인텔, 클라우드 기반 시스템 ‘포호이키 스프링스’ 발표

인텔은 1억 개 뉴런 연산 능력을 제공하는 가장 강력한 최신 뉴로모픽 연구 시스템 ‘포호이키 스프링스(Pohoiki Springs)’의 현황에 대해 밝혔다.

인텔 뉴로모픽 리서치 커뮤니티(INRC) 소속 연구원들은 클라우드 기반 시스템인 포호이키 스프링스로 뉴로모픽 연구를 확대해 보다 대규모의 복잡한 문제들을 해결할 수 있다.

마이크 데이비스(Mike Davies) 인텔 뉴로모픽 컴퓨팅 랩 디렉터는 “포호이키 스프링스는 500와트 미만의 전력을 소비하면서 로이히(Loihi) 뉴로모픽 연구 칩을 750배 이상 확장할 수 있다. 연구 파트너들은 이 시스템을 통해 고성능 컴퓨팅(HPC) 시스템을 포함한 기존 아키텍처에서 느리게 실행되는 워크로드를 더 빠르게 처리할 수 있다”고 말했다.

포호이키 스프링스는 데이터센터에 랙(rack)으로 장착되는 시스템으로, 현재까지 인텔이 개발한 뉴로모픽 컴퓨팅 시스템 중 가장 크다. 포호이키 스프링스는 일반 서버 5대 크기의 물리적 프레임(섀시) 안에 768개의 로이히 뉴로모픽 연구 칩이 내장된 시스템이다.

500와트 미만의 전력 소비

로이히 프로세서는 인간의 뇌에서 영감을 얻었다. 인간의 뇌처럼 작동하는 로이히는 까다로운 워크로드를 기존 프로세서 대비 최대 1,000배 빠르고 최대 10,000배 효율적으로 처리할 수 있다. 포호이키 스프링스는 인공지능 관련 문제 뿐만 아니라 광범위한 어려운 연산 작업을 해결할 수 있는 잠재력을 확인하기 위해 로이히 아키텍처를 확장한 시스템이다. 인텔 연구원들은 극한 병렬과 비동기 신호를 갖춘 뉴로모픽 시스템이 현재 최고 성능의 전통적인 컴퓨터 대비 낮은 전력 소모와 향상된 성능을 제공할 것으로 기대하고 있다.

자연 세계에서는 아무리 작은 생명체라도 어려운 연산 문제를 해결할 수 있다. 예를 들어, 많은 곤충들은 100만개 이하의 뉴런을 가진 뇌를 가지고 있음에도 불구하고 실시간으로 사물을 추적하고 방향을 설정하고 장애물을 피할 수 있다



작은 뉴로모픽, 카포오 베이

이와 유사하게 인텔의 가장 작은 뉴로모픽 시스템인 카포오 베이(Kapoho Bay)는 26만 2,000개의 뉴런을 가진 2개의 로이히 칩으로 구성되어 있으며, 다양한 실시간 엣지 워크로드를 지원한다. 인텔과 INRC 연구원들은 수십 밀리 와트의 전력만으로 움직임을 실시간으로 인식하고, 새로운 인공지능 피부를 이용해 점자를 읽으며, 미리 학습된 시각적 지형지물 정보를 바탕으로 방향을 설정하며, 새로운 냄새 패턴을 배우는 능력을 선보이는 로이히 성능을 시연했다.

소규모 뉴런을 통해 시연한 이러한 예시들은 지금까지 뛰어난 확장성을 보여주고 있으며, 로이히는 보다 규모가 큰 문제들을 기존 솔루션 대비 빠르고 효율적으로 해결하고 있다. 이 점은 곤충에서 인간의 두뇌까지 자연에서 발견되는 두뇌의 확장성을 그대로 반영한다.

