오늘날의 선도적인 AI 시스템을 지원하는 신경망은 대규모 정적 데이터에서 패턴을 선택할 때 인간의 두뇌를 훨씬 능가할 수 있다. 그러나 학습할 데이터가 거의 없거나 데이터 스트림이 시간이 지남에 따라 동적으로 변하면 어려움을 겪는 경향이 있다.

하지만 이것이 인간의 두뇌가 빛을 발하는 곳이며, 많은 연구자들이 새로운 컴퓨팅 패러다임을 만들기 위해 디자인 원칙 중 일부를 빌려 뉴로모픽 컴퓨팅으로 알려진 분야를 만들려고 했다.

그리고 이제 시드니대학과 일본 국립 재료 과학 연구소의 연구원들은 나노 와이어의 무작위 네트워크를 사용하여 뇌의 구조와 역학을 복제하여 간단한 처리 작업을 해결할 수 있음을 보여주었다.

"이 결과에 대해 매우 흥미로운 점은 이러한 유형의 나노 와이어 네트워크가 정보 처리를 최적화하는 데 활용할 수 있는 다양하고 뇌와 같은 집단 역학을 가진 체제로 조정될 수 있다는 것이다."고 보도 자료에서 시드니대학의 Zdenka Kuncic은 말했다.

오늘날의 심층 신경망은 이미 뇌의 한 측면, 즉 고도로 상호 연결된 신경망을 모방한다. 그러나 인공 뉴런은 계산만 수행하기 때문에 생물학적 뉴런과 매우 다르게 작동한다. 뇌에서 뉴런은 이전 활동을 기억할 수 있으며, 이는 미래의 행동에 영향을 미친다.

이 내장 메모리는 뇌가 정보를 처리하는 방법의 중요한 측면이며, 신경 형태 공학의 주요 가닥은 이 기능을 재현하는 데 초점을 맞추고 있다. 이로 인해 소위 "멤 리스터"라는 광범위한 설계가 탄생했다. 전기 부품은 노출된 이전 신호에 따라 반응이 달라진다.

은 나노 와이어가 서로 겹치는 접합부에서도 기억 특성이 발견되어 신경형 엔지니어에게 점점 인기있는 표적이 되었다. 그들은 뇌에서 발견되는 것과는 달리 복잡한 네트워크로 자기 조립할 수 있는 추가적인 이점을 가지고 있으며, 기억 접합은 뉴런 사이의 시냅스처럼 다소 작용한다.

Nature Communications의 한 논문에서 연구원들은 길이 10마이크로 미터, 두께가 500나노 미터 이하인 나노 와이어의 무작위 네트워크를 만든 다음 전기 자극을 받는 방법을 설명한다.

전류가 네트워크를 통과함에 따라 멤리스티티브 접합이 켜지고 꺼지면서 신호가 이동하는 경로가 변경되었다. 그러나 이 스위칭 패턴은 입력 신호의 강도에 따라 크게 달라졌다. 신호가 낮을 때는 경로가 매우 질서 있고 예측 가능했지만 높았을 때는 완전히 혼란스러워졌다.

이러한 역학이 정보 처리에 사용될 수 있는지 테스트하기 위해 팀은 네트워크 시뮬레이션을 만들고 간단한 신호 처리 작업(한 파형을 다른 파형으로 변환)을 수행하는 방법을 가르치려고 했다.

그들은 입력의 진폭과 주파수를 조정하여 이것이 성능에 영향을 미치는지 확인했으며 신호의 강도가 네트워크를 혼란스러운 상태로 밀어붙일 때 네트워크가 가장 잘 작동한다는 것을 발견했다. 그 발견은 흥미롭다. 인간의 뇌가 이 체제에서도 작동한다고 추측되기 때문이다.

“신경 과학의 일부 이론은 인간의 마음이 이 혼돈의 가장자리 또는 이른바 임계 상태에서 작동할 수 있음을 시사한다.”라고 Kuncic은 말했다. "일부 신경과학자들은 우리가 최대의 두뇌 성능을 달성하는 이 상태라고 생각한다."

연구원들이 만든 또 다른 매혹적인 발견은 가장 다른 파형 사이에서 변환을 시도할 때 "혼돈의 가장자리"상태가 가장 강력하다는 것이다. 이는 이전 결과와 일치하며 접근 방식이 단순한 작업에는 효율적이지 않을 수 있지만 특히 더 복잡한 작업에는 적합하다는 것을 나타낸다.

하지만 이러한 나노 와이어 네트워크가 인간 두뇌의 힘과 일치하기 위해서는 갈 길이 멀다. 연구원들이 설정한 과제는 매우 간단하며 지금까지는 실제가 아닌 네트워크 시뮬레이션에서만 입증되었다. 이 "혼돈의 가장자리"상태가 뇌가 작동하는 방식의 중심이 되는 정도는 여전히 해결되지 않았다.

그러나 그 결과는 나노 와이어 네트워크가 뇌의 강력하고 에너지 효율적인 처리를 재현하는 유망한 수단이 될 수 있다는 주장에 무게를 실었다.

이미지 출처: Pixabay/Gerd Altmann