-
스스로 그림 그리는 인공지능 반도체 칩 개발
전기및전자공학부 유회준 교수 연구팀이 생성적 적대 신경망(GAN: Generative Adversarial Network)을 저전력, 효율적으로 처리하는 인공지능(AI: Artificial Intelligent) 반도체를 개발했다.
연구팀이 개발한 인공지능 반도체는 다중-심층 신경망을 처리할 수 있고 이를 저전력의 모바일 기기에서도 학습할 수 있다. 연구팀은 이번 반도체 칩 개발을 통해 이미지 합성, 스타일 변환, 손상 이미지 복원 등의 생성형 인공지능 기술을 모바일 기기에서 구현하는 데 성공했다.
강상훈 박사과정이 1 저자로 참여한 이번 연구결과는 지난 2월 17일 3천여 명 반도체 연구자들이 미국 샌프란시스코에 모여 개최한 국제고체회로설계학회(ISSCC)에서 발표됐다. (논문명 : GANPU: A 135TFLOPS/W Multi-DNN Training Processor for GANs with Speculative Dual-Sparsity Exploitation)
기존에 많이 연구된 인공지능 기술인 분류형 모델(Discriminative Model)은 주어진 질문에 답을 하도록 학습된 인공지능 모델로 물체 인식 및 추적, 음성인식, 얼굴인식 등에 활용된다.
이와 달리 생성적 적대 신경망(GAN)은 새로운 이미지를 생성·재생성할 수 있어 이미지 스타일 변환, 영상 합성, 손상된 이미지 복원 등 광범위한 분야에 활용된다. 또한, 모바일 기기의 다양한 응용 프로그램(영상·이미지 내 사용자의 얼굴 합성)에도 사용돼 학계뿐만 아니라 산업계에서도 주목을 받고 있다.
그러나 생성적 적대 신경망은 기존의 딥러닝 네트워크와는 달리 여러 개의 심층 신경망으로 이루어진 구조로, 개별 심층 신경망마다 다른 요구 조건으로 최적화된 가속을 하는 것이 어렵다.
또한, 고해상도 이미지를 생성하기 위해 기존 심층 신경망 모델보다 수십 배 많은 연산량을 요구한다. 즉, 적대적 생성 신경망은 연산 능력이 제한적이고 사용되는 메모리가 작은 모바일 장치(스마트폰, 태블릿 등)에서는 소프트웨어만으로 구현할 수 없었다.
최근 모바일 기기에서 인공지능을 구현하기 위해 다양한 가속기 개발이 이뤄지고 있지만, 기존 연구들은 추론 단계만 지원하거나 단일-심층 신경망 학습에 한정돼 있다.
연구팀은 단일-심층 신경망뿐만 아니라 생성적 적대 신경망과 같은 다중-심층 신경망을 처리할 수 있으면서 모바일에서 학습도 가능한 인공지능 반도체 GANPU(Generative Adversarial Networks Processing Unit)를 개발해 모바일 장치의 인공지능 활용범위를 넓혔다.
연구팀이 개발한 인공지능 반도체는 서버로 데이터를 보내지 않고 모바일 장치 내에서 생성적 적대 신경망(GAN)을 스스로 학습할 수 있어 사생활을 보호를 가능케 하는 프로세서라는 점에서 그 활용도가 기대된다.
모바일 기기에서 저전력으로 다중-심층 신경망을 가속하기 위해서 다양한 핵심 기술이 필요하다. 연구팀이 개발한 GANPU에 사용된 핵심 기술 중 대표적인 기술 3가지는 ▲적응형 워크로드 할당(ASTM, 처리해야 할 워크로드*를 파악해 칩 상의 다중-심층 신경망의 연산 및 메모리 특성에 맞춰 시간·공간으로 나누어 할당함으로써 효율적으로 가속하는 방법) ▲입출력 희소성 활용 극대화(IOAS, 인공신경망 입력 데이터에서 나타나는 0뿐만 아니라 출력의 0도 예측해 연산에서 제외함으로써 추론 및 학습 과정에서의 속도와 에너지효율 극대화) ▲지수부만을 사용한 0 패턴 추측(EORS, 인공신경망 출력의 0을 예측하기 위한 알고리즘으로 인공신경망 입력과 연결 강도(weight)의 부동소수점 데이터 중 지수 부분만을 사용해 연산을 간단히 수행하는 방법)이다.
위의 기술을 사용함으로써 연구팀의 GANPU는 기존 최고 성능을 보이던 심층 신경망 학습 반도체 대비 4.8배 증가한 에너지효율을 달성했다.
연구팀은 GANPU의 활용 예시로 태블릿 카메라로 찍은 사진을 사용자가 직접 수정할 수 있는 응용 기술을 시연했다. 사진상의 얼굴에서 머리·안경·눈썹 등 17가지 특징에 대해 추가·삭제 및 수정사항을 입력하면 GANPU가 실시간으로 이를 자동으로 완성해 보여 주는 얼굴 수정 시스템을 개발했다.
2020.04.06
조회수 18816
-
김지한 교수, 인공지능 이용한 다공성 물질 역설계 기술 개발
〈 김지한 교수 연구팀 〉
우리 대학 생명화학공학과 김지한 교수 연구팀이 인공지능을 활용해 원하는 물성의 다공성 물질을 역설계하는 방법을 개발했다.
김백준, 이상원 박사과정이 공동 1 저자로 참여한 이번 연구결과는 국제 학술지 ‘사이언스 어드밴시스(Science Advances)’ 1월 3일 자 온라인판에 게재됐다. (논문명 : Inverse Design of Porous Materials Using Artificial Neural Networks)
다공성 물질은 넓은 표면적과 풍부한 내부 공극(孔劇)을 가지고 있어 촉매, 기체 저장 및 분리, 센서, 약물 전달 등 다양한 분야에서 활용되고 있다.
