컴퓨팅을 혁신할 실험실 실수

인공지능(AI)은 막대한 양의 에너지를 소비합니다. 수천 개의 GPU가 각각 최대 1000와트를 소비하는 데이터 센터에서 운영되기 때문입니다. 반면 최신 스마트폰은 1와트 미만을 사용합니다. 이러한 비효율성은 GPU가 수십억 개의 트랜지스터로 인공 신경망을 시뮬레이션해야 하며, 데이터 이동에 많은 에너지가 필요하기 때문에 발생합니다.

인간의 뇌는 AI가 수행하는 많은 작업에서 약 100만 배 더 에너지 효율적입니다. 이러한 효율성에 접근하기 위해 뉴로모픽 공학은 뇌의 뉴런과 시냅스처럼 작동하는 전자 부품을 구축하는 급진적인 방식을 추구합니다. 이전 시도들은 신뢰성이나 확장성 문제로 어려움을 겪었습니다.

연구팀은 우연히 일반 CMOS 트랜지스터가 인공 뉴런과 시냅스 역할을 할 수 있다는 것을 발견했습니다. 이 발견은 AI 하드웨어 구축 방식을 근본적으로 바꿀 수 있습니다. 이 트랜지스터는 숨겨진 바이폴라 접합 트랜지스터 효과를 활용하여 생물학적 뉴런과 유사한 비선형 스위칭 동작을 보입니다.

기존 디지털 회로가 선형적인 전류-전압 특성을 보이는 반면, 이 트랜지스터는 히스테리시스와 뉴런의 발화율을 닮은 임계값을 나타냅니다. 이를 통해 복잡한 시뮬레이션 없이 신경 활동을 직접 모방할 수 있습니다.

연구진은 이 발견이 오늘날 에너지의 극히 일부만 사용하는 초고효율 AI 칩으로 이어질 수 있다고 믿습니다. 그러나 이 기술이 대규모로 사용되기 전에 추가 테스트와 최적화가 필요합니다.