1억 개의 뉴런을 가진 포호이키 스프링스는 로이히의 신경 능력을 작은 포유류 뇌의 수준으로 증가시켜 훨씬 크고 정교한 뉴로모픽 워크로드를 처리할 수 있도록 지원하는 중요한 단계이다. 포호이키 스프링스는 향후 실시간 동적 데이터 처리가 필요한 자율적이고 연결된 미래를 위한 기반을 마련한다.

포호이키 스프링스와 같은 인텔의 뉴로모픽 시스템은 현재 연구 단계에 있으며 전통적인 컴퓨터 시스템을 대체하기 위한 것은 아니다. 대신, 이 시스템은 신경망에서 영감을 받은 알고리즘을 개발하고 특성화할 수 있는 도구를 제공한다. 이를 통해 연구원들은 실시간으로 데이터를 처리하고 문제를 해결하며 적응하고 학습할 수 있다.

INRC 연구원들은 클라우드 상에서 인텔의 Nx SDK 및 소프트웨어 구성요소를 사용해 포호이키 스프링스에서 애플리케이션을 구축하고 접근할 수 있다. 연구원들은 로이히를 위해 유망하고 확장성이 높은 알고리즘을 개발하고 있다.

확장성 높은 알고리즘

스도쿠 게임부터 항공 스케줄링, 패키지 배송 계획까지 현실 세계 어디에나 제약조건 만족 문제가 존재한다. 제약 조건 만족 문제(CSP: Constraint Satisfaction Problem, 주어진 제약조건을 만족하는 해를 찾는 방법)를 해결하기 위해서는 많은 수의 잠재적 해결책을 평가해 특정 제약 조건을 충족하는 하나 혹은 몇 가지 잠재적 해결책을 파악해야 한다. 로이히는 빠른 속도와 병렬 연산으로 많은 잠재적 해결책을 찾아내, 보다 빠르게 제약 만족 문제를 해결할 수 있다.

사람들은 매일 최적의 운전 경로를 찾아내거나 가장 비슷한 얼굴을 인식해내기 위해 그래프 기반 데이터 구조를 검색한다. 로이히는 그래프에서 가장 짧은 경로를 빠르게 식별하고 유사 이미지 검색 수행 능력을 시연한 바 있다.

뉴로모픽 아키텍처는 시간의 경과에 따라 역동적인 움직임이 수학적으로 특정 목표에 최적화되도록 프로그램할 수 있다. 즉, 무선 통신 채널의 대역폭을 극대화하거나, 목표 수익률에서 위험을 최소화하기 위해 증권 포트폴리오를 할당하는 등의 현실적 최적화 문제를 해결할 수 있다.

인간의 뇌와 더 유사한 칩

CPU나 GPU와 같은 전통적인 범용 프로세서는 매우 정밀한 수학적 연산과 같이 인간이 하기 어려운 작업에 특히 능숙하다. 그러나 기술의 역할과 적용은 확장되고 있다. 자동화에서 인공지능에 이르기까지, 컴퓨터가 인간과 같이 더 많이 작동하고, 비구조적이고 노이즈가 많은 데이터를 실시간으로 처리하면서 변화에 적응해야 할 필요성이 증가하고 있다. 이는 곧 새롭고 특화된 아키텍처의 등장을 필요로 한다.

뉴로모픽 컴퓨팅은 컴퓨터 아키텍처를 근본부터 전면적으로 다시 설계한다. 즉, 신경과학의 최신 통찰력을 적용해 기존의 컴퓨터처럼 작동하는 것이 아닌 인간의 뇌와 더 유사한 칩을 만드는 것이다. 뉴로모픽 시스템은 뉴런의 조직, 통신 및 학습 능력을 하드웨어 수준에서 구현한다. 인텔은 로이히와 미래의 뉴로모픽 프로세서가프로그램 가능한 컴퓨팅의 모델을 새롭게 정의해 확산하는 지능형 기기에 대한 전 세계의 수요 증가에 부응할 것으로 전망한다.