"저전력 뉴로모픽 AI용 '스파이킹 신경망' 새 학습기법 개발"

AI 요약

한국과학기술연구원(KIST) 반도체기술연구단 박성식 박사팀은 스파이킹 신경망(SNN)의 학습 성능을 높이는 새로운 학습 기법 A²SG를 개발해 대규모 이미지 인식 평가(ImageNet)에서 계산 부담과 전력 소모를 줄이면서도 세계 최고 수준의 정확도를 달성했다고 24일 밝혔습니다. 연구팀은 A²SG가 학습 상황에 따라 조정하는 '적응형' 방식과 뇌 신경세포의 특성을 반영한 '비대칭형' 방식을 결합했으며, 트랜스포머 기반 대형 SNN에 적용했을 때 구글의 대표 학습 기법보다 추가 연산 부담을 6분의 1 수준으로 줄였다고 설명했습니다. A²SG는 하드웨어 변경 없이 소프트웨어만으로 적용할 수 있어 스마트폰·웨어러블·드론의 온디바이스 AI와 스마트 센서 등 저전력이 필요한 분야에 활용될 수 있으며, 연구 결과는 ICML 2026에서 발표됐고 국제머신러닝학회 논문집(PMLR)에 게재될 예정입니다.