뉴로모픽 엔진 구동 굴림 로봇, 전력 소모 99.75% 절감

아날로그 컴퓨팅 부활: 생물학적 뉴런처럼 처리·저장 통합한 초저전력 자율 컨트롤러

정보를 같은 위치에서 처리하고 저장하는 하드웨어로 아날로그 컴퓨팅이 컴백하고 있습니다. 이는 생물학적 뉴런과 유사합니다. 미시건 대학교에서 시연된 더 작고 가볍고 에너지 효율적인 컴퓨터는 자율 드론과 로버의 무게와 전력을 절약하는 데 도움을 줄 수 있으며, 더 광범위하게 자율주행차에도 함의를 가집니다.

페이스메이커 수준의 초저전력 달성

Science Advances에 게재된 연구에 따르면 자율 컨트롤러는 보고된 것 중 가장 낮은 전력 요구사항을 가집니다. 단 12.5마이크로와트에서 작동합니다. 이는 페이스메이커 수준입니다. 테스트에서 컨트롤러를 사용한 굴림 로봇은 목표물을 지그재그로 쫓아가는 복도에서 기존 디지털 컨트롤러와 같은 속도와 정확도로 추적할 수 있었습니다. 두 번째 시험에서 자동으로 재위치하는 레버 암이 있는 경우에도 새 컨트롤러는 똑같이 잘 수행했습니다.

"이 작업은 신경망 아키텍처로 효율적으로 연산할 수 있는 하드웨어 플랫폼을 위해 설계된 획기적인 나노전자 소자를 소개합니다."라고 미시건 대학교 기계공학 교수이자 연구 교신저자인 샤오간 리앙(Xiaogan Liang)은 말했습니다.

드론·우주 로버·자율주행차에의 함의

높은 효율성과 소형화는 무게와 에너지가 프리미엄인 드론과 우주 로버 같은 애플리케이션에 특히 중요합니다. 그러나 기존 자율주행차도 이 기술의 혜택을 받을 수 있습니다. 이전 연구에 따르면 연간 10억 시간의 자율주행차 주행 시간은 전 세계 데이터 센터 전체를 합친 것보다 더 많은 전력을 소비할 수 있습니다.

메모리스터: 게임 체인저 소자

디지털의 낮은 전력 소비와 높은 정밀도로 인해 거의 포기되었던 아날로그 컴퓨팅은 비교적 새로운 회로 소자로 게임을 바꾸고 있습니다. 1971년 제안되고 2008년 처음 시연된 메모리스터(memristor)는 전기 저항에 정보를 저장합니다. 전압에 노출되면 다음 신호에 부과할 저항량을 줄입니다. 일부 메모리스터는 시간이 지나면서 이전 신호를 잊고 원래 저항으로 돌아가는데, 이는 뉴런의 이완과 유사한 행동입니다. 이것이 리앙 팀이 구축한 유형입니다.

이미 신경망처럼 작동하기 때문에 메모리스터 네트워크는 기존 트랜지스터 기반 컴퓨터보다 훨씬 더 효율적으로 인공 신경망으로 기능할 수 있습니다. 또한 아날로그인 센서와 액추에이터의 경우, 처리를 아날로그로 유지하면 아날로그와 디지털 간 신호 변환의 에너지 비용을 절약할 수 있습니다.

나노제작 공정과 테스트 결과

팀은 미시건 대학교 루리 나노제작 시설에서 금 팁 암(직경 약 30미크론)을 실리콘 칩에 문질러 메모리스터 회로를 구축했습니다. 마치 풍선을 머리카락에 문질러 정전기로 벽에 붙게 하는 것과 같습니다. 전기 전하가 기화된 비스무트 셀레나이드를 약 15나노미터 두께의 8개 십자형 선을 따라 축적시켰습니다. 이는 틱택토 보드와 유사하게 배열되었습니다. 그런 다음 각 선 끝에는 티타늄과 금 전극을 도금했습니다.

한 전극을 통해 신호를 주입하고 칩 반대편 5개 전극에서 읽어냈습니다. 각 전극은 뉴런을 나타냅니다. 연구에서 굴림 로봇의 카메라 데이터는 실리콘 프로세서에서 아날로그 신호로 변환된 후 메모리스터 네트워크를 통해 실행되었습니다. 마찬가지로 레버 암의 경우 암 위치 데이터가 실리콘 프로세서를 통해 메모리스터 네트워크로 들어가 부착된 드론 로터를 들어 올려 암을 올바른 위치로 올리기 위한 명령의 기초를 생성했습니다.

"우리의 장치 같은 것들은 로봇이 인간처럼 직관적 행동을 갖게 할 수 있습니다. 매우 뜨거운 물을 만지고 손을 잡아당기는 방식처럼요. 제어 반응은 덜 정확할 수 있지만 매우 빠를 수 있습니다."라고 기계공학 박사 졸업생 밍제 첸(Mingze Chen)은 말했습니다.

"에지 컴퓨팅은 정보가 처리를 위해 데이터 센터로 이동할 필요가 없다는 것을 의미합니다. 우리 손과 팔의 신경과 근육이 뇌에 정보를 보내지 않고 반응할 수 있는 것처럼요. 에지 컴퓨팅은 데이터 전송에 시간과 에너지를 쓰지 않기 때문에 더 빠르고 전력 소비가 낮을 수 있습니다."

출처

트랜스크립트

이 비디오에 대한 트랜스크립트는 없습니다.