기존에는 이러한 다공성 물질을 개발하기 위해 반복적인 실험을 통한 시행착오를 거치면서 시간과 비용이 많이 소모됐다. 이러한 낭비를 줄이기 위해 가상 구조를 스크리닝해 다공성 물질 개발을 가속화 하려는 시도들이 있었지만, 데이터베이스에 존재하지 않는 새로운 구조를 발견하지 못한다는 문제가 있었다.
최근에는 인공지능 기반의 역설계로 원하는 물성을 가진 물질을 개발하는 연구가 주목받고 있지만, 지금까지의 연구들은 단순한 소형 분자들 위주로 적용되고 있으며 복잡한 다공성 물질을 설계하는 연구는 보고되지 않았다.
김지한 교수 연구팀은 인공지능 기술과 분자 시뮬레이션 기술을 활용해 다공성 물질의 한 종류인 제올라이트 구조를 설계하는 방법을 개발했다.
연구팀은 인공지능 생성모델인 적대적 생성 신경망(GAN, Generative Adversarial Network)과 기존 분자 시뮬레이션에서 활용되는 3차원 그리드 데이터를 활용해 복잡한 다공성 물질의 특성을 인공지능이 학습하고 생성할 수 있도록 구조를 개발했다.
개발된 인공신경망 생성모델은 3차원 그리드로 이루어진 구조 정보와 흡착 물성 데이터를 같이 학습하게 되며, 학습 과정 안에서 흡착 물성을 빠르게 계산할 수 있다. 이를 통해 에너지 저장 소재의 특성을 효율적으로 학습할 수 있음을 증명했다.
또한, 연구팀은 인공지능 학습 과정에서 기존의 알려진 제올라이트 구조 중 일부를 제외해 학습시켰고, 그 결과 인공지능이 학습하지 않았던 구조들도 생성할 수 있음을 확인했다.
김지한 교수는“인공지능을 이용해 다공성 물질을 설계한 최초의 사례이다”라며 “기체 흡착 용도에 국한된 것이 아니라 다른 물성에도 쉽게 적용할 수 있어 촉매, 분리, 센서 등 다른 분야의 물질 개발에도 활용될 것으로 기대한다”라고 말했다.
이번 연구는 BK21, 한국연구재단 중견 연구자 지원 사업 그리고 에너지 클라우드 사업단의 지원을 받아 수행됐다.
□ 그림 설명
그림 1. 인공지능 기반 다공성 물질(제올라이트) 생성 개요도
2020.01.07
조회수 15502
-
정유성 교수, 인공지능을 통한 소재 역설계 기술 개발
〈 정유성 교수, 노주환 박사과정〉
우리 대학 EEWS대학원/생명화학공학과 정유성 교수 연구팀이 인공지능을 활용해 원하는 물성을 갖는 신소재를 역설계하는 기술을 개발했다.
연구팀은 알고리즘을 통해 수만 개의 물질을 학습시킨 뒤 인공지능을 통해 원하는 물성을 갖는 소재를 역설계하는 방식으로 4종의 신물질을 발견했다. 향후 신소재 개발에 크게 이바지할 수 있을 것으로 기대된다.
노주환 박사과정이 1저자로 참여한 이번 연구 결과는 ‘셀 (Cell)’ 자매지 ‘매터(Matter)’ 10월 2일 자 온라인판에 출판됐다. (논문명 : Inverse Design of Solid State Materials via a Continuous Representation)
소재 연구의 궁극적인 목표는 원하는 물성을 갖는 신소재를 개발하는 것이다. 하지만 현재까지의 신소재 개발은 화학적 직관과 실험적 시행착오를 통한 방법 위주였기 때문에 개발 비용과 시간이 많이 들어 소재 개념화에서부터 상용화에 걸리는 시간이 평균 30년 정도 소요됐다.
기존의 소재 개발 과정은 소재를 시행착오를 통해 합성하고 난 후 물성을 측정해 만들어진 소재가 응용 목적에 맞는 소재인지를 평가하는 방식으로 개발됐다.
정 교수 연구팀은 인공지능 기술과 슈퍼컴퓨터 활용을 융합해 이러한 소재 개발을 기간을 크게 단축할 수 있는 새로운 소재 역설계 방법을 개발했다. 정 교수팀이 개발한 소재 역설계 방법은 기계(알고리즘)로 기존의 수만 개 물질과 그 물질들이 갖는 물성을 학습하게 한 후, 원하는 물성을 갖는 물질을 인공지능 기반 알고리즘이 역으로 생성하는 방식이다.
연구팀이 개발한 소재 역설계 방법은 기존의 컴퓨터 스크리닝을 통해 소재 설계를 가속화 하는 연구와도 차별성이 있다. 스크리닝 기반의 소재 발견 기술은 발견될 물질이 스크리닝 대상이 되는 물질 데이터베이스를 벗어날 수 없다는 한계를 가지고 있다. 따라서 데이터베이스에 존재하지 않는 새로운 형태의 소재를 발견하지 못한다는 단점이 있다.
연구팀이 개발한 신소재 역발견 모델은 인공지능 모델의 한 종류인 생성모델을 이용한 것으로, 생성모델은 이미지 및 음성 처리에 활발하게 활용되고 있는 기술이다. 예를 들어 수천 명의 얼굴들을 기계로 학습하게 해 새로운 사람의 얼굴을 생성해 내는 인공지능 기법이다.
연구팀은 이미지 생성에 주로 쓰이는 생성모델 기반의 인공지능 기법을 알려지지 않은 무기 고체 소재를 생성하는 데 최초로 적용했다. 특히 기존의 생성모델을 고체 소재에 적용하기 위해 역변환이 가능한 3차원 이미지 기반의 표현자를 도입함으로써 현재까지의 소재 역설계 모델의 한계를 극복했고, 이를 iMatGen(image-based Materials Generator) 이라 이름 지었다.
