스탠퍼드대, AI 전력 소모 메가와트에서 와트급으로 줄이는 모델 제안

클라우드 데이터센터에서 메가와트 단위 전력을 소모하는 인공지능을 스마트폰 배터리 수준인 몇 와트만으로 구동할 수 있는 새로운 접근법이 제시되었습니다.

스탠퍼드 대학교의 콰베나 보아헨 연구원은 시냅스 대신 수상돌기를 모방하는 덴드로센트릭 신경망 모델을 제안했습니다. 수상돌기는 단일 뉴런이 다른 수많은 세포로부터 신호를 전달받는 나뭇가지 모양의 구조체입니다.

시냅스 모방에서 수상돌기 모방으로

기존 인공 신경망은 대부분 시냅스 연결을 흉내 내는 데 집중해 왔습니다. 반면 보아헨 연구원의 계산 모델은 수상돌기의 동작 원리에 초점을 맞춥니다.

이 모델에서 수상돌기는 뉴런들로부터 신호가 정확한 순서대로 입력될 때만 반응하도록 설계되었습니다. 연결 수와 신호 시퀀스의 길이에 따라 각 수상돌기가 더 높은 진법 체계를 활용해 데이터를 인코딩할 수 있다는 뜻입니다.

하드웨어 구현 가능성도 구체적으로 제시되었습니다. 보아헨 연구원은 5개의 게이트를 갖춘 1.5마이크로미터 길이의 강유전체 전계효과 트랜지스터(FeFET)를 사용하면 5개의 시냅스를 가진 15마이크로미터 길이의 실제 수상돌기를 모방할 수 있다고 설명했습니다.

왜 중요한가

거대 AI 모델의 전력 소모와 데이터센터 확충이 한계에 부딪힌 상황에서 연산 패러다임을 바꿀 단초를 제공했다는 점이 핵심입니다.

스마트폰 배터리 전력으로 신경망을 가동할 수 있다면 클라우드 연결 없이도 고성능 온디바이스 처리가 가능해집니다. 기기 내에서 즉각 연산이 끝나므로 데이터 유출 걱정이나 서버 비용 부담도 덜어낼 수 있습니다.

물리 소자의 특성을 활용해 생체 수상돌기의 시퀀스 처리 방식을 축소 구현한 점은 매우 영리합니다. 다만 현재의 AI 산업 생태계는 표준 행렬 연산 기반의 GPU에 완전히 맞춰져 있습니다. 순차적 신호 처리에 기반한 새로운 반도체와 알고리즘 프레임워크를 상용화하기까지는 넘어야 할 기술적 장벽이 여전히 높지만, 저전력 두뇌 모방 칩이 나아가야 할 방향을 명확히 보여줍니다.