베이지안 신경망 (Bayesian Neural Networks, BNNs)은 의사 결정 과정에서의 불확실성 (uncertainties)을 모니터링함으로써 기존 신경망의 신뢰성을 크게 향상시킬 수 있는 기회를 제공합니다. 그러나 엣지 (extreme edge) 환경에서 BNN 추론을 수행할 때 발생하는 중대한 단점은 각 뉴런 내에 가우시안 난수 생성기 (Gaussian Random Number Generators, GRNG)를 반드시 포함해야 한다는 점입니다. 최첨단 (State-of-the-art) GRNG 알고리즘은 다수의 산술 연산 (arithmetic operations)과 광범위한 룩업 테이블 (look-up tables) 사용에 크게 의존하며, 이는 초저전력 하드웨어 구현에 있어 상당한 구현상의 어려움을 초래합니다. 이를 극복하기 위해, 본 논문은 산술 유닛 (arithmetic units) 대신 초저비용의 상수 비교기 (constant comparators)를 사용할 수 있는 혁신적인 이진 트리 난수 생성기 (binary tree random number generator, TreeGRNG)를 제안합니다. 나아가, 우리는 가우시안 특성 (Gaussian properties)을 활용한 일련의 하드웨어 인지적 최적화 (hardware-aware optimizations)를 통해 TreeGRNG 제안을 더욱 강화했습니다. 최적화된 TreeGRNG는 분포 정확도 (distribution accuracy) 측면에서 최첨단 (State-of-the-Art, SoTA) 기술을 능가하는 동시에, 샘플당 에너지를 3.7$ imes$ 감소시키고 단위 면적당 처리량 (throughput)을 5.8$ imes$ 향상시켰습니다. 또한, 우리의 TreeGRNG 제안은 설계자가 샘플링된 확률 분포 (probability distribution)의 형태를 쉽게 조정할 수 있도록 하여 유연성 측면에서 현재의 SoTA 대비 뚜렷한 이점을 가지며, 이는 전통적인 GRNG의 능력을 넘어 미래의 확률론적 AI 설계를 향한 지평을 열어줍니다. TreeGRNG 설계는 다음 링크에서 오픈 소스로 제공됩니다.