연구팀은 개발된 소재 역설계 기법을 새로운 바나듐 산화물 결정구조를 예측하는데 적용했다. 이 학습 과정에서 기존에 알려진 물질을 제외해 학습하더라도 제외된 물질들을 역으로 재발견할 수 있음을 확인해 개발 모델의 타당성을 검증했다.
최종적으로 개발된 모델을 통해 학습된 연속 잠재공간을 다양한 방법으로 샘플링하고 역변환 함으로써 기존에 존재하지 않는 전혀 새로운 바나듐 산화물 결정구조를 예측할 수 있었다.
정유성 교수는 “이번 연구는 원하는 물성을 갖는 무기 고체 소재를 역으로 설계하는 방법을 데이터 기반 기계학습으로 최초로 보인 예로, 향후 다양한 응용 분야의 신소재 개발에 도움을 줄 수 있을 것으로 기대한다”라고 말했다.
이번 연구 성과는 한국연구재단, 산업통상자원부 산하 에너지기술평가원, 그리고 KISTI의 지원을 통해 수행됐다.
□ 그림 설명
그림1. 개발된 소재 역설계 모델
2019.10.07
조회수 11851
-
김지한 교수, 컴퓨터 설계 기반 다공성 복합재료 합성
〈 김지한 교수 연구팀 〉
우리 대학 생명화학공학과 김지한 교수와 UNIST 화학과 문회리 교수 공동연구팀이 컴퓨터 설계를 기반으로 한 이론적 디자인을 통해 새로운 다공성 복합재료를 합성하는 데 성공했다.
이러한 복합물질은 각각의 특성을 동시에 가지면서 융합된 새로운 성질을 나타낼 수 있어 촉매, 기체 저장 및 분리, 센서, 약물 전달 등 다양한 분야에 응용할 수 있을 것으로 기대된다.
권오민 박사과정과 UNIST 김진영 박사가 공동 1 저자로 참여한 이번 연구결과는 국제 학술지 ‘네이처 커뮤니케이션즈(Nature communications)’ 8월 9일 자 온라인판에 게재됐다. (논문명 : Computer-aided discovery of connected metal-organic frameworks)
이번 연구에 사용한 금속 유기 구조체(Metal-Organic Framework, MOF)는 다양한 금속 이온 집합체와 유기 리간드로 구성된 화합물의 일종으로 나노 수준의 기공을 갖는 결정성 물질이다.
금속 유기 구조체는 각 구성요소의 다양성 덕분에 지난 20년간 8만여 개 이상의 구조들이 실험으로 합성됐다. 금속 유기 구조체는 표면적이 매우 넓고 기공의 물리-화학적 특성을 세밀하게 조절할 수 있어 기존의 제올라이트를 대체할 수 있는 차세대 다공성 물질이기도 하다.
최근 금속 유기 구조체를 다른 소재와 혼합해 기능을 다양화하거나, 한가지 물질의 단점을 다른 물질의 장점으로 보완함으로써 성능을 최적화하는 연구가 진행되고 있다.
그러나 기존의 합성된 금속 유기 구조체 복합재료들은 두 물질의 경계면에서 서로 어떻게 결합하는지에 대한 정확한 정보가 없고 그 형태가 무질서해 어떻게 만들어지는지에 대한 이해가 부족했다.
8만여 개의 금속 유기 구조체 중 표면에서 서로 결합할 수 있는 조합을 일일이 눈으로 찾아내는 것은 매우 시간이 오래 걸리기 때문에, 화학자의 직관만으로 새로운 이종 금속 유기 구조체 간 단결정 복합재료를 합성하기 위해서는 수많은 시행착오를 겪어야 했다.
따라서 8만여 개 이상의 금속 유기 구조체를 사용해 복합물질을 형성할 수 있는 경우의 수가 상당히 많음에도 불구하고 지금까지 합성된 복합재료의 수는 극히 일부로 제한됐다.
문제해결을 위해 공동연구팀은 미시적인 분자구조 정보를 활용해 먼저 합성 가능성이 큰 구조들을 선별한 뒤, 이를 실험적으로 합성함으로써 실제 새로운 복합물질을 개발하고 합성하는 시간을 획기적으로 단축했다.
김지한 교수가 이끈 시뮬레이션팀은 직접 개발한 컴퓨터 알고리즘을 활용해 기존에 발표된 8만여 개의 데이터로부터 특정 구조체의 결정면과 상호 연결될 수 있는 결정면을 가진 다양한 금속 유기 구조체 쌍들을 얻는 데 성공했다.
또한, 양자역학 시뮬레이션을 통해 두 금속 유기 구조체가 연결된 경계면이 가질 수 있는 안정적인 구조를 예측해냈다.
문회리 교수의 연구팀은 시뮬레이션 결과를 바탕으로 6종류의 새로운 금속 유기 구조체 복합재료를 성공적으로 합성함으로써 시뮬레이션으로 예측된 내용이 실험적으로 합성될 수 있음을 증명했다.
또한, 금속 유기 구조체 결정면 위에 다른 구조체가 하나의 구조로 자라나는 원리를 규명했고, 두 물질의 기공이 서로 연결돼 내부까지 분자가 자유롭게 이동할 수 있음을 확인했다.
이번 연구에서 성공한 서로 다른 두 금속 유기 구조체 간 경계면을 분자 수준에서 깨끗하게 하나의 구조로 연결하는 다공성 복합재료는 지금껏 없던 새로운 개념의 물질이다.
문회리 교수는 "실험과 컴퓨터 시뮬레이션의 협력 연구를 통해 그간 합성이 어려웠던 다기능 다공성 복합재료를 설계하고 합성할 수 있음을 보여줬다. 기존 신약개발에서 활용되던 연구 방식이 거대시스템인 다공성 재료에까지 확대된 성공적 사례이다”라고 말했다.
