뉴로모픽 스파이킹 신경망 (Neuromorphic Spiking Neural Network)

한 줄 정의: 생물학적 뉴런처럼 이산적인 전기 신호(스파이크)의 발생 시점을 이용해 정보를 처리하는 뇌 모방형 신경망 및 이를 구현하는 하드웨어입니다.

쉽게 풀면

일반적인 인공신경망은 연속적인 숫자값을 주고받으며 계산하지만, 스파이킹 신경망은 실제 뇌의 뉴런처럼 신호가 임계값을 넘을 때만 순간적인 전기 펄스(스파이크)를 발생시켜 정보를 주고받습니다. 정보는 스파이크가 발생하는 시점이나 빈도에 담기게 됩니다. 뉴로모픽 하드웨어는 이런 스파이크 기반 동작을 모방하도록 설계된 회로로, 필요할 때만 신호를 처리하기 때문에 평소에는 에너지를 거의 쓰지 않습니다. 사람 뇌가 매우 적은 전력으로 복잡한 일을 처리하는 방식에서 영감을 받은 접근입니다.

왜 중요한가

스파이킹 신경망은 이벤트 기반 처리 방식 덕분에 기존 딥러닝 하드웨어보다 저전력으로 동작할 잠재력이 있어 엣지 디바이스, 센서 처리 등 전력 제약이 큰 응용에서 연구됩니다. 또한 멤리스터, 상변화 메모리 등 다양한 신경모방소자와 결합해 뇌를 닮은 컴퓨팅 아키텍처를 구현하려는 연구가 활발합니다.

논문에서는 이렇게 쓰입니다

"The neuromorphic chip implements a spiking neural network with event-driven computation to minimize power consumption."

뉴로모픽 칩이 전력 소비를 최소화하기 위해 이벤트 기반 연산의 스파이킹 신경망을 구현했다는 내용입니다.

"Spike-timing-dependent plasticity is used as a learning rule for the on-chip synaptic weight update."

칩 내 시냅스 가중치 업데이트를 위한 학습 규칙으로 스파이크 타이밍 의존 가소성을 사용했다는 의미입니다.

조금 더 깊게 보면

스파이킹 뉴런은 흔히 누설적분발화(leaky integrate-and-fire) 모델처럼 입력을 시간에 따라 누적하다가 임계값을 넘으면 스파이크를 발생시키고 초기화되는 방식으로 동작합니다. 학습 규칙으로는 스파이크 발생 시점의 상대적 순서에 따라 시냅스 강도를 조절하는 스파이크 타이밍 의존 가소성(STDP)이 흔히 언급됩니다.

주의할 점

스파이킹 신경망은 기존 딥러닝 프레임워크와 학습 방식이 달라 대규모 학습 알고리즘의 성숙도가 상대적으로 낮으며, 정확도 면에서 기존 신경망과 항상 동등한 것은 아닙니다.