개별 사건 관련 물체의 위치 파악 시스템을 개발했다. 네이처 커뮤니케이션즈 저널에 발표된 그들의 논문은 제안된 뉴로모픽 접근 방식이 마이크로컨트롤러를 기반으로 하는 기존의 위치인식 시스템과 비교하여 전력 소비를 5배 정도 줄이는 것을 가능하게 하는 방법을 설명하고 있다.
자연에서 영감을 받다
시스템에 대한 영감은 올빼미의 신경 해부학에서 가져왔다. "우리가 제안한 솔루션은 계산 효율성을 개선하기 위해 생물학적으로 영감을 받은 시스템의 개념을 입증하는 첫 번째 단계를 나타낸다. 이는 다른 센서에서 추출한 정보를 결합하여 훨씬 더 정교한 작업을 수행하는 더 복잡한 시스템으로 가는 길을 열어준다. 우리는 생체에서 영감을 받은 시스템을 구상하는 이러한 접근 방식이 정보가 로컬에서 최소한의 리소스로 처리되는 차세대 엣지 AI 장치를 구축하는 데 핵심이 될 것이라고 생각한다. 특히, 우리는 작은 동물과 곤충이 감각 정보 처리와 계산의 효율적인 결합을 위한 훌륭한 영감의 원천이라고 믿는다. 최신 기술 발전 덕분에 혁신적인 센서와 고급 RRAM 기반 계산을 결합하여 초저전력 시스템을 구축할 수 있다”라고 Dr Elisa Vianello는 말한다. 그녀는 MeM-Scales 프로젝트 총괄책임자인 프랑스 대체 에너지 및 원자력 에너지 위원회의 CEA-Leti 전기 및 정보 기술 연구소의 선임과학기술자이다.
연구팀은 RRAM 기반 우연 검출기, 지연선 회로, 완전 맞춤형 초음파 센서로 구성된 시스템을 측정했다. 그들은 시스템 수준 시뮬레이션을 보정하기 위해 실험 결과를 사용했다. 그런 다음 이러한 시뮬레이션을 사용하여 물체 위치 파악 모델의 각도 분해능과 에너지 효율성을 추정했다. 결과는 동일한 작업을 수행하는 마이크로컨트롤러보다 훨씬 더 큰 에너지 효율성을 보여주었다. “목표는 항상 그렇듯이 특정 애플리케이션에 필요한 성능 수준에 대해 최고의 전력 효율성을 얻는 것이다. 우리 시스템을 사용하면 에너지 효율성을 더욱 향상시킬 수 있다”고 Vianello 박사는 말한다.
이 연구는 동적 비전 센서 카메라와 같은 시각 센서와 PMUT 기반 청력 센서를 결합하는 것이 미래의 소비자 로봇을 개발하기 위해 탐구되어야 함을 보여준다. MeM-Scales(뉴로모픽 아키텍처를 위한 다중 스케일 시간 상수가 있는 메모리 기술) 프로젝트는 2023년 6월에 종료된다.
- 기간: 2020.1.1.~2023.6.30.[Horizon 2020]
- 예산: 약 400만 유로 [EU 지원 100%]
- 총괄: COMMISSSARIAT A L ENERGIE ATOMIQUE ET AUX ENERGIES (France)