김지한 교수는“세계 최초로 나노 다공성 복합물질을 이론적으로 디자인해 합성까지 성공한 첫 사례라는 사실에 의미가 있다”라며 “새로운 복합재료 개발을 위해 필요한 시간과 비용을 획기적으로 줄일 수 있고, 적용 분야를 MOF-나노입자, MOF-제올라이트, MOF-고분자 복합재료로 쉽게 확장할 수 있다”라고 말했다.
이 연구 결과는 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 합성에 성공한 MOF 구조
2019.08.26
조회수 17899
-
이병주 교수, 게임의 랙 현상 해소 기술 개발
〈 이병주 교수, 이인정 박사과정 〉
우리 대학 문화기술대학원 이병주 교수와 핀란드 알토 대학교(Aalto Univ) 공동 연구팀이 게임의 겉보기 형태를 변화시켜 게임 내 레이턴시 효과, 일명 랙(lag)을 없앨 수 있는 기술을 개발했다.
이인정 박사과정이 1 저자로 참여하고 알토대학교 김선준 연구원이 공동으로 개발한 이번 연구는 지난 5월 4일 열린 인간-컴퓨터 상호작용 분야 최고권위 국제 학술대회 CHI 2019(The ACM CHI Conference on Human Factors in Computing Systems)에서 풀 페이퍼로 발표됐다. (논문명 : Geometrically Compensating Effects of End-to-End Latency in Moving-Target Selection Games)
레이턴시는 장치, 네트워크, 프로세싱 등 다양한 이유로 인해 발생하는 지연(delay) 현상을 말한다. 사용자가 명령을 입력했을 때부터 출력 결과가 모니터 화면에 나타날 때까지 걸리는 지연을 엔드-투-엔드 레이턴시(end-to-end latency)라 한다.
상호작용의 실시간성이 중요한 요소인 게임 환경에서는 이러한 현상이 플레이어의 능력에 부정적 영향을 미치는 것으로 알려져 있다.
연구팀은 레이턴시가 있는 게임 환경에서도 플레이어의 본래 실력으로 게임을 할 수 있도록 돕는 레이턴시 보정 기술을 개발했다. 이 기술은 레이턴시의 양에 따라 게임의 디자인 요소, 즉 장애물의 크기 등의 형태를 변화시킴으로써, 레이턴시가 있음에도 레이턴시가 없는 것처럼 느껴지는 환경에서 플레이할 수 있다.
연구팀은 레이턴시가 플레이어에 미치는 영향을 분석해 플레이어의 행동을 예측하는 수학적 모델을 제시했다. 시간제한이 있는 상황에서 게임 플레이를 위해 버튼 입력을 해야 하는 ‘움직이는 타겟 선택’ 과업에 레이턴시가 있을 때 사용자의 성공률을 예측할 수 있는 인지 모델이다.
이후에는 이 모델을 활용해 게임 환경에 레이턴시가 발생할 경우의 플레이어 과업 성공률을 예측한다. 이를 통해 레이턴시가 없는 환경에서의 플레이어 성공률과 비슷한 수준으로 만들기 위해 게임의 디자인 요소를 변형한다.
연구팀은 ‘플래피 버드(Flappy Bird)’라는 게임에서 기둥의 높이를 변형해 레이턴시가 추가됐음에도 기존 환경에서의 플레이 실력을 유지함을 확인했다. 연구팀은 후속 연구를 통해 게임 속 장애물 등의 크기를 변형함으로써 레이턴시를 없애는 등의 확장 연구를 기대하고 있다.
이 교수는 “이번 기술은 비 간섭적 레이턴시의 보정 기술로, 레이턴시의 양만큼 게임 시계를 되돌려 보상하는 기존의 랙 보상 방법과는 다르게 플레이어의 게임 흐름을 방해하지 않는 장점이 있다”라고 말했다.
이번 연구는 한국연구재단 신진연구자지원사업(프로게이머 역량 극대화를 위한 게임 입력장치의 설계 최적화) 및 KAIST 자체 연구사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 게임의 겉보기 형태를 변화시킴으로써, 플레이어가 제로 레이턴시 환경과 레이턴시가 있는 환경에서 같은 실력을 유지
2019.07.02
조회수 19417
-
예종철 교수, 인공지능 블랙박스의 원리 밝혀
〈 예종철 교수, 한요섭 연구원, 차은주 연구원 〉
우리 대학 바이오및뇌공학과 예종철 석좌교수 연구팀이 인공지능의 기하학적인 구조를 규명하고 이를 통해 의료영상 및 정밀분야에 활용 가능한 고성능 인공신경망 제작의 수학적인 원리를 밝혔다.
연구팀의 ‘심층 합성곱 프레임렛(Deep Convolutional Framelets)’이라는 새로운 조화분석학적 기술은 인공지능의 블랙박스로 알려진 심층 신경망의 수학적 원리를 밝혀 기존 심층 신경망 구조의 단점을 보완하고 이를 다양하게 응용 가능할 것으로 기대된다.
예종철 석좌교수가 주도하고 한요섭, 차은주 박사과정이 참여한 이번 연구는 응용수학 분야 국제 학술지 ‘사이암 저널 온 이매징 사이언스(SIAM Journal on Imaging Sciences)’ 4월 26일자 온라인 판에 게재됐다.
심층신경망은 최근 폭발적으로 성장하는 인공지능의 핵심을 이루는 딥 러닝의 대표적인 구현 방법이다. 이를 이용한 영상, 음성 인식 및 영상처리 기법, 바둑, 체스 등은 이미 사람의 능력을 뛰어넘고 있으며 현재 4차 산업혁명의 핵심기술로 알려져 있다.
그러나 이러한 심층신경망은 그 뛰어난 성능에도 불구하고 정확한 동작원리가 밝혀지지 않아 예상하지 못한 결과가 나오거나 오류가 발생하는 문제가 있다. 이로 인해 ‘설명 가능한 인공지능(explainable AI: XAI)’에 대한 사회적, 기술적 요구가 커지고 있다.
