자연처럼 사고하며 AI가 할 수 없는 영역을 탐구하는 유레카 머신

FPGA 보드에 구현된 뉴로모픽 이징 머신(Neuromorphic Ising machine)은 기하급수적으로 많은 경쟁 가능성을 가진 험난한 에너지 지형(rugged energy landscapes)을 빠르게 탐색하며, 단백질 접힘(protein folding)과 같이 탐색 과정이 펼쳐진 사슬에서 중간 단계인 몰튼 글로뷸(molten-globule) 상태를 거쳐 가장 안정적인 접힌 구조로 진화하는 복잡한 최적화 문제에 대해 최적에 가까운 해를 빠르게 찾아낼 수 있게 합니다.

가장 어려운 계산 문제들은 더 빠른 칩을 기다리고 있는 것이 아니라, 근본적으로 다른 방식으로 계산하는 머신을 기다리고 있습니다.

콜로라도의 Telluride Neuromorphic and Cognition Engineering 워크숍과 IISc의 Bangalore Neuromorphic Engineering Workshop (BNEW)에서 파생된 다기관 팀은 어려운 수학적 문제의 해답을 찾기 위해 양자 터널링(quantum-tunnelling) 물리학과 뇌에서 영감을 얻은 아키텍처를 결합한 뉴로모픽 컴퓨터를 구축했습니다. Nature Communications에 발표된 이 연구는 CMOS 기술을 기반으로 한 양자 영감 컴퓨팅(quantum-inspired computing)의 새로운 방향을 제시합니다.

오늘날 AI 모델은 소설을 쓰거나 심지어 우주선을 조종할 수 있는 능력을 갖추고 있을지도 모릅니다. 하지만 물류 네트워크, 마이크로칩 라우팅, 또는 암호화 잠금 장치를 맡기면 그들은 멈춰버립니다. 이것들은 조합 최적화 문제(combinatorial problems)로, 컴퓨팅 분야에서 가장 중대한 미해결 영역 중 하나입니다. 새로운 연구는 Fowler-Nordheim 어닐러(annealer)를 갖춘 뉴로모픽 오토인코더(neuromorphic autoencoder)가 최적의 해로의 점근적 수렴(asymptotic convergence)을 보장하면서 이러한 문제들을 대규모로 해결할 수 있음을 시사합니다.

그러한 오토인코더는 단순히 해를 계산하는 것이 아니라, 자연적인 과정이 복잡한 에너지 지형을 탐색하여 안정 상태에 정착하는 방식과 같이 해를 찾아냅니다.

수십 년 동안 무어의 법칙(Moore’s law)은

이 공동 연구는 세인트루이스 워싱턴 대학교(Washington University in St Louis)의 Shantanu Chakrabartty 교수가 주도하였으며, 그의 연구 그룹은 수년 동안 Fowler-Nordheim 기반의 뉴로모픽 아키텍처 (neuromorphic architectures)를 조사해 왔습니다. 연구팀에는 IISc 전자 시스템 공학부의 Chetan Singh Thakur 교수가 포함되어 있습니다. 이 연구에 참여한 다른 기관으로는 독일의 하이델베르크 대학교 (Heidelberg University), 볼티모어의 존스 홉킨스 대학교 (The Johns Hopkins University), 그리고 캘리포니아 대학교 산타크루즈 (The University of California in Santa Cruz)가 있습니다.

따라서 이 작업은 아시아의 Bangalore Neuromorphic Engineering Workshop, 미주 지역의 Telluride Neuromorphic Engineering Workshop, 그리고 유럽의 CapoCaccia Neuromorphic Workshop에서 정기적으로 만나 아이디어를 구상하는 전 세계 뉴로모픽 엔지니어들의 커뮤니티를 대표합니다. 이들은 함께 컴퓨팅의 가장 어려운 문제들을 해결하기 위해 설계된 차세대 기계들을 형성해 나가고 있습니다.

참고 문헌 (REFERENCE):

Ahsan F, Maiti S, Chen Z, Kaiser J, Nandi A, Srivatsav M, Schemmel J, Andreou AG, Eshraghian J, Thakur CS, Chakrabartty S, Higher-order neuromorphic Ising machines—autoencoders and Fowler-Nordheim annealers are all you need for scalability, Nature Communications (2026).

웹사이트 (WEBSITE):