연구팀은 심층신경망의 구조가 얻어지는 고차원 공간에서의 기하학적 구조를 찾기 위해 노력했다. 그 결과 기존의 신호처리 분야에서 집중 연구된 고차원 구조인 행켈구조 행렬(Hankel matrix)을 기저함수로 분해하는 과정에서 심층신경망 구조가 나오는 것을 발견했다.
행켈 행렬이 분해되는 과정에서 기저함수는 국지기저함수(local basis)와 광역기저함수(non-local basis)로 나눠진다. 연구팀은 광역기저함수와 국지기저함수가 각각 인공지능의 풀링(pooling)과 필터링(filtering) 역할을 한다는 것을 밝혔다.
기존에는 인공지능을 구현하기 위한 심층신경망을 구성할 때 구체적인 작동 원리를 모른 채 실험적으로 구현했다면, 연구팀은 신호를 효과적으로 나타내는 고차원 공간인 행켈 행렬를 찾고 이를 분리하는 방식을 통해 필터링, 풀링 구조를 얻는 이론적인 구조를 제시한 것이다.
이러한 성질을 이용하면 입력신호의 복잡성에 따라 기저함수의 개수와 심층신경망의 깊이를 정해 원하는 심층신경망의 구조를 제시할 수 있다.
연구팀은 수학적 원리를 통해 제안된 인공신경망 구조를 영상잡음제거, 영상 화소복원 및 의료영상 복원 문제에 적용했고 매우 우수한 성능을 보임을 확인했다.
예종철 교수는 “시행착오를 반복해 설계하는 기존의 심층신경망과는 달리 원하는 응용에 따라 최적화된 심층신경망구조를 수학적 원리로 디자인하고 그 영향을 예측할 수 있다”며 “이 결과를 통해 의료 영상 등 설명 가능한 인공지능이 필요한 다양한 분야에 응용될 수 있다”고 말했다.
이번 연구는 과학기술정보통신부의 중견연구자지원사업(도약연구) 및 뇌과학원천기술사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 수학적인 원리를 이용한 심층신경망의 설계 예시
그림2. 영상잡음제거 결과
그림3. 영상에서 80% 화소가 사라진 경우 인공신경망을 통해 복원한 결과
2018.05.10
조회수 20276
-
유회준 교수, 딥러닝용 AI 반도체 개발
우리대학 전기및전자공학부 유회준 교수 연구팀이 스타트업 '유엑스 팩토리'와 함께 가변 인공신경망 기술을 적용해 딥러닝을 효율적으로 처리하는 AI 반도체를 개발했다. 딥러닝이란 컴퓨터가 마치 사람처럼 스스로 학습할 수 있도록 인공신경망을 기반으로 구축한 '기계 학습' 기술이다.
유 교수 연구팀이 개발한 새로운 칩은 반도체 안에서 인공신경망의 무게 정밀도를 조절함으로써 에너지 효율과 정확도를 조절한다. 1비트부터 16비트까지 소프트웨어로 간편하게 조절하면서 상황에 맞춰 최적화된 동작을 얻어낸다. 하나의 칩이지만 '콘볼루션 신경망'(CNN)과 '재귀 신경망'(RNN)을 동시에 처리할 수 있다. CNN은 이미지를 분류나 탐지하는 데 쓰이며, RNN은 주로 시간의 흐름에 따라 변화하는 영상과 음성 등 데이터 학습에 적합하다. 또 통합 신경망 프로세서(UNPU)를 통해 인식 대상에 따라 에너지효율과 정확도를 다르게 설정하는 것도 가능하다.
모바일에서 AI 기술을 구현하려면 고속 연산을 '저전력'으로 처리해야 한다. 그렇지 않으면 한꺼번에 많은 정보를 처리하면서 발생하는 발열로 인해 배터리 폭발 등의 사고가 일어날 수 있기 때문이다. 연구팀에 따르면 이번 칩은 세계 최고 수준 모바일용 AI 칩 대비 CNN과 RNN 연산 성능이 각각 1.15배, 13.8배이 달한다. 에너지효율도 40% 높은 것으로 나타났다.
스마트폰 카메라를 통해 사람의 얼굴 표정을 인식해 행복, 슬픔, 놀람, 공포, 무표정 등 7가지의 감정을 자동으로 인식하는 감정인식 시스템도 개발됐다. 이 시스템은 감정 상태를 스마트폰 상에 실시간으로 표시한다. 유 교수 연구팀의 이번 연구는 지난 13일 미국 샌프란시스코에서 열린 국제고체회로설계학회(ISSCC)에서 발표됐다.
유회준 교수는 "기술 상용화에는 1년 정도 더 걸릴 전망"이라며 " 모바일에서 AI를 구현하기 위해 저전력으로 가속하는 반도체를 개발했으며, 향후 물체인식, 감정인식, 동작인식, 자동 번역 등 다양하게 응용될 것으로 기대된다"고 설명했다.
2018.02.26
조회수 16187
-
유회준 교수, 인공지능 얼굴인식 시스템 K-EYE 개발
우리 대학 전기및전자공학과 유회준 교수 연구팀이 딥러닝 알고리즘을 세계 최소 전력으로 구현하는 인공지능 반도체 칩 CNNP를 개발했다. 그리고 이를 내장한 얼굴인식 시스템 K-Eye 시리즈를 개발했다.
연구팀이 개발한 K-Eye 시리즈는 웨어러블 디바이스와 동글 타입 2가지로 구성된다. 웨어러블 타입인 K-Eye는 블루투스로 스마트폰과 연동 가능하다.
봉경렬 박사과정이 주도하고 ㈜유엑스팩토리(대표 박준영)과 공동으로 개발한 이번 연구는 지난 2월 미국에서 열린 국제고체회로설계학회(ISSCC)에서 세계 최저전력 CNN칩으로 발표돼 주목을 받았다.
최근 글로벌 IT 기업들이 알파고를 비롯한 인공지능 관련 기술들을 경쟁적으로 발표하고 있다. 그러나 대부분은 소프트웨어 기술이라 속도가 느리고 모바일 환경에서는 구현이 어렵다는 한계가 있다.
따라서 이를 고속 및 저전력으로 구동하기 위해 인공지능 반도체 칩 개발이 필수적이다.
연구팀의 K-Eye 시리즈는 1mW 내외의 적은 전력만으로도 항상 얼굴 인식을 수행하는 상태를 유지하면서 사람의 얼굴을 먼저 알아보고 반응할 수 있다는 특징을 갖는다.
K-Eye의 핵심 기술인 얼웨이즈 온(Always-On) 이미지 센서와 CNNP라는 얼굴 인식 처리 칩이 있었기 때문에 위와 같은 세계 최저전력 기술이 가능했다.
첫 번째 칩인 얼웨이즈 온(Always-On) 이미지 센서는 얼굴이 있는지 없는지 스스로 판단할 수 있어 얼굴 인식이 될 때에만 작동하게 해 대기 전력을 대폭 낮출 수 있다.
얼굴 검출 이미지 센서는 아날로그 프로세싱으로 디지털 프로세싱을 제어해 센서 자체의 출력 소모를 줄였다. 픽셀과 결합된 아날로그 프로세서는 배경 부분과 얼굴 부분을 구분하는 역할을 하고 디지털 프로세서는 선택된 일부 영역에서만 얼굴 검출을 수행하면 돼 효율적인 작업이 가능하다.
두 번째 칩인 CNNP는 딥러닝을 회로, 구조, 알고리즘 전반에 도입하고 재해석을 진행해 최저 수준의 전력을 구현하는 역할을 했다.
특히 CNNP칩은 3가지의 핵심 기술을 사용했는데 ▲알파고 인공지능 알고리즘에서 사용하는 2차원 계산을 1차원 계산으로 바꿔 고속 저전력화 ▲분산형으로 배치된 칩 내 메모리가 가로방향 뿐 아니라 세로방향도 읽어낼 수 있는 특수 저전력 분산 메모리로의 설계 ▲1024개의 곱셈기와 덧셈기가 동시에 구동돼 막강한 계산력을 가지면서 외부 통신망을 거치지 않고 직접 계산 결과를 주고받을 수 있게 한 점이다.
CNNP는 97%의 인식률을 가지면서도 알파고에 사용된 GPU에 비해 5천분의 1정도의 낮은 전력인 0.6mW만을 소모한다.
K-Eye를 목에 건 사용자는 앞에서 다가오는 상대방의 얼굴이 화면에 떠오르면 미리 저장된 정보와 실시간으로 찍힌 사진을 비교해 상대방의 이름 등 정보를 자연스럽게 확인할 수 있다.
동글 타입인 K-EyeQ는 스마트폰에 장착해 이용할 수 있는데 사용자를 알아보고 반응하는 기능을 한다. 미리 기억시킨 사용자의 얼굴이 화면을 향하기만 하면 스마트폰 화면이 저절로 켜지면서 그와 관련된 정보를 제공한다.
또한 입력된 얼굴이 사진인지 실제 사람인지도 구분할 수 있어 사용자의 얼굴 대신 사진을 보여주면 스마트폰은 반응하지 않는다.
유 교수는 “인공지능 반도체 프로세서가 4차 산업혁명시대를 주도할 것으로 기대된다”며 “이번 인공지능 칩과 인식기의 개발로 인해 세계시장에서 한국이 인공지능 산업의 주도권을 갖길 기대한다”고 말했다.
□ 사진 설명.
사진1. K-EYE 사진
사진2. K-EYEQ 사진
사진3. CNNP 칩 사진
2017.06.14
조회수 17819
-
류호진 교수, 금속 칵테일로 핵융합에 사용가능한 신소재 개발
우리 대학 원자력 및 양자공학과 류호진 교수 연구팀이 칵테일처럼 여러 원소를 혼합하는 방식을 통해 핵융합 플라즈마의 대면재로 적용 가능한 신소재 합금을 개발했다.
이번 연구를 통해 핵융합 발전과 같은 극한적 환경에서 사용되는 금속의 범위가 다양하게 확장될 것으로 기대된다.
오와이스 왓심 박사과정이 1저자로 참여한 이번 연구는 온라인 국제 학술지 ‘사이언티픽 리포트(Scientific Report)’ 5월 16일자에 게재됐다.
미래 에너지원으로 여겨지는 핵융합 발전을 실현하기 위해서는 고온의 플라즈마를 가두고 있는 토카막(tokamak) 용기의 내구성이 중요하다. 도넛 모양의 토카막은 강력한 자기장을 통해 1억℃가 넘는 플라즈마를 안정적으로 유지시켜주는 역할을 한다.
그럼에도 불구하고 플라즈마의 고온에 따른 열부하, 플라즈마 이온, 중성자 등으로 인해 토카막 용기는 손상이 발생한다. 이 토카막 용기를 보호하기 위한 대면재로 텅스텐 등의 금속이 쓰이고 있으나 완벽한 핵융합 발전을 위해서는 고성능 신소재의 개발이 필수적이다.
류 교수 연구팀은 텅스텐에 소량의 금속을 첨가해 물성을 개량하는 기존 방법들보다 한 발 더 나아가 다량의 금속을 동시에 혼합하는 기술을 활용했다.
이는 마치 칵테일처럼 여러 금속 분말을 혼합한 후 소결하는 분말야금 기술로 이를 통해 텅스텐보다 경도와 강도가 2배 이상 향상된 신소재 합금을 제조하는 데 성공했다.
핵융합에서는 다양한 물질을 함께 혼합하는 위와 같은 방식이 역효과를 발생시키기도 한다. 몰리브덴, 니오븀 등은 핵융합을 하면서 발생하는 중성자와 반응을 해 방사성이 높은 원소로 탈바꿈하는 방사화 현상이 발생해 방사능을 발산하기도 한다.
류 교수 연구팀은 이러한 제약들을 고려해 크롬, 티타늄 등을 첨가했고 이는 경도 향상 뿐 아니라 제조 공정의 촉진, 방사화 방지 등의 효과도 얻어냈다.
연구팀은 고온 기계적 특성과 더불어 열전도도, 플라즈마 상호작용, 중성자 조사취화, 트리튬 흡수 억제, 고온 내산화 특성 등을 최적화하는 합금 조성을 찾기 위한 연구를 계속 진행할 예정이다.
류 교수는 “핵융합 플라즈마 대면재는 열 충격과 플라즈마 및 중성자로 인한 손상이 극심해 이를 견딜만한 금속이 없을 정도로 극한적 환경에 노출된다”며 “이번 연구결과로 핵융합 및 원자력용 고융점 저 방사화 금속을 개발하고자 하는 시도가 전 세계적으로 활발해질 것으로 예상된다”고 말했다.
이번 연구는 미래창조과학부와 한국연구재단의 핵융합기초연구사업과 전략구조소재 신공정설계 연구센터의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 연구를 통해 제조된 텅스텐 기반 고강도 신합금
그림2. 고융점 금속 혼합 공정을 통한 핵융합 플라즈마 대면재 개발 개요
2017.05.24
조회수 16625
-
박희성 교수, 맞춤형 단백질 변형기술 동물 모델 적용에 성공
우리 대학 화학과 박희성 교수 연구팀이 아주대 의과대학 박찬배 교수와의 공동 연구를 통해 동물 모델에서 단백질의 아세틸화 변형을 조절할 수 있는 기술을 개발했다.
인간의 질병 연구에 대표적으로 쓰이는 쥐 모델에서 단백질 아세틸화를 조절할 수 있게 돼 다양한 질병의 원인을 밝힐 수 있을 것으로 기대된다.
이번 연구는 미래창조과학부의 글로벌프런티어사업(의약바이오컨버젼스연구단, 단장 김성훈)과 지능형 바이오시스템 설계 및 합성연구단(단장 김선창), 식약처의 미래 맞춤형 모델동물개발 연구사업단(단장 이한웅)의 지원을 받아 수행됐다.
이번 연구 결과는 국제 학술지인 ‘네이처 커뮤니케이션즈(Nature Communications)’ 21일자 온라인 판에 게재됐다.
우리 몸의 세포에서 만들어지는 2만 여종의 단백질은 생합성 이후 인산화, 아세틸화, 당화 등 200여 종의 다양한 변형(post-translational modification)이 발생하게 된다.
세포 내 단백질들은 다양한 변형을 통해 기능과 활성이 조절되며 이러한 변형은 생체 내에서 세포 신호 전달 및 성장 등 우리 몸의 정상적인 신진대사 활동을 조절하는 매우 중요한 역할을 한다.
하지만 유전적 또는 환경적 요인으로 인해 단백질 변형이 비정상적으로 일어나면 세포의 신호 전달, 대사 활동 등이 손상돼 암, 치매, 당뇨를 포함한 다양한 중증 질환을 유발한다.
기존에는 이러한 비정상적 단백질 변형을 동물 모델에서 인위적으로 유발시키고 제어하는 기술이 존재하지 않아 질병의 원인 규명 및 신약 개발 연구에 어려움이 있었다.
박 교수팀은 2016년 9월 다양한 비정상 변형 단백질을 합성할 수 있는 맞춤형 단백질 변형 기술을 개발해 사이언스(Science)지에 발표한 바 있다.
연구팀은 기존 연구를 더 발전시켜 각종 암과 치매 등의 이유가 되는 퇴행성 신경질환의 원인인 비정상적인 단백질 아세틸화를 동물 모델에서 직접 구현하는 기술을 개발했다.
연구팀은 이 기술을 바탕으로 실험용 쥐의 특정한 발달 단계나 시기에 표적 단백질의 특정 위치에서 아세틸화 변형을 조절할 수 있음을 증명했다.
또한 다른 조직에 영향을 주지 않고 간이나 콩팥 등 특정 조직이나 기관에서만 표적 단백질의 아세틸화 변형 제어가 가능함을 확인했다.
연구팀은 “이 기술은 암과 치매 등 단백질의 비정상적 변형으로 발생하는 각종 질병의 바이오마커 발굴 등 질병 원인 규명 연구의 획기적인 전기를 마련할 것으로 기대된다”고 말했다.
박희성 교수는 “실용화 될 경우 지금까지 실현이 어려웠던 다양한 질병에 대한 실질적 동물 모델을 제조할 수 있을 것으로 전망된다”며 “향후 맞춤형 표적 항암제 및 뇌신경 치료제 개발 등 글로벌 신약 연구에 새 패러다임을 열 것이다”고 말했다.
□ 그림 설명
그림1. 아세틸화 변형 조절 마우스 개발 및 아세틸화 제어 결과
그림2. 비정상적인 단백질 변형 및 각종 질병의 모식도
2017.03.06
조회수 20125
-
유회준 교수, 무선으로 마취 심도 측정할 수 있는 기술 개발
〈 유 회 준 교수 〉
우리 대학 전기및전자공학과 유회준 교수 연구팀이 고려대학교 구로병원 최상식 교수, ㈜케이헬쓰웨어(대표 노태환)와의 공동 연구를 통해 무선으로 마취의 심도를 정확하게 파악할 수 있는 측정기를 개발했다.
하언수 박사과정 학생이 주도한 이번 연구는 9일 미국 샌프란시스코에서 열린 반도체 학술대회인 국제고체회로설계학회(ISSCC)에서 발표됐다.
마취의 심도가 적정하게 유지되는 것은 환자에게 매우 중요하다. 마취가 얕으면 수술 도중 깨어나 큰 고통을 겪기도 하고, 반대로 마취가 너무 깊게 되면 심장발작, 합병증, 사망에 이르기도 한다.
프로포폴도 호흡을 억압하기 때문에 마취 심도가 깊어지면 사망 사고를 유발하기도 한다. 이런 사고 방지를 위해 마취 심도를 정량적으로 측정하려는 시도가 국내외로 활발하게 진행 중이다.
이러한 노력으로 개발된 마취심도계측기로 인해 마취 사고 발생률은 크게 낮아졌다. 그러나 기존의 제품들은 모니터링 장치에 연결하기 위해 긴 전선이 사용돼 번거로움을 유발한다. 또한 마취 약물 종류에 따라 심도를 측정할 수 없다는 한계가 있다.
연구팀이 개발한 마취 심도 모니터링 측정기는 마취 중인 환자의 이마에 접착된 패치를 통해 뇌파 신호 및 혈중 헤모글로빈 농도를 추출한다. 이를 정확히 제어하는 반도체 칩이 패치에 집적돼 무선으로 뇌파와 근적외선 분광 신호를 동시에 측정할 수 있다.
측정된 다중 신호들은 디지털 신호로 바뀌어 전달된 후 딥 러닝(Deep Learning) 기술을 이용해 환자의 마취 심도를 정확히 판단한다.
수술 시간이 길어지면 전극의 젤이 마르게 돼 뇌파 측정신호가 나빠지지만 연구팀은 이런 상황에서도 정확한 신호를 측정할 수 있는 회로 기법을 도입했다.
또한 실제 수술실에서 사용할 수 있는 초소형 근적외선 분광 센서가 붙어 있어 성별, 나이, 인종에 상관없이 유효한 신호 측정이 가능하다. 나아가 다중 신호를 이용하기 때문에 수술 중 전기 잡음을 유발하는 전기 소작기나 삽관 사용 중에도 신호 왜곡 없이 마취심도의 측정이 가능하다.
연구팀의 측정기는 기존 기기로는 측정이 불가능했던 케타민 등의 약물도 마취 심도를 측정할 수 있어 의료 분야에서 응용 가능할 것으로 기대된다.
유 교수는 “그동안 마취 심도 센서는 비싼 가격의 특정 외국회사 제품이 독점하는 형태였다”며 “환자들의 부담을 줄이면서 안전한 마취를 제공할 수 있어 새 제품을 개발할 수 있는 좋은 기회가 될 것이다”고 말했다.
□ 그림 설명
그림1. 센서의 구성을 나타낸 모식도
그림2. 마취 심도의 측정 비교
2017.02.10
조회수 15714
-
동작 인식 증강현실 스마트 안경 개발
〈 유 회 준 교수 〉
우리 대학 전기 및 전자공학과 유회준 교수 연구팀이 동작 인식이 가능한 증강 현실 전용 초저전력 스마트 안경 ‘케이 글래스 3(K-Glass 3)’를 개발했다.
유 교수 연구팀은 2014년 증강현실을 기반으로 한 케이 글래스 1, 2015년 시선추적이 가능한 케이 글래스 2에 이어 동작 인식이 가능한 3번째 버전의 케이 글래스 3를 발표했다.
이번 연구는 지난 달 31부터 5일간 미국 샌프란시스코에서 열린 국제고체회로설계학회(ISSCC)에서 발표됐다.
케이 글래스 3의 핵심 기술은 스테레오 카메라 시스템이다. 이를 통해 사용자가 가상 키보드를 타이핑하거나 가상 피아노 연주를 하는 등의 증강 현실을 체험할 수 있다.
기존 안경형 스마트 기기에서는 텍스트 전송을 위한 UI/UX(사용자 인터페이스 및 경험)가 없어 텍스트에 익숙한 사용자들에게 유용할 것으로 기대된다.
최근 대기업에서 발표되는 증강현실 기기들은 복잡한 알고리즘 처리를 위한 컴퓨터가 추가로 요구되고, 가상 아이콘 클릭 등의 심화 동작을 인식하기 위한 전용 센서를 필요로 한다.
이는 평균 3와트(W) 이상의 많은 전력을 소모시켜 스마트폰 대비 20%에 불과한 스마트 안경 시스템에서 사용하기엔 부적합하다.
그러나 케이 글래스 3의 스테레오 카메라 시스템은 복잡한 스테레오 비전 알고리즘을 초저전력 프로세서 내에서 평균 20mW의 효율로 가속하기 때문에 24시간 이상 동작 가능하다.
이는 연구팀이 저전력 딥러닝 전용 멀티코어를 모바일 기기에서 가속할 수 있도록 개발해 전용 프로세서 내에 집적했기 때문에 가능했다.
딥러닝 멀티코어는 총 7개의 고성능 코어로 구성돼 있고 사용자 동작 인식을 33ms 이내의 빠른 속도로 가속해 편리함을 증가시켰다. 또한 동작을 탐지해 사용하지 않을 때는 작동을 멈춰 초저전력으로 가속할 수 있다.
연구팀은 스마트 안경 시장이 스마트폰을 대체하기 위해선 저전력, 소형화는 물론 편리하고 직관적인 유저 인터페이스 및 경험(UI/UX) 개발이 필수적이라고 말했다.
이에 유 교수는 “케이 글래스 3는 기존 안경형 디스플레이(HMD)가 지원하지 않는 편리하고 직관적인 UI를 결합해 하나의 저전력 시스템으로 구현하는 데 성공했다”며 “미래 스마트 모바일 IT 분야에서 혁신적 변화를 주도할 것이다”고 말했다.
박성욱 박사과정 학생이 주도한 이번 연구는 유저 인터페이스 및 경험 개발 기업인 UX Factory와의 협업을 통해 진행됐다.
□ 그림 설명
그림1. 착용 이미지
그림2. 케이글래스 3 실제사진
그림3. 케이글래스 3를 통해 구현한 가상키보드,가상피아노
2016.02.25
조회수 13965